| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 引言 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 金融风险预警研究现状 | 第14-15页 |
| 1.2.2 经济领域非均衡样本问题研究现状 | 第15-16页 |
| 1.2.3 风险特征指标提取研究现状 | 第16-17页 |
| 1.2.4 极端金融风险样本界定研究现状 | 第17-18页 |
| 1.3 研究内容、逻辑框架与创新性 | 第18-21页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 逻辑框架 | 第18-19页 |
| 1.3.3 创新性 | 第19-21页 |
| 第2章 预警指标体系构建 | 第21-32页 |
| 2.1 预警指标体系构建的必要性 | 第21页 |
| 2.2 状态指标的确定方法 | 第21-24页 |
| 2.2.1 基于危机时期的状态指标确定方法 | 第21-22页 |
| 2.2.2 基于EVT的状态指标确定方法 | 第22-24页 |
| 2.2.3 基于危机时期和EVT的状态指标确定方法 | 第24页 |
| 2.3 特征指标的提取方法 | 第24-28页 |
| 2.3.1 基于统计检验的内部风险特征指标确定方法 | 第24-25页 |
| 2.3.2 基于Clayton-Copula的外部风险特征指标提取方法 | 第25-28页 |
| 2.4 预警指标体系构建方案 | 第28-31页 |
| 2.4.1 样本的选择 | 第28页 |
| 2.4.2 状态指标的确定 | 第28-29页 |
| 2.4.3 特征指标变量的选择与提取 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 SVM极端金融风险预警模型构建 | 第32-39页 |
| 3.1 SVM概述 | 第32页 |
| 3.2 SVM风险预警模型构建 | 第32-36页 |
| 3.3 SVM的风险预测性能评价方法 | 第36-37页 |
| 3.3.1 以预测精度为标准的评价方法 | 第36页 |
| 3.3.2 以G、F和AUC为标准的评价方法 | 第36-37页 |
| 3.4 评价方法效果检验 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 改进的SVM极端金融风险预警模型构建 | 第39-55页 |
| 4.1 金融市场的非均衡样本问题 | 第39-40页 |
| 4.2 基于非均衡样本处理方法的改进SVM预警模型 | 第40-46页 |
| 4.2.1 非均衡样本处理方法概述 | 第40-41页 |
| 4.2.2 基于Borderline-SMOTE-EasyEnsemble-SVM预警模型构建 | 第41-46页 |
| 4.3 改进SVM预警模型的预测实验 | 第46-54页 |
| 4.3.1 实验设计 | 第46-47页 |
| 4.3.2 改进的SVM在不同非均衡样本数据集下的预测性能比较 | 第47-49页 |
| 4.3.3 Borderline-SMOTE-EasyEnsemble-SVM模型参数分析 | 第49-50页 |
| 4.3.4 改进的SVM对极端金融风险预测性能比较 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-66页 |
| 攻读学位期间取得学术成果 | 第66页 |
