基于贝叶斯网络的上市公司重大资产重组事件预测模型
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景与研究意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 文献综述 | 第10-17页 |
| 1.2.1 国外相关研究 | 第11-14页 |
| 1.2.2 国内相关研究 | 第14-16页 |
| 1.2.3 文献评述 | 第16-17页 |
| 1.3 研究思路与方法 | 第17-19页 |
| 1.3.1 研究思路与框架 | 第17-18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 1.4 论文的创新点 | 第19-20页 |
| 第2章 相关概念界定及理论基础 | 第20-29页 |
| 2.1 基本概念 | 第20-21页 |
| 2.1.1 重大资产重组事件的概念 | 第20页 |
| 2.1.2 重大资产重组事件信号的概念 | 第20-21页 |
| 2.2 理论基础 | 第21-29页 |
| 2.2.1 有效市场 | 第21-23页 |
| 2.2.2 企业资产重组动因 | 第23-28页 |
| 2.2.3 企业资产重组流程 | 第28-29页 |
| 第3章 重大资产重组事件预测指标的选择 | 第29-36页 |
| 3.1 预测指标选择的理论分析 | 第29-34页 |
| 3.1.1 财务特征 | 第29-31页 |
| 3.1.2 股权结构 | 第31-32页 |
| 3.1.3 重组事件信号 | 第32-34页 |
| 3.2 对初步选出指标的显著性检验 | 第34-35页 |
| 3.3 结果分析 | 第35-36页 |
| 第4章 重大资产重组事件预测 | 第36-53页 |
| 4.1 贝叶斯网络预测的理论模型 | 第36-41页 |
| 4.1.1 利用贝叶斯网络解决问题的前提条件 | 第36-37页 |
| 4.1.2 贝叶斯网络的优势 | 第37-38页 |
| 4.1.3 贝叶斯网络学习 | 第38-39页 |
| 4.1.4 贝叶斯网络推理 | 第39-40页 |
| 4.1.5 贝叶斯网络的应用 | 第40页 |
| 4.1.6 贝叶斯网络的构建过程 | 第40-41页 |
| 4.2 重大资产重组事件预测模型构建 | 第41-46页 |
| 4.2.1 样本选择及数据来源 | 第41-43页 |
| 4.2.2 预测模型网络的构建 | 第43-45页 |
| 4.2.3 网络节点设置和先验概率赋值 | 第45-46页 |
| 4.3 模型的运行 | 第46-53页 |
| 4.3.1 运用预测模型进行正向推理 | 第46-50页 |
| 4.3.2 运用预测模型进行逆向推理 | 第50-53页 |
| 第5章 结论 | 第53-55页 |
| 5.1 研究结论 | 第53页 |
| 5.2 研究局限和展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 在学研究成果 | 第59-60页 |
| 致谢 | 第60页 |
