基于集成学习模型的上市公司财务困境判别研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究方法和内容 | 第12-14页 |
| 1.3.1 研究方法 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.3.3 研究框架 | 第13-14页 |
| 1.4 创新点和不足之处 | 第14-15页 |
| 2 文献综述 | 第15-21页 |
| 2.1 财务困境与相关概念的界定 | 第15-16页 |
| 2.1.1 财务困境的界定 | 第15页 |
| 2.1.2 关于“判别”概念的界定 | 第15-16页 |
| 2.2 国外文献综述 | 第16-17页 |
| 2.2.1 财务困境理论研究 | 第16-17页 |
| 2.2.2 财务困境判别变量及传统研究方法 | 第17页 |
| 2.3 国内文献综述 | 第17-18页 |
| 2.3.1 财务困境判别变量及传统研究方法 | 第17-18页 |
| 2.4 集成学习方法 | 第18-21页 |
| 3.上市公司财务困境特征分析 | 第21-31页 |
| 3.1 财务困境上市公司的分布 | 第21-22页 |
| 3.2 财务困境上市公司的特征 | 第22-29页 |
| 3.2.1 研究样本选取 | 第22-23页 |
| 3.2.2 财务困境上市公司报表项目特征 | 第23-25页 |
| 3.2.3 财务困境上市公司财务指标特征 | 第25-28页 |
| 3.2.4 财务困境上市公司非财务指标特征 | 第28-29页 |
| 3.3 财务困境上市公司的判别框架 | 第29-31页 |
| 4 上市公司财务困境判别实证分析 | 第31-51页 |
| 4.1 选取研究样本及构建判别指标体系 | 第31-35页 |
| 4.1.1 指标体系的构建原则 | 第31页 |
| 4.1.2 判别指标的选择 | 第31-34页 |
| 4.1.3 判别指标的描述性分析 | 第34-35页 |
| 4.2 判别指标体系的预处理 | 第35-39页 |
| 4.2.1 对判别指标进行方差齐性及方差分析 | 第35-37页 |
| 4.2.2 判别指标在不同类型公司间的显著性检验 | 第37-39页 |
| 4.3 集成学习分析及方法对比 | 第39-42页 |
| 4.3.1 Bagging分析方法 | 第40-41页 |
| 4.3.2 随机森林分析方法 | 第41-42页 |
| 4.3.3 随机森林方法的优势 | 第42页 |
| 4.4 实证结果分析 | 第42-48页 |
| 4.4.1 随机森林算法及结果 | 第43-44页 |
| 4.4.2 判别指标的重要性分析 | 第44页 |
| 4.4.3 与其他分类方法的对比 | 第44-48页 |
| 4.5 集成学习模型的拓展 | 第48-51页 |
| 4.5.1 集成学习模型的稳健性 | 第48-50页 |
| 4.5.2 集成学习模型的现实意义 | 第50-51页 |
| 5 结论 | 第51-54页 |
| 5.1 本文的主要结论 | 第51-52页 |
| 5.2 本文的不足及展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-59页 |
| 致谢 | 第59页 |
