基于数据挖掘与多准则决策的上市公司信用风险评估
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·选题背景与研究意义 | 第10-11页 |
| ·现有研究述评 | 第11-18页 |
| ·传统评估方法 | 第11-15页 |
| ·现代评估方法 | 第15-17页 |
| ·现有研究成果综评 | 第17-18页 |
| ·研究思路和创新点 | 第18-20页 |
| ·文章结构安排 | 第20-21页 |
| 第二章 数据挖掘与多准则决策概述 | 第21-32页 |
| ·数据挖掘简介 | 第21-22页 |
| ·属性选择方法 | 第22页 |
| ·聚类分析方法 | 第22-23页 |
| ·多准则决策简介 | 第23-25页 |
| ·指标权重确定 | 第25-30页 |
| ·传统方法 | 第26页 |
| ·层次分析法 | 第26-30页 |
| ·常用多准则决策方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于时序多准则决策的违约预测模型构建 | 第32-49页 |
| ·时间序列数据处理 | 第32-35页 |
| ·信用风险的属性选择 | 第35-38页 |
| ·属性子集选择方法 | 第36-37页 |
| ·基于综合权重的属性子集选择方法 | 第37-38页 |
| ·信用风险的时序多准则排序 | 第38-43页 |
| ·TOPSIS 方法 | 第40-42页 |
| ·PROMETHEE 方法 | 第42-43页 |
| ·指标权重的敏感性分析 | 第43-45页 |
| ·敏感性分析的重要性 | 第44页 |
| ·敏感性分析方法 | 第44-45页 |
| ·风险状况的聚类预测 | 第45-48页 |
| ·K 均值聚类方法 | 第46-47页 |
| ·EM 聚类方法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 实验处理及结果分析 | 第49-69页 |
| ·实验流程 | 第50页 |
| ·实验样本 | 第50-53页 |
| ·违约标准 | 第50-51页 |
| ·样本确立 | 第51-53页 |
| ·属性选择 | 第53-60页 |
| ·指标初选 | 第53页 |
| ·时序数据处理 | 第53-54页 |
| ·属性子集选择 | 第54-60页 |
| ·确定指标权重 | 第60页 |
| ·时序多准则排序 | 第60-63页 |
| ·时序 TOPSIS 排序结果 | 第61-62页 |
| ·时序 PROMETHEE 排序结果 | 第62-63页 |
| ·敏感性分析 | 第63-64页 |
| ·聚类预测 | 第64-65页 |
| ·K 均值聚类结果 | 第64-65页 |
| ·EM 聚类结果 | 第65页 |
| ·进一步研究 | 第65-68页 |
| ·2011 年的验证结果 | 第66页 |
| ·2012 年的验证结果 | 第66-67页 |
| ·2011 和 2012 两年的混合验证结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
