| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 问题提出 | 第9页 |
| 1.1.3 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 财务预警及其相关理论发展现状 | 第10-13页 |
| 1.2.2 支持向量机集成理论及应用的研究现状 | 第13-15页 |
| 1.2.3 国内外研究现状评述 | 第15-16页 |
| 1.3 主要内容与研究方法 | 第16-19页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-18页 |
| 1.3.3 研究方法 | 第18-19页 |
| 第2章 高新技术企业财务预警的研究 | 第19-32页 |
| 2.1 高新技术企业财务预警的内容和功能 | 第19-20页 |
| 2.1.1 财务危机及其表现形式 | 第19页 |
| 2.1.2 财务预警的作用及功能 | 第19-20页 |
| 2.2 高新技术企业财务风险的影响因素和传导机制 | 第20-26页 |
| 2.2.1 财务风险内外影响因素分析 | 第20-25页 |
| 2.2.2 财务风险传导机制分析 | 第25-26页 |
| 2.3 高新技术企业财务预警的评估指标体系设计 | 第26-31页 |
| 2.3.1 指标选取原则 | 第26-27页 |
| 2.3.2 指标选取方法 | 第27页 |
| 2.3.3 指标体系确定 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 高新技术企业财务预警模型的建立 | 第32-47页 |
| 3.1 数理工具的选择 | 第32-39页 |
| 3.1.1 支持向量机 | 第32-35页 |
| 3.1.2 集成学习方法 | 第35-37页 |
| 3.1.3 决策融合方法 | 第37-39页 |
| 3.2 支持向量机集成模型建立的流程 | 第39-41页 |
| 3.2.1 支持向量机集成模型的优越性 | 第39-40页 |
| 3.2.2 支持向量机集成模型建立的框架 | 第40-41页 |
| 3.3 支持向量机集成模型的构建 | 第41-45页 |
| 3.3.1 Bagging 方法生成子支持向量机 | 第41-42页 |
| 3.3.2 核函数的选择及参数确定 | 第42-43页 |
| 3.3.3 基于模糊积分的决策融合 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 高新技术企业财务预警模型的应用 | 第47-58页 |
| 4.1 研究对象的确定及样本数据预处理 | 第47-51页 |
| 4.1.1 研究对象的确定 | 第47-48页 |
| 4.1.2 样本数据的收集 | 第48-49页 |
| 4.1.3 样本数据的预处理 | 第49-51页 |
| 4.2 单一 SVM 和 SVM 集成模型应用结果分析 | 第51-53页 |
| 4.2.1 分析比较的依据 | 第51页 |
| 4.2.2 单一 SVM 模型的应用结果 | 第51-52页 |
| 4.2.3 SVM 集成模型的应用结果 | 第52-53页 |
| 4.3 单一 SVM 和 SVM 集成模型应用结果比较 | 第53-56页 |
| 4.3.1 准确率的比较分析 | 第53-55页 |
| 4.3.2 误判率的比较分析 | 第55-56页 |
| 4.4 研究启示 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-77页 |
| 攻读硕士学位期间发表的论文 | 第77-79页 |
| 致谢 | 第79页 |