| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 财务危机预警的国内外研究现状 | 第10-13页 |
| 1.2.1 单变量预警模型 | 第10页 |
| 1.2.2 多元线性预警模型 | 第10-11页 |
| 1.2.3 Logistic回归分析模型 | 第11-12页 |
| 1.2.4 神经网络模型 | 第12-13页 |
| 1.2.5 支持向量机 | 第13页 |
| 1.3 本文的主要工作 | 第13-15页 |
| 1.3.1 本文的研究内容 | 第13-15页 |
| 1.3.2 本文的研究方法及数据来源 | 第15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 理论综述 | 第18-27页 |
| 2.1 财务危机预警的基本概念 | 第18-19页 |
| 2.1.1 财务危机的范畴界定 | 第18页 |
| 2.1.2 本文对财务危机的定义 | 第18-19页 |
| 2.1.3 财务危机预警的概念 | 第19页 |
| 2.2 数据包络分析的基本理论 | 第19-23页 |
| 2.2.1 数据包络分析 | 第19-20页 |
| 2.2.2 DEA效率评价原理 | 第20页 |
| 2.2.3 DEA模型介绍 | 第20-23页 |
| 2.3 支持向量机的基本理论 | 第23-27页 |
| 2.3.1 统计学习理论 | 第23页 |
| 2.3.2 函数集学习能力的描述—VC维 | 第23-24页 |
| 2.3.3 SVM概述 | 第24页 |
| 2.3.4 核函数的基本理论 | 第24-25页 |
| 2.3.5 SVM的基本思想 | 第25-27页 |
| 第三章 基于超效率DEA和灰色关联分析的混合模型的财务指标选择研究 | 第27-38页 |
| 3.1 超效率DEA模型 | 第27-28页 |
| 3.2 灰色关联分析 | 第28-32页 |
| 3.2.1 灰色关联分析方法的基本原理 | 第29-30页 |
| 3.2.2 灰色关联分析模型的构建 | 第30-32页 |
| 3.3 基于超效率DEA和灰色关联分析的混合模型的构建 | 第32-33页 |
| 3.4 基于超效率DEA和灰色关联分析的混合模型特征加权和财务指标选择实证分析 | 第33-37页 |
| 3.4.1 实证设计 | 第33-34页 |
| 3.4.2 实证结果分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于DEA-SVM的企业财务危机预警研究 | 第38-51页 |
| 4.1 支持向量机 | 第38-44页 |
| 4.1.1 支持向量机的基本概念 | 第38-39页 |
| 4.1.2 支持向量机的基本原理 | 第39-42页 |
| 4.1.3 支持向量机的非线性映射 | 第42-44页 |
| 4.2 基于DEA-SVM的企业财务危机预警模型 | 第44-45页 |
| 4.3 实证分析 | 第45-50页 |
| 4.3.1 实证设计 | 第45-46页 |
| 4.3.2 实证结果分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结和展望 | 第51-53页 |
| 5.1 本文的主要工作与结论 | 第51页 |
| 5.2 本文的不足及研究展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介 | 第58页 |
