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 |