组合预测技术在财务业绩预测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-25页 |
| ·研究背景和研究意义 | 第10-12页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-12页 |
| ·文献综述 | 第12-22页 |
| ·传统统计类预测模型 | 第12-16页 |
| ·人工智能型预测模型 | 第16-21页 |
| ·组合预测模型 | 第21-22页 |
| ·研究方法和研究内容 | 第22-25页 |
| ·研究方法 | 第22页 |
| ·研究内容 | 第22-23页 |
| ·主要创新点 | 第23-25页 |
| 第2章 财务业绩预测相关理论概述 | 第25-42页 |
| ·单模型预测技术 | 第25-30页 |
| ·Logistic 回归模型 | 第25-26页 |
| ·Logit 回归模型的估计 | 第26-27页 |
| ·Logit 回归模型的评价与检验 | 第27-30页 |
| ·支持向量机 | 第30-38页 |
| ·支持向量机概述 | 第30-32页 |
| ·支持向量机分类 | 第32-36页 |
| ·标准支持向量机 | 第36-37页 |
| ·最小二乘支持向量机 | 第37-38页 |
| ·多模型组合预测技术 | 第38-42页 |
| ·线性组合预测模型 | 第39页 |
| ·BP 神经网络非线性组合预测模型 | 第39-42页 |
| 第3章 企业财务业绩预测指标体系的构建 | 第42-54页 |
| ·预测指标的选取 | 第42-46页 |
| ·构建总体预测指标体系的原则 | 第42-43页 |
| ·总体指标体系的构建 | 第43-46页 |
| ·预测指标的预处理 | 第46-52页 |
| ·指标数据的正态分布检验 | 第46-47页 |
| ·指标数据的显著性差异检验 | 第47-48页 |
| ·指标数据的多重共线性检验 | 第48-52页 |
| ·预测指标的分析 | 第52-54页 |
| 第4章 财务业绩预测的实证研究 | 第54-63页 |
| ·研究样本与数据来源 | 第54-55页 |
| ·变量的选择 | 第54-55页 |
| ·数据来源 | 第55页 |
| ·模型输入变量的获取 | 第55页 |
| ·单模型的构建及实证研究 | 第55-58页 |
| ·Logit 回归模型 | 第55-57页 |
| ·标准支持向量机模型 | 第57-58页 |
| ·最小二乘支持向量机 | 第58页 |
| ·组合预测模型 | 第58-63页 |
| ·线性组合预测模型 | 第58页 |
| ·各个模型的预测结果比较及分析 | 第58-63页 |
| 第5章 研究结论及展望 | 第63-65页 |
| ·研究结论 | 第63页 |
| ·研究不足及展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67-72页 |
| 攻读硕士学位期间发表的学术成果 | 第72-73页 |
| 致谢 | 第73页 |
