基于灰色系统理论的财务数据挖掘研究和应用
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 第一章 数据挖掘概述 | 第7-15页 |
| 1 数据挖掘 | 第7-8页 |
| 1．1 定义 | 第7页 |
| 1．2 分类 | 第7-8页 |
| 2 关联规则 | 第8-11页 |
| 2．1 描述 | 第8-9页 |
| 2．2 经典的APRIORI算法 | 第9-10页 |
| 2．3 其它算法 | 第10-11页 |
| 3 数据分类 | 第11-12页 |
| 4 数据聚类 | 第12-14页 |
| 5 本章总结 | 第14-15页 |
| 第二章 财务报表分析 | 第15-27页 |
| 1 财务报表分析概述 | 第15页 |
| 2 财务报表分析的基本方法 | 第15-16页 |
| 2．1 同一时期的对比分析 | 第15-16页 |
| 2．1．1 结构分析法 | 第16页 |
| 2．1．2 比率分析法 | 第16页 |
| 2．2 不同时期的对比分析 | 第16页 |
| 2．2．1 比较财务报表 | 第16页 |
| 2．2．2 比较共同比报表 | 第16页 |
| 2．2．3 比较财务比率 | 第16页 |
| 2．2．4 趋势厅分比分析 | 第16页 |
| 3 财务比率 | 第16-20页 |
| 3．1 反映偿债能力的比率 | 第17-18页 |
| 3．2 反映盈利能力的比率 | 第18页 |
| 3．3 反映营运能力的比率 | 第18-19页 |
| 3．4 反映成长能力的比率 | 第19页 |
| 3．5 反映股本扩张能力的比率 | 第19页 |
| 3．6 反映主营业务鲜明状况 | 第19-20页 |
| 4 在财务报表分析中可以应用的数据挖掘技术 | 第20-25页 |
| 4．1 基于数据聚类的行业情况挖掘 | 第20-21页 |
| 4．2 基于主成分分析的财务指标约简 | 第21-23页 |
| 4．3 基于时间序列的统计分析 | 第23-24页 |
| 4．4 基于相关分析的财务指标关系分析 | 第24页 |
| 4．5 其它的一些应用 | 第24-25页 |
| 5 本章总结 | 第25-27页 |
| 第三章 基于灰色系统理论的财务数据挖掘 | 第27-54页 |
| 1 灰色系统理论概述 | 第27页 |
| 2 基本概念 | 第27-30页 |
| 3 增长率挖掘 | 第30-40页 |
| 3．1 描述 | 第30-32页 |
| 3．2 实例 | 第32-39页 |
| 3．3 与其它方法的比较 | 第39-40页 |
| 4 发展态势挖掘 | 第40-44页 |
| 4．1 描述 | 第40-41页 |
| 4．2 实例 | 第41-43页 |
| 4．3 与其它方法的比较 | 第43-44页 |
| 5 其它基于灰色系统理论的应用 | 第44-52页 |
| 5．1 灰关联 | 第44-47页 |
| 5．2 灰聚类 | 第47-48页 |
| 5．3 实例 | 第48-51页 |
| 5．4 与其它方法的比较 | 第51-52页 |
| 6 对数据预处理的考虑 | 第52-53页 |
| 6．1 不可比的比率 | 第52页 |
| 6．2 指标性质同趋 | 第52页 |
| 6．3 无量纲处理 | 第52-53页 |
| 7 本章总结 | 第53-54页 |
| 第四章 软件实现 | 第54-62页 |
| 1 软件的功能描述 | 第54-55页 |
| 2 面向对象的分析与设计 | 第55-57页 |
| 3 主要数据表 | 第57-58页 |
| 4 在实例中的应用 | 第58-59页 |
| 5 系统的主要特点 | 第59-60页 |
| 6 本章总结 | 第60-62页 |
| 第五章 结束语 | 第62-64页 |
| 1 本文总结 | 第62页 |
| 2 数据挖掘展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
