论文目录 | |
| 中文提要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-29页 |
| · 本文研究背景和研究意义 | 第9-11页 |
| · 研究背景 | 第9-11页 |
| · 研究意义 | 第11页 |
| · 国内外文献综述 | 第11-27页 |
| · 国外财务预测研究综述 | 第11-18页 |
| · 国内财务预测研究综述 | 第18-25页 |
| · 国内财务预测实证研究的评述与发展趋势 | 第25-27页 |
| · 本文研究的目的、方法和结构 | 第27-29页 |
| · 本文研究的目的 | 第27-28页 |
| · 本文研究的主要方法 | 第28页 |
| · 本文的结构 | 第28-29页 |
| 2 上市公司财务预测的理论基础 | 第29-34页 |
| · 上市公司财务类型的理论界定 | 第29-31页 |
| · 财务正常概念的理论界定 | 第30页 |
| · 财务异常概念的理论界定 | 第30-31页 |
| · 财务异常成因的总结 | 第31-32页 |
| · 财务异常的形成过程及其对预测指标体系的影响 | 第32-33页 |
| · 财务异常的形成过程 | 第32-33页 |
| · 财务异常的形成过程与财务预测指标体系的关系 | 第33页 |
| · 上市公司财务预测问题的本质 | 第33-34页 |
| 3 研究对象的选择和样本初选 | 第34-40页 |
| · 研究对象的选择 | 第34-35页 |
| · 上市公司财务状况的技术界定 | 第35-38页 |
| · 财务困境的技术界定 | 第35-37页 |
| · 财务破产的技术界定 | 第37-38页 |
| · 财务正常的技术界定 | 第38页 |
| · 样本的初选 | 第38-40页 |
| · 财务异常样本的初步筛选 | 第38-40页 |
| · 财务正常样本的初步筛选 | 第40页 |
| 4 样本的确定和预测指标体系的构建 | 第40-65页 |
| · 财务预测指标体系的构建原则 | 第41页 |
| · 初选财务指标 | 第41-48页 |
| · 偿债能力 | 第41-43页 |
| · 营运能力 | 第43-44页 |
| · 盈利能力 | 第44-46页 |
| · 成长基础与能力 | 第46-47页 |
| · 现金流量指标 | 第47页 |
| · 其他 | 第47-48页 |
| · 上市公司短期财务预测指标体系的构建 | 第48-56页 |
| · (t-1)年样本的确定 | 第48-49页 |
| · 异常值得甄别和替代 | 第49页 |
| · Kruskal-Wallis单向秩方差分析和中位数检验 | 第49-56页 |
| · 上市公司长期财务预测指标体系的构建 | 第56-64页 |
| · (t-2)与(T-3)年样本的筛选 | 第56-57页 |
| · Kruskal-Wallis单向秩方差分析和中位数检验 | 第57-59页 |
| · 指标的聚类分析和主成分分析 | 第59-64页 |
| · 短期预测与长期预测指标体系比较分析 | 第64-65页 |
| 5 支持向量分类机简介 | 第65-76页 |
| · 支持向量分类机的理论基础 | 第65-67页 |
| · 机器学习 | 第65-66页 |
| · 统计学习理论和VC维 | 第66-67页 |
| · 结构风险最小化原则 | 第67页 |
| · 支持向量分类机原理简介 | 第67-74页 |
| · 最大间隔原则和最优分类线 | 第68-69页 |
| · 线性支持向量分类机 | 第69-71页 |
| · 非线性支持向量分类机 | 第71-73页 |
| · 多分类问题 | 第73-74页 |
| · 支持向量分类机在我国经济领域的应用 | 第74页 |
| · 信用评估 | 第74页 |
| · 经济预警 | 第74页 |
| · 上市公司财务危机预测 | 第74页 |
| · 支持向量分类机在上市公司财务危机预警中的可行性分析 | 第74-76页 |
| · 上市公司财务危机预警与机器学习问题 | 第74-75页 |
| · 上市公司财务预测的本质上是分类问题 | 第75-76页 |
| · 上市公司财务预测SVM模型的构建流程 | 第76页 |
| 6 上市公司财务预测SVM模型的构建 | 第76-82页 |
| · 样本数据的特点 | 第76-77页 |
| · 预测指标体系的特点 | 第77页 |
| · 与SVM模型预测精度相关的3个重要问题 | 第77-78页 |
| · 样本不均衡问题 | 第77-78页 |
| · V折交叉检验 | 第78页 |
| · 核函数的选择和参数的确定 | 第78页 |
| · 上市公司财务预测模型的构建 | 第78-82页 |
| ·(t-1)年短期预测模型的构建 | 第78-79页 |
| · 长期预测实证分析 | 第79-82页 |
| 7 结论 | 第82-85页 |
| · 本文总结 | 第82-83页 |
| · 本文的创新点 | 第83页 |
| · 后续扩展研究思路 | 第83-85页 |
| 后记 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 附录A 近年沪深两市市场规模统计 | 第89-90页 |
| 附录B 第3章样本初步筛选结果 | 第90-95页 |
| 表B.1 财务异常样本 | 第90-91页 |
| 表B.2 2005年财务正常样本 | 第91-93页 |
| 表B.2(续) | 第92-93页 |
| 表B.3 2006年财务正常样本 | 第93-95页 |
| 表B.3(续) | 第94-95页 |
| 附录C 第4章46个初选指标 | 第95-97页 |
| 附录E 第4章最终建模样本 | 第97-112页 |
| 表E.1(t-1)年最终建模样本(2006年) | 第97-99页 |
| 表E.1(续) | 第98-99页 |
| 表E.2(t-1)年最终建模样本(2005年) | 第99-102页 |
| 表E.2(续一) | 第100-101页 |
| 表E.2(续二) | 第101-102页 |
| 表E.3(t-2)年最终建模样本(2006年) | 第102-104页 |
| 表E.3(续) | 第103-104页 |
| 表E.4(t-2)年最终建模样本(2005年) | 第104-107页 |
| 表E.4(续一) | 第105-106页 |
| 表E.4(续二) | 第106-107页 |
| 表E.5(t-3)年最终建模样本(2006年) | 第107-109页 |
| 表E.5(续) | 第108-109页 |
| 表E.6(t-3)年最终建模样本(2005年) | 第109-112页 |
| 表E.6(续一) | 第110-111页 |
| 表E.6(续二) | 第111-112页 |
| 附录F 第4章指标聚类和主成分结果 | 第112-116页 |
| 表F.1(t-1)年聚类和主成分分析结果 | 第112-114页 |
| 表F.1(续) | 第113-114页 |
| 表F.2(t-2)年聚类和主成分分析结果 | 第114-115页 |
| 表F.3(t-3)年聚类和主成分分析结果 | 第115-116页 |
| 附录G 第6章SVM模型结果 | 第116-119页 |
| 表G.1 γ取不同值时对应的(t-2)年SVM模型结果 | 第116-117页 |
| 表G.2 γ取不同值时对应的(t-2)年SVM模型结果 | 第117-118页 |
| 表G.3 γ取不同值时对应的(t-3)年SVM模型结果 | 第118-119页 |
| 攻读硕士学位期间发表的论文目录 | 第119-120页 |
| 详细摘要 | 第120-124页 |
