首页--经济论文--经济计划与管理论文--企业经济论文--企业财务管理论文

基于数据挖掘算法的财务预警研究

摘要第4-5页
Abstract第5页
第一章 绪论第9-14页
    1.1 研究背景第9页
    1.2 研究意义第9-10页
    1.3 研究内容与研究方法第10-13页
        1.3.1 研究内容第10-11页
        1.3.2 研究方法第11-13页
    1.4 主要创新点第13-14页
第二章 文献综述第14-20页
    2.1 财务困境的判别标准第14-15页
    2.2 财务预警指标体系的发展历程第15-16页
    2.3 财务预警模型的发展历程第16-18页
    2.4 企业财务预警模型比较研究第18页
    2.5 小结第18-20页
第三章 财务预警相关概念和基本理论第20-25页
    3.1 相关概念第20-21页
        3.1.1 财务困境第20-21页
        3.1.2 财务预警第21页
    3.2 基本理论第21-24页
        3.2.1 危机管理理论与财务预警第21-22页
        3.2.2 不完全契约理论与财务预警第22-23页
        3.2.3 博弈论与财务预警第23-24页
    3.3 小结第24-25页
第四章 财务预警指标体系的构建第25-32页
    4.1 财务预警指标体系构建的原则第25页
    4.2 财务预警指标体系的财务指标选取第25-28页
    4.3 财务预警指标体系的非财务指标选取第28-31页
    4.4 小结第31-32页
第五章 基于数据挖掘算法财务预警模型的指标筛选第32-55页
    5.1 研究样本第32-33页
        5.1.1 ST样本组第32页
        5.1.2 非ST样本组第32页
        5.1.3 数据的选择第32-33页
    5.2 显著性检验第33-43页
        5.2.1 (T-3)年变量显著性检验第33-36页
        5.2.2 (T-2)年变量显著性检验第36-39页
        5.2.3 (T-1)年变量显著性检验第39-43页
    5.3 最优离散化第43页
        5.3.1 (T-3)年变量最优离散化第43页
        5.3.2 (T-2)年变量最优离散化第43页
        5.3.3 (T-1)年变量最优离散化第43页
    5.4 神经网络财务预警模型构建第43-53页
        5.4.1 (T-3)年神经网络财务预警模型构建第44-46页
        5.4.2 (T-2)年神经网络财务预警模型构建第46-49页
        5.4.3 (T-1)年神经网络财务预警模型构建第49-52页
        5.4.4 神经网络财务预警模型变量的筛选第52-53页
    5.5 小结第53-55页
第六章 神经网络财务预警模型指标筛选的有效性检验第55-62页
    6.1 决策树财务预警模型的构建第55-58页
        6.1.1 (T-3)年决策树财务预警模型构建第55-56页
        6.1.2 (T-2)年决策树财务预警模型构建第56-57页
        6.1.3 (T-1)年决策树财务预警模型构建第57-58页
    6.2 Logistic回归财务预警模型的构建第58-61页
        6.2.1 (T-3)年Logistic回归财务预警模型构建第59页
        6.2.2 (T-2)年Logistic回归财务预警模型构建第59-60页
        6.2.3 (T-1)年Logistic回归财务预警模型构建第60-61页
    6.3 神经网络财务预警模型指标筛选的有效性检验第61页
    6.4 小结第61-62页
第七章 结论与展望第62-65页
    7.1 研究结论第62-63页
    7.2 对策及建议第63-64页
    7.3 不足与展望第64-65页
参考文献第65-69页
在学期间的研究成果第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:TLR9信号通路异常在舍格伦综合征发病机制中的作用研究
下一篇:SLC6A4基因甲基化与家庭环境对厌食症影响的研究