| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 选题背景及研究意义 | 第13-15页 |
| 1.1.1 选题背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 文献综述 | 第15-21页 |
| 1.2.1 基于判别分析的财务危机预警模型 | 第15-16页 |
| 1.2.2 基于Logistic回归和Probit模型的财务危机预警模型 | 第16-17页 |
| 1.2.3 基于机器学习的财务危机预警模型 | 第17-19页 |
| 1.2.4 基于多种模型的比较研究和组合预测模型的财务危机预警模型 | 第19-20页 |
| 1.2.5 文献简评 | 第20-21页 |
| 1.3 研究思路及研究方法 | 第21-22页 |
| 1.3.1 研究思路 | 第21-22页 |
| 1.3.2 研究方法 | 第22页 |
| 1.3.3 研究内容 | 第22页 |
| 1.4 研究的创新点 | 第22-24页 |
| 第2章 财务危机预警的相关理论基础 | 第24-38页 |
| 2.1 财务危机概述 | 第24-26页 |
| 2.1.1 财务危机的界定 | 第24页 |
| 2.1.2 财务危机产生的原因 | 第24-25页 |
| 2.1.3 财务危机预警系统的功能 | 第25-26页 |
| 2.2 逻辑回归模型概述 | 第26-27页 |
| 2.2.1 逻辑回归模型的含义 | 第26页 |
| 2.2.2 逻辑回归模型的适用性 | 第26-27页 |
| 2.3 机器学习模型概述 | 第27-36页 |
| 2.3.1 决策树模型概述 | 第27-28页 |
| 2.3.2 支持向量机模型概述 | 第28-31页 |
| 2.3.3 神经网络模型概述 | 第31-36页 |
| 2.4 组合预测评价模型概述 | 第36页 |
| 2.5 预测算法的评价方法概述 | 第36-38页 |
| 2.5.1 混淆矩阵 | 第36-37页 |
| 2.5.2 ROC曲线 | 第37-38页 |
| 第3章 财务危机预警指标体系的构建及样本的选取 | 第38-48页 |
| 3.1 财务危机预警指标的选取构建 | 第38-40页 |
| 3.1.1 指标的选取原则 | 第38页 |
| 3.1.2 财务危机预警指标体系结构分析 | 第38-39页 |
| 3.1.3 财务危机预警指标选取 | 第39-40页 |
| 3.2 研究样本的选取 | 第40-44页 |
| 3.2.1 样本行业范围选取 | 第40页 |
| 3.2.2 样本公司选取 | 第40-41页 |
| 3.2.3 研究样本的设计 | 第41-44页 |
| 3.2.4 训练样本的设计 | 第44页 |
| 3.3 财务危机预警指标的处理 | 第44-48页 |
| 3.3.1 标准化处理 | 第44页 |
| 3.3.2 Bartlett球体检验以及KMO检验 | 第44-45页 |
| 3.3.3 基于因子分析的指标优化 | 第45-48页 |
| 第4章 上市公司财务危机预警实证研究 | 第48-67页 |
| 4.1 LOGISTIC回归的实证研究 | 第48-51页 |
| 4.1.1 Logistic回归模型的建立与实证 | 第48页 |
| 4.1.2 Logistic回归模型预测结果与分析 | 第48-51页 |
| 4.2 决策树算法实证研究 | 第51-55页 |
| 4.2.1 决策树模型的建立与实证 | 第51-52页 |
| 4.2.2 决策树模型预测结果与分析 | 第52-55页 |
| 4.3 支持向量机算法(SVM)实证研究 | 第55-58页 |
| 4.3.1 训练SVM分类器 | 第55-56页 |
| 4.3.2 支持向量机模型预测结果与分析 | 第56-58页 |
| 4.4 组合预警实证研究 | 第58-65页 |
| 4.4.1 线性组合预警实证研究 | 第58-61页 |
| 4.4.2 基于神经网络的组合预警实证研究 | 第61-65页 |
| 4.5 实证结果比较分析 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录A 2014年样本数据汇总 | 第73-80页 |
