基于SVM的上市公司退市风险预警方法研究--以我国制造业上市公司为例
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·退市风险预警方法研究综述 | 第10-15页 |
| ·退市风险预警方法相关问题评述 | 第15-16页 |
| ·本文研究目的、方法和内容 | 第16-19页 |
| ·研究目的 | 第16页 |
| ·研究方法及技术路线图 | 第16-17页 |
| ·研究内容 | 第17-18页 |
| ·本文的创新点 | 第18-19页 |
| 2 退市风险预警的理论基础 | 第19-23页 |
| ·上市公司退市的定义 | 第19页 |
| ·我国上市公司退市风险及相关制度 | 第19-20页 |
| ·支持向量机(SVM)理论基础 | 第20-23页 |
| 3 退市风险预警指标体系及数据预处理 | 第23-35页 |
| ·研究样本的选择 | 第23-26页 |
| ·行业选择标准 | 第23-24页 |
| ·~*ST样本组及配对样本组 | 第24页 |
| ·预警年限的选择 | 第24-26页 |
| ·退市风险预警指标选择 | 第26-27页 |
| ·指标的选择原则 | 第26页 |
| ·退市风险预警指标体系 | 第26-27页 |
| ·预警指标的显著性检验 | 第27-34页 |
| ·t-2年SVM预警指标的显著性检验 | 第27-30页 |
| ·t-3年SVM预警指标的显著性检验 | 第30-32页 |
| ·t-4年SVM预警指标的显著性检验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 退市风险预警方法设计——基于SVM原理 | 第35-41页 |
| ·SVM模式分类原理 | 第35-38页 |
| ·线性支持向量机原理 | 第35-37页 |
| ·非线性支持向量机原理 | 第37-38页 |
| ·SVM退市风险预警方法设计 | 第38-41页 |
| 5 退市风险预警方法的模拟应用 | 第41-49页 |
| ·t-2、t-3、t-4年退市风险预警模拟 | 第41-43页 |
| ·预警指标共线性等问题对预警结果的影响分析 | 第43-46页 |
| ·c&g参数优化方式对预警结果的影响分析 | 第46-49页 |
| ·GA遗传算法参数优化 | 第46-47页 |
| ·PSO粒子群算法参数优化 | 第47-49页 |
| 6 研究结论及展望 | 第49-51页 |
| ·研究工作总结 | 第49页 |
| ·未来研究的展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录1 | 第54-59页 |
| 附录2 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间主要科研成果 | 第63页 |
