基于遗传算法的改进支持向量机财务预警研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-18页 |
| ·本文研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外财务危机预警研究文献综述 | 第13-15页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-15页 |
| ·本文主要研究内容与结构 | 第15-17页 |
| ·本文研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 财务危机预警的理论基础 | 第18-22页 |
| ·经济预警理论 | 第18-19页 |
| ·财务危机的界定 | 第19-20页 |
| ·财务危机预警理论 | 第20-21页 |
| ·用财务比率预警财务危机 | 第20-21页 |
| ·用管理行为特征预警财务危机 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 支持向量机的理论基础 | 第22-35页 |
| ·支持向量机的统计学习理论基础 | 第22-26页 |
| ·机器学习理论的基本问题 | 第23-24页 |
| ·VC维 | 第24-25页 |
| ·结构风险最小化 | 第25-26页 |
| ·支持向量分类机 | 第26-31页 |
| ·线性可分问题 | 第27-29页 |
| ·近似线性可分问题 | 第29-30页 |
| ·线性不可分问题 | 第30-31页 |
| ·核函数 | 第31-33页 |
| ·支持向量分类机的应用 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 遗传算法 | 第35-41页 |
| ·遗传算法的基本原理 | 第35-36页 |
| ·遗传算法的研究内容 | 第36-40页 |
| ·相关重要术语 | 第36页 |
| ·染色体编码 | 第36-37页 |
| ·遗传算子 | 第37-38页 |
| ·适应度函数 | 第38页 |
| ·遗传算法的运行参数 | 第38-39页 |
| ·遗传算法的运算流程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 上市公司财务危机预警模型建立与研究分析 | 第41-54页 |
| ·财务危机预警指标体系的建立 | 第41-45页 |
| ·指标的选择标准 | 第41-42页 |
| ·选择并构建指标体系 | 第42-45页 |
| ·研究样本的设计 | 第45-47页 |
| ·财务危机预警模型的实证 | 第47-52页 |
| ·基于单纯支持向量机的预警模型实证 | 第47页 |
| ·基于遗传算法的支持向量机参数优化的预警模型 | 第47-49页 |
| ·结果对比分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 6 结论与建议 | 第54-56页 |
| ·论文总结 | 第54页 |
| ·论文展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |
