| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文的研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-18页 |
| 第2章 理论基础 | 第18-34页 |
| 2.1 物流金融简介 | 第18-20页 |
| 2.1.1 物流金融的概念 | 第18页 |
| 2.1.2 物流金融产生的背景 | 第18-20页 |
| 2.1.3 物流金融的作用 | 第20页 |
| 2.2 第三方物流企业的物流金融业务的相关介绍 | 第20-29页 |
| 2.2.1 第三方物流企业的物流金融业务运作模式 | 第20-26页 |
| 2.2.2 第三方物流企业的物流金融运作风险 | 第26-29页 |
| 2.3 风险评价方法 | 第29-34页 |
| 2.3.1 层次分析法 | 第29-30页 |
| 2.3.2 模糊评价法 | 第30-31页 |
| 2.3.3 BP神经网络 | 第31-32页 |
| 2.3.4 传统评价方法的总结 | 第32-34页 |
| 第3章 第三方物流企业的物流金融风险评价指标体系 | 第34-42页 |
| 3.1 第三方物流企业的物流金融风险评价指标体系的构建原则 | 第34-35页 |
| 3.2 第三方物流企业的物流金融风险评价指标的确定 | 第35-42页 |
| 3.2.1 来自金融机构的风险 | 第36-37页 |
| 3.2.2 来自融资企业的风险 | 第37-39页 |
| 3.2.3 第三方物流企业自身的风险 | 第39-40页 |
| 3.2.4 来自外部环境的风险 | 第40-42页 |
| 第4章 小波支持向量机 | 第42-60页 |
| 4.1 统计学习理论 | 第42-45页 |
| 4.1.1 VC维 | 第42页 |
| 4.1.2 推广性的界 | 第42-43页 |
| 4.1.3 结构风险最小化 | 第43-45页 |
| 4.2 支持向量机 | 第45-54页 |
| 4.2.1 支持向量分类机 | 第45-49页 |
| 4.2.2 支持向量回归机 | 第49-52页 |
| 4.2.3 惩罚参数C和精度ε的选择 | 第52-54页 |
| 4.3 小波分析理论 | 第54-56页 |
| 4.3.1 小波函数的定义 | 第54-55页 |
| 4.3.2 几种典型的小波函数 | 第55-56页 |
| 4.3.3 多分辨分析 | 第56页 |
| 4.4 小波支持向量机 | 第56-60页 |
| 4.4.1 小波核函数的构造 | 第57-59页 |
| 4.4.2 小波支持向量回归机算法 | 第59-60页 |
| 第5章 第三方物流企业的物流金融风险评价模型构建 | 第60-74页 |
| 5.1 小波支持向量回归模型的构建 | 第60-63页 |
| 5.1.1 基本思路 | 第60-61页 |
| 5.1.2 基本步骤 | 第61-63页 |
| 5.2 小波支持向量归模型的应用 | 第63-70页 |
| 5.2.1 数据收集及预处理 | 第63-65页 |
| 5.2.2 RBW核函数 | 第65页 |
| 5.2.3 参数优化 | 第65页 |
| 5.2.4 训练测试 | 第65-67页 |
| 5.2.5 灵敏性分析 | 第67-70页 |
| 5.3 第三方物流企业的物流金融风险的对策和建议 | 第70-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录1 | 第80-81页 |
| 附录2 | 第81-83页 |
| 附录3 | 第83-86页 |
| 致谢 | 第86页 |