| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 导论 | 第7-19页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-16页 |
| ·国外对财务危机概念的研究 | 第10-11页 |
| ·国内对财务危机概念的研究 | 第11-12页 |
| ·国外财务危机预警研究文献回顾 | 第12-13页 |
| ·国内财务危机预警研究文献回顾 | 第13-16页 |
| ·研究现状评析 | 第16页 |
| ·研究方法与主要内容 | 第16-19页 |
| ·研究方法 | 第16页 |
| ·主要内容 | 第16-18页 |
| ·创新点 | 第18-19页 |
| 第2章 财务危机预警理论及方法概述 | 第19-31页 |
| ·预警理论 | 第19-22页 |
| ·经济预警理论 | 第19-20页 |
| ·企业预警理论 | 第20-22页 |
| ·财务危机预警理论 | 第22-23页 |
| ·非均衡理论 | 第23页 |
| ·规范性理论 | 第23页 |
| ·传统财务危机预警方法介绍 | 第23-28页 |
| ·定性的传统财务危机预警方法 | 第23-25页 |
| ·定量的传统财务危机预警方法 | 第25-28页 |
| ·传统财务危机预警方法的评析 | 第28-31页 |
| ·传统财务危机预警方法的局限性分析 | 第28-29页 |
| ·对后续研究的启示 | 第29-31页 |
| 第3章 主成分分析和支持向量机组合的财务危机预警模型构建 | 第31-42页 |
| ·组合预测方法分析 | 第31-32页 |
| ·主成分分析方法(PCA) | 第32-34页 |
| ·主成分分析方法的原理 | 第32-33页 |
| ·主成分分析的求解过程 | 第33-34页 |
| ·支持向量机(SVM) | 第34-40页 |
| ·线性可分模式的支持向量机模型 | 第34-37页 |
| ·非线性不可分模式的支持向量机模型 | 第37-39页 |
| ·支持向量机的优势 | 第39-40页 |
| ·PCA-SVM组合财务危机预警模型的组合模式选择 | 第40-41页 |
| ·PCA-SVM组合财务危机预警模型结构与预测程序 | 第41-42页 |
| 第4章 研究样本及指标体系的设计 | 第42-52页 |
| ·研究样本的设计 | 第42-44页 |
| ·预警财务指标的建立 | 第44-52页 |
| ·财务危机预警样本指标的选取 | 第44-45页 |
| ·财务危机预警指标体系 | 第45-46页 |
| ·财务危机预警指标的检验 | 第46-49页 |
| ·预处理财务指标介绍 | 第49-52页 |
| 第5章 PCA-SVM模型的应用及结果比较分析 | 第52-64页 |
| ·Logistic回归方法的应用 | 第52-56页 |
| ·回归判别的数据要求 | 第52-53页 |
| ·Logistic回归判别方法 | 第53页 |
| ·Logistic回归应用 | 第53-56页 |
| ·PCA-SVM模型的应用分析 | 第56-62页 |
| ·模型构建 | 第56-57页 |
| ·PCA-SVM模型的应用 | 第57-62页 |
| ·模型的应用结果比较分析 | 第62-64页 |
| 第6章 结论与展望 | 第64-66页 |
| ·研究结论 | 第64页 |
| ·本文的不足及展望 | 第64-66页 |
| ·本文的不足 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间主要的研究成果 | 第70页 |
