| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1. 导论 | 第12-17页 |
| ·论文选题的背景 | 第12-13页 |
| ·论文研究的意义 | 第13-14页 |
| ·研究方法 | 第14页 |
| ·本文的创新 | 第14-15页 |
| ·论文基本框架 | 第15-17页 |
| 2. 财务困境预警模型的文献综述 | 第17-26页 |
| ·国外关于财务困境预警研究的文献回顾 | 第17-21页 |
| ·国内关于财务困境预警模型的研究现状 | 第21-22页 |
| ·对以往财务困境预警模型的评价 | 第22-23页 |
| ·引入公司治理结构指标的财务困境预警模型 | 第23-26页 |
| 3. 公司治理结构对财务困境的影响分析 | 第26-38页 |
| ·财务困境的界定 | 第26-28页 |
| ·公司治理结构的界定 | 第28-30页 |
| ·公司治理结构与财务困境的关系 | 第30-38页 |
| ·董事会结构与财务困境的理论分析 | 第30-33页 |
| ·股权结构与财务困境的理论分析 | 第33-35页 |
| ·管理层激励机制与财务困境的理论分析 | 第35-36页 |
| ·其它因素与财务困境的理论分析 | 第36-38页 |
| 4. 上市公司财务预警方法简介 | 第38-44页 |
| ·Logistic 回归方法 | 第38-39页 |
| ·神经网络方法 | 第39-41页 |
| ·决策树方法 | 第41-44页 |
| 5. 研究设计 | 第44-51页 |
| ·样本设计 | 第44-47页 |
| ·样本的选取 | 第44-46页 |
| ·数据的选取 | 第46-47页 |
| ·研究变量的选取 | 第47-51页 |
| ·变量选取的原则 | 第47-48页 |
| ·具体变量体系 | 第48-51页 |
| 6. 财务困境预警的实证分析 | 第51-77页 |
| ·数据挖掘的主要工具—SAS 简介 | 第51-52页 |
| ·基于SEMMA 的数据挖掘过程 | 第52-53页 |
| ·财务困境预警模型的建立 | 第53-64页 |
| ·定义业务问题 | 第54页 |
| ·数据准备 | 第54-55页 |
| ·数据特征探索 | 第55页 |
| ·数据分割 | 第55-56页 |
| ·设定目标变量 | 第56页 |
| ·数据替换 | 第56页 |
| ·模型的建立 | 第56-62页 |
| ·模型性能评价 | 第62-64页 |
| ·模型比较（仅用财务指标构建预警模型） | 第64-65页 |
| ·模型结果分析 | 第65-72页 |
| ·树状结构图 | 第65-67页 |
| ·决策树评价图 | 第67-68页 |
| ·决策树模型的综合评价（用测试数据集进行预警精度检验） | 第68-70页 |
| ·决策树结果分析 | 第70-72页 |
| ·模型的应用 | 第72-77页 |
| ·财务困境公司典型分析—*ST 嘉瑞 | 第74-75页 |
| ·财务正常公司典型分析—中集集团 | 第75-77页 |
| 7. 研究结论与建议 | 第77-81页 |
| ·研究结论 | 第77-78页 |
| ·存在的不足 | 第78页 |
| ·研究展望 | 第78-81页 |
| 参考文献 | 第81-84页 |
| 附录 | 第84-89页 |
| 后记 | 第89-90页 |
| 致谢 | 第90-91页 |
| 在读期间科研成果目录 | 第91页 |