基于支持向量机的房地产上市公司财务危机预警研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1. 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·研究的理论基础 | 第10页 |
| ·问题的提出及意义 | 第10-11页 |
| ·本文的研究思路与主要内容 | 第11-13页 |
| ·本文的研究方法与新意 | 第13-14页 |
| 2. 财务危机预警研究综述 | 第14-24页 |
| ·引言 | 第14页 |
| ·财务危机相关理论 | 第14-17页 |
| ·财务危机的定义 | 第14-15页 |
| ·上市公司财务危机的成因 | 第15-17页 |
| ·财务危机预警理论 | 第17-19页 |
| ·财务危机预警的含义 | 第17页 |
| ·财务危机预警的意义 | 第17-18页 |
| ·财务危机预警的方法 | 第18-19页 |
| ·国内外财务危机预警研究综述 | 第19-23页 |
| ·国外财务危机预警研究综述 | 第19-21页 |
| ·国内财务危机预警研究综述 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3. 基于支持向量机的财务危机预警模型 | 第24-38页 |
| ·引言 | 第24页 |
| ·机器学习 | 第24-28页 |
| ·机器学习的基本概念 | 第24-26页 |
| ·机器学习的核心内容 | 第26-28页 |
| ·支持向量机 | 第28-35页 |
| ·支持向量机概述 | 第28-29页 |
| ·支持向量机理论 | 第29-31页 |
| ·核函数 | 第31-32页 |
| ·支持向量机 | 第32-35页 |
| ·基于支持向量机的财务危机预警模型设计和试验流程 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4. 实证研究 | 第38-53页 |
| ·引言 | 第38页 |
| ·指标体系构建 | 第38-40页 |
| ·指标体系构建原则 | 第38-39页 |
| ·财务预警指标内容 | 第39-40页 |
| ·数据选取与预处理 | 第40-46页 |
| ·原始数据的选取 | 第40-42页 |
| ·数据的预处理 | 第42页 |
| ·指标的描述性分析 | 第42-43页 |
| ·指标数据的检验 | 第43-46页 |
| ·因子分析 | 第46-47页 |
| ·SVM财务危机预警模型实证分析 | 第47-49页 |
| ·模型及参数选择 | 第47-48页 |
| ·基于SVM的财务预警模型 | 第48-49页 |
| ·模型结果分析 | 第49页 |
| ·与判别分析、Logistic模型比较 | 第49-52页 |
| ·判别分析预警模型 | 第49-50页 |
| ·Logistic回归预警模型 | 第50-52页 |
| ·模型效果对比分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 5. 结论与建议 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-61页 |
| 后记 | 第61-63页 |
| 致谢 | 第63页 |
