| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪言 | 第10-18页 |
| ·研究背景与研究意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-16页 |
| ·本文的结构安排 | 第16-18页 |
| 第二章 财务危机含义的界定 | 第18-21页 |
| ·国外对财务危机含义的界定 | 第18-19页 |
| ·国内对财务危机含义的界定 | 第19页 |
| ·国内关于特别处理的制度 | 第19-20页 |
| ·本文对财务危机含义的界定 | 第20-21页 |
| 第三章 支持向量机的理论基础与核心内容 | 第21-32页 |
| ·传统机器学习与统计学习理论 | 第21-24页 |
| ·传统机器学习 | 第21页 |
| ·统计学习理论 | 第21-24页 |
| ·支持向量机 | 第24-32页 |
| ·支持向量机的简介 | 第24页 |
| ·线性分类器 | 第24-28页 |
| ·非线性分类器 | 第28-30页 |
| ·核函数 | 第30-32页 |
| 第四章 研究样本及财务预警指标的选取 | 第32-40页 |
| ·研究样本的选取 | 第32-33页 |
| ·财务预警指标的确定 | 第33-37页 |
| ·研究样本预警时间的确定 | 第37页 |
| ·财务预警指标显著性检验的简介 | 第37-40页 |
| 第五章 基于支持向量机的制造业上市公司的财务预警模型的构建 | 第40-57页 |
| ·财务预警指标的筛选方法 | 第40页 |
| ·财务预警指标筛选的结果 | 第40-49页 |
| ·t-3年的指标显著性检验的结果 | 第40-43页 |
| ·t-2年的指标显著性检验的结果 | 第43-46页 |
| ·t-1年的指标显著性检验的结果 | 第46-49页 |
| ·模型的构建与预测 | 第49-52页 |
| ·t-3年的指标用于模型的构建与预测 | 第49-50页 |
| ·t-2年的指标用于模型的构建与预测 | 第50-51页 |
| ·t-1年的指标用于模型的构建与预测 | 第51-52页 |
| ·模型的改进与预测 | 第52-57页 |
| ·指标的筛选 | 第52-55页 |
| ·模型的改进与预测 | 第55-57页 |
| 研究结论 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |