| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 引言 | 第8-12页 |
| 第一节 研究背景及意义 | 第8-10页 |
| 一、研究背景 | 第8-9页 |
| 二、理论意义和实际意义 | 第9-10页 |
| 第二节 研究思路及框架 | 第10-11页 |
| 一、研究思路 | 第10页 |
| 二、研究框架 | 第10-11页 |
| 第三节 本文的创新之处 | 第11-12页 |
| 第一章 文献回顾和分析 | 第12-25页 |
| 第一节 信息透明度的定义和衡量方法 | 第12-15页 |
| 一、信息透明度的定义 | 第12-13页 |
| 二、信息透明度的衡量方法 | 第13-15页 |
| 第二节 信息透明度影响因素分析 | 第15-23页 |
| 一、宏观层面的影响因素分析 | 第15-16页 |
| 二、微观层面的影响因素分析 | 第16-23页 |
| 第三节 支持向量机模型的应用 | 第23-25页 |
| 第二章 支持向量机理论介绍 | 第25-34页 |
| 第一节 统计学习理论 | 第25-27页 |
| 一、学习过程一致性 | 第25-26页 |
| 二、函数集的VC维 | 第26页 |
| 三、推广性的界 | 第26-27页 |
| 四、结构风险最小化 | 第27页 |
| 第二节 支持向量机 | 第27-34页 |
| 一、线性分类器 | 第28页 |
| 二、最优超平面 | 第28-31页 |
| 三、非线性支持向量机 | 第31-32页 |
| 四、核函数 | 第32-34页 |
| 第三章 上市公司信息透明度的影响因素分析 | 第34-48页 |
| 第一节 数据与样本 | 第34-35页 |
| 一、数据来源 | 第34-35页 |
| 二、变量选择与定义 | 第35页 |
| 第二节 描述性统计分析 | 第35-38页 |
| 第三节 分组检验分析 | 第38-40页 |
| 第四节 LOGISTIC回归分析 | 第40-47页 |
| 一、分类别影响因素模型结果分析 | 第40-44页 |
| 二、影响因素综合回归分析 | 第44-47页 |
| 第五节 本章小结 | 第47-48页 |
| 第四章 基于支持向量机的上市公司信息透明度判别 | 第48-66页 |
| 第一节 数据处理 | 第48-49页 |
| 第二节 不平衡问题的处理 | 第49-51页 |
| 第三节 支持向量机分类模型 | 第51-60页 |
| 一、核函数的选择 | 第51-52页 |
| 二、参数选择 | 第52页 |
| 三、多类分类方法 | 第52-54页 |
| 四、实证研究和分析 | 第54-58页 |
| 五、沪市上市公司信息透明度预测 | 第58-60页 |
| 第四节 支持向量机规则提取 | 第60-65页 |
| 一、规则提取方法 | 第61-62页 |
| 二、规则提取的实现 | 第62-65页 |
| 第五节 本章小结 | 第65-66页 |
| 第五章 结论与建议 | 第66-69页 |
| 第一节 主要结论 | 第66-67页 |
| 第二节 几点建议 | 第67-69页 |
| 一、关于信息披露考评机制 | 第67页 |
| 二、关于法律制度 | 第67-68页 |
| 三、关于公司治理结构 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-78页 |
| 附录1 深圳证券交易所上市公司信息披露工作考核办法 | 第72-75页 |
| 附录2 影响因素的研究假设 | 第75-76页 |
| 附录3 攻读硕士期间发表的论文 | 第76-77页 |
| 附录4 攻读硕士期间参加的课题和项目 | 第77-78页 |
| 致谢 | 第78-79页 |