| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 主要研究内容和方法 | 第11-13页 |
| 1.2.1 文章主要研究内容 | 第11-12页 |
| 1.2.2 文章的主要研究方法 | 第12-13页 |
| 1.3 主要创新点和技术路线 | 第13-15页 |
| 1.3.1 主要创新点 | 第13-14页 |
| 1.3.2 文章技术路线图 | 第14-15页 |
| 第二章 文献综述 | 第15-23页 |
| 2.1 数据挖掘研究综述 | 第15-18页 |
| 2.1.1 数据挖掘研究现状 | 第15-17页 |
| 2.1.2 发展趋势和面临的挑战 | 第17-18页 |
| 2.2 财务风险评价指标体系研究综述 | 第18-23页 |
| 2.2.1 财务风险分析研究综述 | 第18-20页 |
| 2.2.2 评价指标体系研究综述 | 第20-23页 |
| 第三章 数据挖掘理论和方法简介 | 第23-31页 |
| 3.1 聚类分析 | 第23-25页 |
| 3.1.1 聚类分析的提出 | 第23页 |
| 3.1.2 主要聚类方法的介绍 | 第23-25页 |
| 3.2 关联分析 | 第25-27页 |
| 3.2.1 关联规则的基本概念 | 第25页 |
| 3.2.2 关联规则的两项重要测度——支持度和置信度 | 第25-26页 |
| 3.2.3 Apriori算法简介 | 第26-27页 |
| 3.3 人工神经网络 | 第27-31页 |
| 3.3.1 人工神经网络中的节点和意义 | 第28-29页 |
| 3.3.2 BP反向传播网络 | 第29-31页 |
| 第四章 上市公司财务风险分析流程设计 | 第31-42页 |
| 4.1 财务风险分析流程设计 | 第31页 |
| 4.1.1 基于数据挖掘方法的财务风险分析流程 | 第31页 |
| 4.1.2 数据挖掘方法在财务风险分析中的优势 | 第31页 |
| 4.1.3 上市公司财务风险分析流程设计 | 第31页 |
| 4.2 财务风险评价指标体系的构建 | 第31-40页 |
| 4.2.1 财务风险评价指标的选取原则 | 第32-33页 |
| 4.2.2 财务风险评价指标体系的初步选定 | 第33-40页 |
| 4.3 数据挖掘方法在财务风险分析中的应用 | 第40-42页 |
| 4.3.1 数据预处理 | 第40页 |
| 4.3.2 基于关联规则挖掘的财务风险分析 | 第40-41页 |
| 4.3.3 基于神经网络的企业财务风险预测 | 第41-42页 |
| 第五章 实证分析 | 第42-70页 |
| 5.1 研究样本的选取 | 第42-44页 |
| 5.2 数据预处理 | 第44-57页 |
| 5.2.1 指标数据的统计分析 | 第44-51页 |
| 5.2.2 指标数据的聚类分析 | 第51-57页 |
| 5.3 基于关联规则的财务风险分析 | 第57-64页 |
| 5.3.1 财务风险评价指标的离散化处理 | 第57-59页 |
| 5.3.2 基于关联规则的公司财务风险分析 | 第59-63页 |
| 5.3.3 研究结论与建议 | 第63-64页 |
| 5.4 基于神经网络的财务风险预测 | 第64-70页 |
| 5.4.1 基于神经网络的数据预处理方法的检验 | 第65-66页 |
| 5.4.2 基于神经网络的财务风险预测 | 第66-70页 |
| 第六章 结论与展望 | 第70-73页 |
| 6.1 结论 | 第70-71页 |
| 6.1.1 研究内容与结论一 | 第70-71页 |
| 6.1.2 研究内容与结论二 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录1 初始选择的财务风险评价指标 | 第77-86页 |
| 附录2 财务风险评价指标重构后的数值表 | 第86-91页 |
| 致谢 | 第91-93页 |
| 攻读学位期间发表的学术论文目录 | 第93页 |