| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1. 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究的现实意义 | 第13-14页 |
| ·研究的理论意义 | 第14-15页 |
| ·研究思路和方法 | 第15页 |
| ·结构安排与主要创新点 | 第15-17页 |
| ·本文结构安排 | 第15-16页 |
| ·本文的创新性和特点 | 第16-17页 |
| 2. 文献综述 | 第17-26页 |
| ·财务预警文献综述 | 第17-24页 |
| ·财务预警定性研究 | 第17-18页 |
| ·财务预警定量研究 | 第18-24页 |
| ·财务预警研究评述 | 第24-26页 |
| 3. 财务危机预警相关理论分析 | 第26-35页 |
| ·财务危机预警理论分析 | 第26-28页 |
| ·危机管理理论 | 第26页 |
| ·代理理论 | 第26-27页 |
| ·生命周期理论 | 第27-28页 |
| ·系统非优理论 | 第28页 |
| ·财务危机预警指标体系 | 第28-35页 |
| ·财务预警的概念 | 第28-29页 |
| ·财务预警指标的选择 | 第29-35页 |
| 4. RS-SVM财务危机预警模型简介 | 第35-40页 |
| ·粗糙集属性约简介绍 | 第35-36页 |
| ·支持向量分类机(Support Vector Machine)介绍 | 第36-39页 |
| ·RS-SVM评价模型理论可行性分析 | 第39-40页 |
| 5. 上市公司财务失败预警的研究方法设计 | 第40-46页 |
| ·研究假设 | 第40页 |
| ·研究样本的设计 | 第40-42页 |
| ·研究样本的确定 | 第40-41页 |
| ·配对样本的选择 | 第41页 |
| ·样本期的选择 | 第41-42页 |
| ·研究样本的描述性统计 | 第42-43页 |
| ·变量设计、研究思路和模型选择 | 第43-46页 |
| ·预警指标的预选 | 第43-45页 |
| ·研究思路和模型选择 | 第45-46页 |
| 6. 实证研究结果与解释 | 第46-52页 |
| ·基于单纯支持向量机的预警模型实证 | 第47-48页 |
| ·基于粗糙集—支持向量机的预警模型实证研究结果 | 第48-51页 |
| ·数据的离散化处理方法 | 第48页 |
| ·粗糙集的分析结果 | 第48-49页 |
| ·利用遗传算法优化支持向量机参数 | 第49-50页 |
| ·基于粗糙集—支持向量机的训练结果 | 第50页 |
| ·拓展 | 第50-51页 |
| ·结论 | 第51-52页 |
| 7. 上市公司财务预警的风险应对 | 第52-55页 |
| ·国内财务预警系统现状 | 第52页 |
| ·选取高敏感性的财务指标和会计数据 | 第52-53页 |
| ·健全公司治理结构,重视财务预警体系 | 第53页 |
| ·关注非财务信息等定性因素对公司财务的影响 | 第53页 |
| ·据我国证券市场的实际,完善上市公司财务预警系统 | 第53-54页 |
| ·构建具备差别的个性财务预警模型 | 第54-55页 |
| 8. 结论与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·不足 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62-76页 |
| 致谢 | 第76-77页 |
| 在读期间科研成果目录 | 第77页 |