基于神经网络的财务困境预测模型设计
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题的意义 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·课题任务与内容 | 第10页 |
| ·课题的实现方法 | 第10-11页 |
| 第二章 财务困境的相关概念 | 第11-25页 |
| ·财务困境的定义及特征 | 第11-14页 |
| ·国外有关财务困境的定义标准 | 第11-12页 |
| ·国内有关财务困境的定义标准 | 第12-14页 |
| ·财务困境的某些特征 | 第14页 |
| ·财务困境预测的常用模型 | 第14-22页 |
| ·单变量判别 | 第14-15页 |
| ·多元判别分析(MDA) | 第15-16页 |
| ·线性概率模型(LPM) | 第16页 |
| ·Logit、Probit模型 | 第16-17页 |
| ·人工神经网络(ANNs) | 第17-18页 |
| ·遗传算法(genetic algorithm) | 第18-20页 |
| ·粗集方法(rough set theory) | 第20-21页 |
| ·支持向量机 | 第21页 |
| ·组合预测模型 | 第21-22页 |
| ·财务困境预测中变量选择 | 第22-25页 |
| ·预测变量选择的原则 | 第22-23页 |
| ·依据经济金融理论选择预测变量 | 第23页 |
| ·逐步回归 | 第23-24页 |
| ·神经网络方法 | 第24-25页 |
| 第三章 激活函数可调的级连相关算法 | 第25-37页 |
| ·CC算法原理及结构 | 第25-27页 |
| ·TAF模型 | 第27-30页 |
| ·TAF模型的基本结构 | 第27-28页 |
| ·TAF函数的可行函数域 | 第28-29页 |
| ·权值调节 | 第29-30页 |
| ·激活函数可调的CC算法 | 第30-33页 |
| ·基本原理 | 第30-31页 |
| ·并联方式 | 第31-32页 |
| ·串联方式 | 第32-33页 |
| ·算法实现 | 第33页 |
| ·实验及结果 | 第33-37页 |
| ·双螺旋问题 | 第33-34页 |
| ·Makey_Glass时间序列 | 第34-37页 |
| 第四章 动态主元分析简介 | 第37-39页 |
| ·多变量主成分及其求法 | 第37-38页 |
| ·多元动态主成分实现及其特点 | 第38-39页 |
| 第五章 实证研究及前景展望 | 第39-50页 |
| ·样本及变量选取 | 第39-43页 |
| · 样本选取 | 第39-40页 |
| ·变量选择 | 第40-43页 |
| ·模型建立及实证结果分析 | 第43-49页 |
| ·BP模型 | 第43-45页 |
| ·CC模型 | 第45-46页 |
| ·激活函数可调的CC算法(TAFCC) | 第46页 |
| ·网络集成模型 | 第46-49页 |
| ·前景展望 | 第49-50页 |
| 结束语 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 研究生期间发表的论文 | 第55页 |
