基于随机森林对创业板上市公司财务风险的研究
| 摘要 | 第2-4页 |
| Abstract | 第4-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 论文研究目的和意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 国外有关财务风险评价的研究现状 | 第11-13页 |
| 1.3.2 国内有关财务风险评价的研究现状 | 第13-15页 |
| 1.3.3 国内外研究评述 | 第15-16页 |
| 1.4 本文的研究方法及思路 | 第16-17页 |
| 1.4.1 研究方法 | 第16页 |
| 1.4.2 研究的思路 | 第16-17页 |
| 1.5 论文研究的创新点 | 第17-19页 |
| 2 创业板市场及财务风险阐述 | 第19-25页 |
| 2.1 创业板市场的概念和特点 | 第19-21页 |
| 2.1.1 创业板市场的概念 | 第19页 |
| 2.1.2 创业板市场的特点 | 第19-20页 |
| 2.1.3 创业板市场与主板市场的区别和联系 | 第20-21页 |
| 2.2 创业板上市公司的财务风险 | 第21-25页 |
| 2.2.1 财务风险的含义 | 第21-22页 |
| 2.2.2 创业板上市公司的财务风险分类 | 第22-23页 |
| 2.2.3 创业板上市公司财务风险产生的主要原因 | 第23-25页 |
| 3 随机森林算法基本理论 | 第25-35页 |
| 3.1 决策树与分类回归树 | 第26-28页 |
| 3.1.1 决策树的生长 | 第26-27页 |
| 3.1.2 决策树的剪枝 | 第27-28页 |
| 3.2 Bagging方法 | 第28-29页 |
| 3.3 随机森林模型 | 第29-35页 |
| 3.3.1 随机森林定义 | 第29页 |
| 3.3.2 随机森林算法 | 第29-30页 |
| 3.3.3 随机森林的泛化误差理论分析 | 第30-32页 |
| 3.3.4 OOB估计 | 第32-33页 |
| 3.3.5 随机森林算法的优缺点 | 第33页 |
| 3.3.6 非平衡类数据分类方法的评价指标 | 第33-35页 |
| 4 基于随机森林的特征选择及财务风险预测模型 | 第35-52页 |
| 4.1 数据来源和样本的选择 | 第35-37页 |
| 4.1.1 数据来源及分析 | 第35页 |
| 4.1.2 财务风险预测的假设前提和样本选取 | 第35-37页 |
| 4.2 财务指标体系的构建 | 第37-42页 |
| 4.2.1 财务指标体系构建的原则 | 第37-38页 |
| 4.2.2 模型初选的财务指标及其含义 | 第38-42页 |
| 4.2.3 样本数据集的分割 | 第42页 |
| 4.3 特征选择 | 第42-48页 |
| 4.3.1 特征选择方法介绍 | 第42-43页 |
| 4.3.2 过滤式的特征选择 | 第43-44页 |
| 4.3.3 基于随机森林的特征选择 | 第44-48页 |
| 4.4 随机森林方法对不平衡分类问题的处理 | 第48-50页 |
| 4.4.1 不平衡分类问题简述 | 第48页 |
| 4.4.2 随机森林对不平衡分类问题的具体实现 | 第48-50页 |
| 4.5 随机森林对噪声的容忍度 | 第50-52页 |
| 5 总结 | 第52-54页 |
| 5.1 结论 | 第52页 |
| 5.2 参考建议 | 第52-53页 |
| 5.3 不足之处 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-65页 |
| 后记 | 第65-66页 |
