| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景与研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究内容与研究方法 | 第12-14页 |
| 1.2.1 研究内容 | 第12-13页 |
| 1.2.2 研究方法 | 第13-14页 |
| 1.3 研究结构与技术路线 | 第14-17页 |
| 1.3.1 研究结构 | 第14页 |
| 1.3.2 技术路线 | 第14-17页 |
| 1.4 国内外研究综述 | 第17-20页 |
| 1.4.1 管理者特征与财务困境关系研究综述 | 第17页 |
| 1.4.2 财务困境预警模型研究综述 | 第17-19页 |
| 1.4.3 研究评述 | 第19-20页 |
| 1.5 可能创新点 | 第20-21页 |
| 第2章 理论基础与概念界定 | 第21-25页 |
| 2.1 理论基础 | 第21-22页 |
| 2.1.1 委托代理理论 | 第21页 |
| 2.1.2 高阶理论 | 第21-22页 |
| 2.2 管理者与管理者特征界定 | 第22-23页 |
| 2.2.1 管理者界定 | 第22页 |
| 2.2.2 管理者特征界定 | 第22-23页 |
| 2.3 财务困境界定 | 第23-25页 |
| 第3章 管理者特征的描述性统计及相关性分析 | 第25-33页 |
| 3.1 样本选取 | 第25页 |
| 3.2 变量设定 | 第25-28页 |
| 3.2.1 管理者特征变量的设定 | 第26-27页 |
| 3.2.2 公司绩效变量的设定 | 第27-28页 |
| 3.3 描述性统计 | 第28-30页 |
| 3.4 Pearson相关性分析 | 第30-33页 |
| 第4章 构建公司财务困境预警模型 | 第33-42页 |
| 4.1 支持向量机基本概念 | 第33页 |
| 4.2 线性支持向量机模型 | 第33-38页 |
| 4.2.1 SVM优分类超平面 | 第33-35页 |
| 4.2.2 构造最优超平面 | 第35-38页 |
| 4.3 非线性支持向量机 | 第38-39页 |
| 4.4 公司财务困境预警模型的构建 | 第39-42页 |
| 4.4.1 问题描述 | 第39-40页 |
| 4.4.2 指标变量的选定 | 第40页 |
| 4.4.3 构建财务困境预警模型 | 第40-42页 |
| 第5章 基于SVM的财务困境预警模型的实证分析 | 第42-45页 |
| 5.1 预警研究思路 | 第42页 |
| 5.2 基于SVM的财务困境预警模型实证分析 | 第42-44页 |
| 5.2.1 基于SVM的财务困境预警模型训练与预测 | 第42-43页 |
| 5.2.2 模型的稳健性检验 | 第43-44页 |
| 5.3 小结 | 第44-45页 |
| 结论 | 第45-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间取得学术成果 | 第53-54页 |
| 附录 | 第54-58页 |