| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 财务危机预警研究综述 | 第10-16页 |
| 1.2.1 国外研究综述 | 第10-14页 |
| 1.2.2 国内研究综述 | 第14-16页 |
| 1.3 研究内容与创新之处 | 第16-20页 |
| 1.3.1 研究内容与结构安排 | 第16-18页 |
| 1.3.2 研究创新点 | 第18-20页 |
| 第二章 财务危机预警理论与方法 | 第20-29页 |
| 2.1 财务危机相关概念 | 第20-23页 |
| 2.1.1 财务危机的定义 | 第20页 |
| 2.1.2 财务危机的特点 | 第20-21页 |
| 2.1.3 财务危机的成因 | 第21-23页 |
| 2.2 财务危机预警方法 | 第23-28页 |
| 2.2.1 财务危机预警的定性方法 | 第23-24页 |
| 2.2.2 财务危机预警的定量方法 | 第24-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 指标体系设计与SVM 预警模型研究 | 第29-40页 |
| 3.1 预警指标体系设计 | 第29-31页 |
| 3.1.1 预警指标选取原则 | 第29页 |
| 3.1.2 预警指标体系的初步建立 | 第29-31页 |
| 3.2 基于SVM 的财务危机预警模型 | 第31-39页 |
| 3.2.1 SVM 的理论基础 | 第32-33页 |
| 3.2.2 SVM 模型的简单介绍 | 第33-38页 |
| 3.2.3 基于分类SVM 的财务危机预警模型设计 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 改进的粒子群优化模糊C 均值聚类算法 | 第40-49页 |
| 4.1 聚类算法及其局限性 | 第40-41页 |
| 4.2 模糊C 均值聚类算法 | 第41-42页 |
| 4.3 基于粒子群优化的模糊C 均值聚类算法改进研究 | 第42-47页 |
| 4.3.1 粒子群优化算法（PSO） | 第42-44页 |
| 4.3.2 基于粒子群优化的模糊C 均值聚类算法 | 第44-47页 |
| 4.4 实验与结果分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于分类SVM 的企业财务危机预警实证分析 | 第49-63页 |
| 5.1 样本选取与数据预处理 | 第49-54页 |
| 5.1.1 研究样本选取与描述 | 第49-51页 |
| 5.1.2 预警指标体系的主成分提取 | 第51-54页 |
| 5.2 样本企业聚类分析及结果解释 | 第54-56页 |
| 5.3 基于分类SVM 的企业财务危机预警模型的建立与分析 | 第56-62页 |
| 5.3.1 模型建立 | 第56-57页 |
| 5.3.2 实证结果分析 | 第57-59页 |
| 5.3.3 结果比较 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
