基于集成算法的上市公司财务危机预警研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 研究思路和方法 | 第8-9页 |
| 1.3 研究框架和主要内容 | 第9-11页 |
| 1.4 本文的创新点 | 第11-12页 |
| 2 文献综述 | 第12-20页 |
| 2.1 财务危机概念界定的研究综述 | 第12-14页 |
| 2.2 财务预警指标选择的研究综述 | 第14-15页 |
| 2.3 财务预警模型研究综述 | 第15-20页 |
| 3 相关理论介绍 | 第20-32页 |
| 3.1 邻域粗糙集理论介绍 | 第20-24页 |
| 3.2 集成学习 | 第24-25页 |
| 3.3 随机森林 | 第25-28页 |
| 3.4 xgboost | 第28-32页 |
| 4 财务危机预警指标体系构建 | 第32-43页 |
| 4.1 指标体系构建 | 第32-36页 |
| 4.2 数据选取与预处理 | 第36-41页 |
| 4.3 运用邻域粗糙集理论对指标进一步约简 | 第41-43页 |
| 5 财务危机预警模型建立 | 第43-55页 |
| 5.1 非平衡数据处理 | 第43-44页 |
| 5.2 随机森林模型 | 第44-48页 |
| 5.3 xgboost模型 | 第48-52页 |
| 5.4 模型对比分析 | 第52-53页 |
| 5.5 模型融合 | 第53-55页 |
| 6 结论与建议 | 第55-58页 |
| 6.1 结论 | 第55-56页 |
| 6.2 建议 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-68页 |
| 附录1：部分R语言代码 | 第61-65页 |
| 附录2：文章中用到的上市公司 | 第65-68页 |
| 在学期间发表论文清单 | 第68-69页 |
| 致谢 | 第69页 |
