| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·文献综述 | 第14-17页 |
| ·财务欺诈识别的研究动态 | 第14-16页 |
| ·支持向量机的研究动态 | 第16-17页 |
| ·研究比较与启示 | 第17页 |
| ·研究思路与研究内容 | 第17-19页 |
| 第2章 相关理论研究 | 第19-36页 |
| ·财务欺诈的内涵及界定 | 第19-22页 |
| ·财务欺诈的内涵 | 第19-20页 |
| ·财务欺诈的界定 | 第20页 |
| ·财务欺诈的形成原因 | 第20-22页 |
| ·财务欺诈的识别方法及评述 | 第22-28页 |
| ·财务欺诈参数识别方法及评述 | 第22-25页 |
| ·财务欺诈的非参数识别方法及评述 | 第25-28页 |
| ·财务欺诈的识别变量 | 第28页 |
| ·财务欺诈识别变量的选择标准 | 第28页 |
| ·财务欺诈识别变量的选择 | 第28页 |
| ·SVM 理论基础及分类原理 | 第28-35页 |
| ·学习问题描述 | 第30-31页 |
| ·VC 维与结构风险最小化 | 第31页 |
| ·SVM 分类原理描述 | 第31-35页 |
| ·SVM 模型在财务欺诈识别中的应用 | 第35-36页 |
| 第3章 财务欺诈识别SVM 模型的构建 | 第36-44页 |
| ·样本的选取 | 第36-37页 |
| ·数据收集与预处理 | 第37-40页 |
| ·两独立样本曼·惠特尼U 检验与变量降维处理 | 第37-40页 |
| ·数据归一化处理 | 第40页 |
| ·相关性检验 | 第40页 |
| ·支持向量机识别模型核函数的选择 | 第40-41页 |
| ·支持向量机识别模型参数的选择 | 第41-44页 |
| ·参数确定方法的选择 | 第41-42页 |
| ·基于财务变量的SVM 识别模型参数确定 | 第42页 |
| ·引入非财务变量的SVM 识别模型参数确定 | 第42-44页 |
| 第4章 SVM 模型的识别效果及其和传统方法的比较 | 第44-56页 |
| ·识别效果的判定标准 | 第44页 |
| ·SVM 模型的识别效果 | 第44-46页 |
| ·基于财务变量的SVM 模型的识别效果 | 第45页 |
| ·引入非财务变量的SVM 模型的识别效果 | 第45-46页 |
| ·MDA 方法的识别效果 | 第46-52页 |
| ·基于财务变量的MDA 模型识别效果分析 | 第46-49页 |
| ·引入非财务变量的MDA 模型识别效果分析 | 第49-52页 |
| ·SVM 与传统方法识别效果比较及结果分析 | 第52-56页 |
| ·不同方法识别效果的比较 | 第52-53页 |
| ·识别效果不同的原因分析 | 第53页 |
| ·有效识别财务欺诈行为的启示 | 第53-56页 |
| 结论 | 第56-58页 |
| 研究结论 | 第56页 |
| 研究局限性 | 第56-57页 |
| 后续拓展研究建议 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A 基于 MATLAB 的SVM 模型构建程序 | 第63-65页 |
| 附录B 基于 MATLAB 的SVM 模型识别程序 | 第65-68页 |
| 附录C 研究样本列表 | 第68页 |
