首页--经济论文--工业经济论文--中国工业经济论文--工业部门经济论文

基于同行业非平衡数据流的动态企业财务困境预警研究

摘要第3-5页
ABSTRACT第5-6页
一、绪论第11-20页
    (一) 选题背景及研究意义第11-13页
        1. 选题背景第11-12页
        2. 研究意义第12-13页
    (二) 国内外文献综述第13-17页
        1. 财务困境概念的研究现状第13-14页
        2. 财务困境特征选择研究现状第14-15页
        3. 财务困境预测方法的研究现状第15-17页
        4. 当前研究中存在的问题第17页
    (三) 研究内容及论文结构第17-18页
    (四) 研究方法及技术路线第18-20页
二、基于非平衡数据流的企业财务困境预测理论基础第20-26页
    (一) 财务困境的含义及分类第20-21页
        1. 财务困境的含义第20页
        2. 财务困境的分类第20-21页
    (二) 财务困境动态预测的基础理论第21-22页
        1. 财务困境的动态性分析第21-22页
        2. 财务困境概念漂移的含义第22页
    (三) 非平衡财务困境预测的基础理论第22-24页
        1. 财务困境预测的非平衡性分析第22-23页
        2. 非平衡分类基本方法的类型第23-24页
    (四) 财务困境预测算法的基础理论第24-26页
        1. SVM原理第24页
        2. Decision-TREE原理第24-25页
        3. KNN原理第25页
        4. Logistic回归分析原理第25-26页
三、企业财务困境预测评价指标体系第26-34页
    (一) 财务困境预测评价指标体系的选取原则第26页
    (二) 财务困境预测评价的备选财务指标第26-34页
        1. 偿债能力指标第28-29页
        2. 营运能力指标第29-30页
        3. 盈利能力指标第30-31页
        4. 发展能力指标第31-32页
        5. 结构比率第32-33页
        6. 每股指标第33-34页
四、基于同行业非平衡数据流的动态财务困境预测模型第34-46页
    (一) 动态财务困境预测模型的设计第34-38页
        1. 动态财务困境预测的框架模型设计第34-35页
        2. 动态财务困境预测的具体模型设计第35-38页
    (二) 基于增L去R选择方法的财务特征选择子模块第38-39页
        1. 特征选择概述第38页
        2. 增L去R特征选择法原理第38-39页
        3. 增L去R特征选择算法第39页
    (三) 基于主成分分析法的财务困境评价子模块第39-42页
        1. 主成分分析法原理第39-40页
        2. 主成分分析法算法第40-42页
    (四) SMOTE-AdaBoost多分类器集成财务困境预测子模块第42-46页
        1. 非平衡分类的SMOTE算法原理第42-43页
        2. AdaBoost原理第43-44页
        3. SMOTE-AdaBoost多分类器集成算法第44-46页
五、实证研究第46-59页
    (一) 实验数据收集与整理第46-47页
        1. 行业选择第46页
        2. 数据来源与预处理第46-47页
    (二) 实验过程设计第47-49页
    (三) 实验结果与分析第49-59页
        1. 动态模型实验结果分析第49-54页
        2. 动静态模型实验结果比较分析第54-56页
        3. 财务特征指标分析第56-58页
        4. 实证研究小结第58-59页
六、结论与展望第59-60页
参考文献第60-64页
附录A 2001-2009年各企业主成分分析法得分排名及财务状况判定结果第64-73页
攻读学位期间取得的研究成果第73-74页
致谢第74-76页

论文共76页,点击 下载论文
上一篇:李宁公司全面预算管理优化研究
下一篇:环境不确定性下的并购估价风险分析--以金瑞矿业并购明利化工为例