基于因子分析与支持向量机的上市公司财务危机预警研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-22页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状综述 | 第10-18页 |
| ·国内外财务危机预警研究现状 | 第10-15页 |
| ·国内外企业绩效评价研究现状 | 第15-16页 |
| ·财务危机与绩效评价比较 | 第16-18页 |
| ·本文研究框架 | 第18-22页 |
| ·本文研究思路 | 第18-19页 |
| ·本文主要工作 | 第19-20页 |
| ·本文篇章结构 | 第20-22页 |
| 第二章 财务危机预警概述 | 第22-30页 |
| ·财务危机相关概念 | 第22-25页 |
| ·财务危机 | 第22-23页 |
| ·财务预警 | 第23-24页 |
| ·财务预警系统 | 第24-25页 |
| ·财务危机的成因及表现 | 第25-29页 |
| ·财务危机成因 | 第25-28页 |
| ·财务危机的表现 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 统计学习理论与支持向量机 | 第30-42页 |
| ·机器学习 | 第30-31页 |
| ·统计学习理论 | 第31-35页 |
| ·经验风险最小化原则 | 第31-32页 |
| ·VC（Vapnik-Cheronenkis）维 | 第32-33页 |
| ·结构风险最小化原则 | 第33-35页 |
| ·支持向量机 | 第35-41页 |
| ·支持向量机基础理论 | 第35-39页 |
| ·混乱矩阵、两类错误率及损失函数 | 第39-40页 |
| ·支持向量机特征 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 SVM 的财务危机预警模型的构建 | 第42-60页 |
| ·企业财务危机预警模型的构建 | 第42-46页 |
| ·问题描述 | 第42-43页 |
| ·模型建立 | 第43-46页 |
| ·财务预警模型样本设计 | 第46-47页 |
| ·财务预警模型指标体系的构建 | 第47-52页 |
| ·财务预警模型指标体系的构建原则 | 第47-48页 |
| ·财务预警模型指标体系的初步选取 | 第48-52页 |
| ·财务预警模型指标数据统计分析 | 第52-59页 |
| ·指标数据标准化处理 | 第52页 |
| ·指标数据差异性及相关性检验 | 第52-57页 |
| ·指标因子分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于 SVM 的财务预警模型的实证分析 | 第60-70页 |
| ·实证研究思路 | 第60-61页 |
| ·SVM 财务预警模型实证分析 | 第61-63页 |
| ·基于 SVM 的财务预警模型训练 | 第61-62页 |
| ·基于 SVM 的财务预警模型预测 | 第62-63页 |
| ·基于 SVM 的财务预警模型预测结果分析 | 第63页 |
| ·BP、LOGISTIC模型预警结果 | 第63-68页 |
| ·BP 模型预警结果 | 第63-66页 |
| ·Logistic 回归预警结果 | 第66-68页 |
| ·模型效果对比分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结论及未来研究展望 | 第70-72页 |
| ·结论 | 第70页 |
| ·研究局限性和未来研究展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-77页 |
