| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 应用支持向量机预测财务危机的课题背景 | 第8页 |
| 1.2 发展中的 SVM 和财务危机预警理论介绍 | 第8-10页 |
| 1.2.1 定量财务危机预警模型的发展 | 第8-9页 |
| 1.2.2 改进和构造 SVM 核函数的研究现状 | 第9-10页 |
| 1.3 本次研究的框架、结构和内容 | 第10-11页 |
| 第2章 SVM 原理和财务危机预警模型概述 | 第11-20页 |
| 2.1 定义财务危机预警的核心概念 | 第11页 |
| 2.2 在统计学习理论基础上讨论模型复杂度 | 第11-13页 |
| 2.2.1 最小化期望风险与经验风险 | 第11-12页 |
| 2.2.2 最小化结构风险 | 第12-13页 |
| 2.3 简述 SVM 原理 | 第13-17页 |
| 2.3.1 SVM 求解线性分类问题 | 第13-15页 |
| 2.3.2 SVM 求解非线性分类问题 | 第15-16页 |
| 2.3.3 支持向量个数与模型泛化能力的关系 | 第16-17页 |
| 2.4 简述核函数相关概念 | 第17-19页 |
| 2.4.1 核函数的性质 | 第17页 |
| 2.4.2 基于 Mercer 条件分析核函数闭包性 | 第17-18页 |
| 2.4.3 几种常用核函数简介 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 基于数据的核函数改进算法研究与模型设计 | 第20-26页 |
| 3.1 引言 | 第20页 |
| 3.2 简述算法的核心思想 | 第20页 |
| 3.3 基于数据信息调整特征映射的缩放程度 | 第20-24页 |
| 3.4 在 MATLAB 上实现算法 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第4章 建立财务危机预警模型进行实证研究 | 第26-35页 |
| 4.1 引言 | 第26页 |
| 4.2 设计财务危机模型的基本框架 | 第26-30页 |
| 4.2.1 选取财务信息构成输入指标 | 第26-27页 |
| 4.2.2 制定分类和样本选取的时间差 | 第27页 |
| 4.2.3 设计财务危机预测模型和实验流程 | 第27-30页 |
| 4.3 分析实验结果并评价模型 | 第30-34页 |
| 4.3.1 各组实验结果 | 第30-33页 |
| 4.3.2 对比分析各组实验并评价 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 结论 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 附录 | 第39-43页 |
| 致谢 | 第43页 |