基于LS-SVMDT的上市公司财务困境预警模型研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究问题与背景 | 第6页 |
| 1.2 研究意义与目的 | 第6-7页 |
| 1.3 研究思路与方法 | 第7-9页 |
| 1.4 研究内容与论文框架 | 第9-10页 |
| 1.5 本文创新及改进之处 | 第10-12页 |
| 2 文献回顾 | 第12-25页 |
| 2.1 财务困境概念的界定 | 第12-14页 |
| 2.2 财务困境预警模型与方法 | 第14-21页 |
| 2.3 预警模型的研究样本与指标选取 | 第21-22页 |
| 2.4 财务状况分类研究 | 第22-24页 |
| 2.5 文献回顾总结 | 第24-25页 |
| 3 SVM分类机与财务困境预警模型 | 第25-39页 |
| 3.1 支持向量机理论基础 | 第25-29页 |
| 3.2 支持向量分类机原理简介 | 第29-36页 |
| 3.3 LS-SVMDT模型 | 第36-37页 |
| 3.4 SVM分类机与财务困境预警模型 | 第37-39页 |
| 4 样本及指标的选取和研究设计 | 第39-48页 |
| 4.1 样本选取和数据来源 | 第39页 |
| 4.2 指标体系的构建 | 第39-41页 |
| 4.3 样本时间跨度设定 | 第41-42页 |
| 4.4 公司财务状况分类设计 | 第42-45页 |
| 4.5 样本抽样与数据预处理 | 第45-48页 |
| 5 财务困境预警模型构建与分析 | 第48-64页 |
| 5.1 数据归一化 | 第48页 |
| 5.2 数据降维处理 | 第48-55页 |
| 5.3 模型训练与测试 | 第55-63页 |
| 5.4 财务困境预警模型评价 | 第63-64页 |
| 6 研究结论与展望 | 第64-66页 |
| 6.1 研究结论 | 第64-65页 |
| 6.2 研究的局限性 | 第65页 |
| 6.3 研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-72页 |
| 致谢 | 第72页 |
