| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究的背景及意义 | 第8-9页 |
| ·国内外研究的现状 | 第9-14页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-13页 |
| ·国内外研究评述 | 第13-14页 |
| ·本文研究内容 | 第14-16页 |
| 第二章 相关理论综述 | 第16-21页 |
| ·相关概念 | 第16-17页 |
| ·信息技术业 | 第16页 |
| ·财务绩效评价 | 第16-17页 |
| ·有限理性理论 | 第17-18页 |
| ·启发式决策理论 | 第18-19页 |
| ·会计信息与市场价格相关性理论 | 第19页 |
| ·数据挖掘技术在绩效评价中的应用 | 第19-21页 |
| 第三章 数据挖掘算法及相关工具 | 第21-30页 |
| ·数据挖掘简介 | 第21页 |
| ·K-Means聚类算法 | 第21-22页 |
| ·决策树C5.0算法 | 第22-24页 |
| ·BP神经网络算法 | 第24-27页 |
| ·人工神经网络技术简介 | 第24-25页 |
| ·BP神经网络基本原理 | 第25-27页 |
| ·数据挖掘工具介绍 | 第27-30页 |
| 第四章 研究设计 | 第30-39页 |
| ·样本选择与数据来源 | 第30页 |
| ·变量定义 | 第30-34页 |
| ·市场反应的测量 | 第30-31页 |
| ·信息技术企业评价指标的选取 | 第31-34页 |
| ·数据预处理 | 第34-39页 |
| ·累积超额收益率CAR的计算 | 第34-36页 |
| ·K-Means聚类CAR | 第36-39页 |
| 第五章 信息技术企业数据挖掘实证分析 | 第39-47页 |
| ·基于决策树C5.0算法的信息技术企业财务绩效评价模型 | 第39-42页 |
| ·基于BP神经网络的信息技术企业财务绩效评价模型 | 第42-46页 |
| ·两种评价模型比较 | 第46-47页 |
| 第六章 结论 | 第47-49页 |
| ·本文研究的主要结论 | 第47页 |
| ·本文的创新点 | 第47页 |
| ·本文的局限 | 第47-48页 |
| ·研究展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 图表及附件目录 | 第52页 |