| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-13页 |
| ·文献综述 | 第13-21页 |
| ·统计类预测模型 | 第13-18页 |
| ·人工智能型预警模型 | 第18-21页 |
| ·研究方法和内容 | 第21-24页 |
| ·研究方法 | 第21-22页 |
| ·研究内容 | 第22-24页 |
| 第2章 最小二乘支持向量机及其相关理论 | 第24-40页 |
| ·经验风险最小化原则 | 第24-26页 |
| ·机器学习问题的简单描述 | 第24-25页 |
| ·经验风险最小化原则及其不足 | 第25-26页 |
| ·统计学习理论的主要思想 | 第26-27页 |
| ·函数集学习能力的描述 | 第26页 |
| ·结构风险最小化原理 | 第26-27页 |
| ·支持向量机 | 第27-40页 |
| ·支持向量机原理 | 第27-28页 |
| ·支持向量机分类 | 第28-37页 |
| ·最小二乘支持向量机 | 第37-40页 |
| 第3章 预测指标的选取及预处理 | 第40-49页 |
| ·预测指标的选取 | 第40-43页 |
| ·预测指标选取的原则 | 第40-41页 |
| ·初始预测指标的选取 | 第41-43页 |
| ·指标的预处理 | 第43-49页 |
| ·指标数据的正态分布检验 | 第43-44页 |
| ·指标数据的显著性差异检验 | 第44-45页 |
| ·指标数据的多重共线性检验 | 第45-49页 |
| 第4章 基于 LS-SVM 的财务业绩预测实证研究 | 第49-58页 |
| ·研究样本的选择 | 第49-50页 |
| ·因变量的选择 | 第49页 |
| ·自变量的选择 | 第49页 |
| ·数据来源 | 第49-50页 |
| ·Logit 模型 | 第50-55页 |
| ·Logit 回归模型的形式 | 第50-51页 |
| ·Logit 回归模型的估计 | 第51-52页 |
| ·Logit 回归模型的检验 | 第52-53页 |
| ·半年度预测的 Logit 模型的构建 | 第53-55页 |
| ·LS-SVM 模型 | 第55-57页 |
| ·基于 LS-SVM 的财务业绩预测 | 第55-56页 |
| ·基于 LS-SVM 模型构建及实证检验 | 第56-57页 |
| ·实证结果的分析与比较 | 第57-58页 |
| 第5章 基于 LS-SVM 的财务业绩预测案例分析 | 第58-61页 |
| ·上市公司简介 | 第58-59页 |
| ·开开实业公司简介 | 第58页 |
| ·上海棱光实业公司简介 | 第58-59页 |
| ·公司的财务状况 | 第59-60页 |
| ·开开实业的财务状况 | 第59页 |
| ·棱光实业的财务状况 | 第59-60页 |
| ·基于 LS-SVM 的财务业绩预测结果分析 | 第60-61页 |
| ·开开实业的预测结果分析 | 第60页 |
| ·棱光实业的预测结果分析 | 第60-61页 |
| 第6章 研究结论及不足 | 第61-63页 |
| ·研究结论 | 第61页 |
| ·研究的不足之处 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-69页 |
| 攻读硕士学位期间取得的学术成果 | 第69-70页 |
| 致谢 | 第70页 |