数据挖掘技术在我国上市公司信用风险中的应用研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-16页 |
| ·研究背景及研究意义 | 第7-9页 |
| ·研究背景 | 第7-9页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-14页 |
| ·国外研究现状 | 第9-12页 |
| ·国内研究现状 | 第12-14页 |
| ·国内外研究成果述评 | 第14页 |
| ·研究内容及研究方法 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究方法 | 第15-16页 |
| 2 理论综述 | 第16-27页 |
| ·信用风险相关概念的确定 | 第16-18页 |
| ·信用风险的定义 | 第16页 |
| ·信用风险的构成 | 第16-17页 |
| ·信用风险的特点 | 第17-18页 |
| ·上市公司信用风险 | 第18页 |
| ·我国上市公司违规分析 | 第18-22页 |
| ·上市公司违规描述 | 第18-19页 |
| ·上市公司违规表现形式 | 第19-21页 |
| ·违规原因探析 | 第21-22页 |
| ·数据挖掘理论分析 | 第22-27页 |
| ·数据挖掘的定义 | 第22-23页 |
| ·数据挖掘的方法 | 第23-24页 |
| ·数据挖掘的流程 | 第24-25页 |
| ·数据挖掘与传统分析方法的区别 | 第25-27页 |
| 3 上市公司信用风险模型的构建 | 第27-40页 |
| ·信用风险模型构建的原则及方法 | 第27-30页 |
| ·模型构建的原则 | 第27-28页 |
| ·模型构建的方法 | 第28-30页 |
| ·信用风险指标体系的建立 | 第30-37页 |
| ·信用风险指标体系构建原则 | 第31页 |
| ·财务因素指标的选择 | 第31-34页 |
| ·非财务因素指标的选择 | 第34-37页 |
| ·数据挖掘工具Clementine11.0简介 | 第37-38页 |
| ·CRISP-DM数据挖掘过程模型 | 第38-40页 |
| 4 上市公司信用风险度量实证分析 | 第40-56页 |
| ·研究样本的说明 | 第40页 |
| ·数据样本的选取 | 第40-43页 |
| ·违约样本和正常样本的界定标准 | 第40-41页 |
| ·研究样本的确立 | 第41-43页 |
| ·模型的建立 | 第43-52页 |
| ·因子分析模型 | 第45-50页 |
| ·Logistic回归分析模型 | 第50-52页 |
| ·模型结果分析及检验 | 第52-54页 |
| ·模型结果分析 | 第52页 |
| ·模型结果检验 | 第52-54页 |
| ·模型的评价 | 第54-56页 |
| 5 结论 | 第56-59页 |
| ·总结 | 第56页 |
| ·研究局限性 | 第56-58页 |
| ·未来展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-81页 |
