| 第一章 导论 | 第1-9页 |
| ·关于财务困境的概念 | 第5-6页 |
| ·财务困境(Financial distress) | 第5页 |
| ·本文研究中对财务困境的界定 | 第5-6页 |
| ·问题研究的可行性 | 第6页 |
| ·研究背景及意义 | 第6-7页 |
| ·研究背景 | 第6-7页 |
| ·意义 | 第7页 |
| ·本文的研究重点和工作思路 | 第7-8页 |
| ·本文的结构安排 | 第8-9页 |
| 第二章 财务困境研究基本理论 | 第9-17页 |
| ·研究基本理论 | 第9-10页 |
| ·国内外研究现状及评价 | 第10-16页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-13页 |
| ·其他定量方法研究 | 第13页 |
| ·研究成果评价 | 第13-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 数据挖掘 | 第17-24页 |
| ·数据挖掘概述 | 第17-20页 |
| ·数据挖掘的概念 | 第17-19页 |
| ·数据挖掘的分类 | 第19-20页 |
| ·数据挖掘的主要任务 | 第20-21页 |
| ·数据挖掘过程模型 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 基于数据挖掘的财务困境研究 | 第24-38页 |
| ·数据挖掘的主要方法 | 第24-25页 |
| ·统计学方法—Logistic回归分析 | 第25-29页 |
| ·Logistic回归模型简介 | 第25-28页 |
| ·Logistic回归财务困境预警模型的建立 | 第28-29页 |
| ·人工智能方法—BP神经网络 | 第29-36页 |
| ·人工神经网络模型简介 | 第29-30页 |
| ·BP神经网络模型及算法 | 第30-34页 |
| ·标准BP模型存在的缺陷 | 第34-35页 |
| ·构建基于BP神经网络方法的财务困境预警模型 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 基于SEMMA的数据挖掘及软件的实现 | 第38-47页 |
| ·基于SEMMA的数据挖掘过程 | 第38-44页 |
| ·数据抽样(Sample) | 第38-39页 |
| ·数据特征探索、分析和预处理(Explore) | 第39-40页 |
| ·问题明确化、数据调整和技术选择(Modify) | 第40-41页 |
| ·模型建立和结果(Model) | 第41-43页 |
| ·模型和知识的解释和综合评价(Assess) | 第43-44页 |
| ·软件实现问题 | 第44-46页 |
| ·SAS数据挖掘的集成软件工具—SAS／EM简介 | 第44-45页 |
| ·基于SAS／EM的软件实现 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·主要观点 | 第47页 |
| ·本文的主要工作或成果 | 第47-48页 |
| ·本文存在的不足 | 第48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 附录 | 第52页 |