| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外文献综述 | 第11-14页 |
| 1.2.1 国内文献综述 | 第11-13页 |
| 1.2.2 国外文献综述 | 第13-14页 |
| 1.3 本文研究内容和框架 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究框架 | 第15-16页 |
| 1.4 本文创新点 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 营运资金风险预警分析的理论基础 | 第18-22页 |
| 2.1 相关概念的界定 | 第18-19页 |
| 2.1.1 营运资金的定义 | 第18-19页 |
| 2.1.2 营运资金风险的界定 | 第19页 |
| 2.2 营运资金风险预警理论 | 第19-21页 |
| 2.2.1 企业风险管理理论 | 第19-20页 |
| 2.2.2 权衡理论 | 第20页 |
| 2.2.3 优序融资理论 | 第20页 |
| 2.2.4 公司治理结构理论 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 数据挖掘原理的理论基础 | 第22-27页 |
| 3.1 数据挖掘的定义 | 第22页 |
| 3.2 基于数据挖掘的营运资金风险预警的技术分析 | 第22-23页 |
| 3.2.1 数据挖掘的技术概述 | 第22-23页 |
| 3.2.2 数据挖掘和营运资金风险预警结合的技术分析 | 第23页 |
| 3.3 数据挖掘的应用 | 第23-24页 |
| 3.4 数据挖掘的过程和体系结构 | 第24-26页 |
| 3.4.1 数据挖掘的过程 | 第24-25页 |
| 3.4.2 数据挖掘系统的体系结构 | 第25-26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 基于数据挖掘的上市公司营运资金风险预警模型构建 | 第27-37页 |
| 4.1 研究对象的确定 | 第27-28页 |
| 4.2 营运资金风险预警指标体系的建立 | 第28-31页 |
| 4.2.1 制造业营运资金风险管理特性 | 第28-29页 |
| 4.2.2 制造业上市公司营运资金风险预警指标体系 | 第29-31页 |
| 4.3 本文采用的数据挖掘方法 | 第31-36页 |
| 4.3.1 因子分析法 | 第31-32页 |
| 4.3.2 BP神经网络 | 第32-33页 |
| 4.3.3 Logistic回归分析 | 第33-34页 |
| 4.3.4 C5.0决策树算法 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 5 基于数据挖掘的上市公司营运资金风险预警模型应用 | 第37-54页 |
| 5.1 指标假设和数据分析 | 第37-40页 |
| 5.1.1 指标假设 | 第37页 |
| 5.1.2 数据的分析 | 第37-40页 |
| 5.2 预警模型的实证对比分析 | 第40-51页 |
| 5.2.1 因子分析模型 | 第41-44页 |
| 5.2.2 BP神经网络模型 | 第44-46页 |
| 5.2.3 Logistic回归分析模型 | 第46-49页 |
| 5.2.4 C5.0决策树模型 | 第49-51页 |
| 5.3 模型的评价 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 结论与展望 | 第54-56页 |
| 6.1 研究结论 | 第54-55页 |
| 6.3 研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-61页 |
| 致谢 | 第61-62页 |
| 研究生期间发表学术论文和科研情况 | 第62页 |
