基于时间序列的多分类器集成财务困境预测动态建模研究 |
论文目录 | | 摘要 | 第1-4页 | ABSTRACT | 第4-7页 | 一、绪论 | 第7-21页 | (一) 研究背景 | 第7-8页 | (二) 研究意义 | 第8-9页 | · 理论意义 | 第8页 | · 现实意义 | 第8-9页 | (三) 文献综述 | 第9-18页 | · 财务困境预测研究综述 | 第9-15页 | · 概念漂移研究综述 | 第15-18页 | (四) 研究目标及主要工作 | 第18-19页 | (五) 本文技术路线 | 第19-20页 | (六) 本文创新之处 | 第20-21页 | 二、财务困境理论基础 | 第21-28页 | (一) 财务困境的界定 | 第21-23页 | · 国外学者对于财务困境界定的研究 | 第21-22页 | · 国内学者对于财务困境界定的研究 | 第22-23页 | · 本文对于财务困境界定的观点 | 第23页 | (二) 财务困境的成因 | 第23-26页 | · 内部原因 | 第24-25页 | · 外部原因 | 第25-26页 | (三) 财务困境概念漂移成因 | 第26-28页 | · 企业生命周期变化形成的概念漂移 | 第26-27页 | · 动态数据流引起的概念漂移 | 第27-28页 | 三、基于时序赋权的多分类器集成财务困境预测建模 | 第28-48页 | (一) 模型理论准备 | 第28-36页 | · 时序赋权模型 | 第28-29页 | · 单分类器模型原理 | 第29-33页 | · Adaboost集成算法基础 | 第33-36页 | (二) 基于多分类器混合的数据批集成赋权方法 | 第36-41页 | · 适应性时序赋权集成方法 | 第36-38页 | · 基于多分类器混合的数据批集成赋权方法 | 第38-41页 | · IBW-CC算法分析 | 第41页 | (三) 基于Adaboost迭代算法与时序赋权Boost迭代算法的双专家投票算法 | 第41-45页 | · DEVE-AT算法简介 | 第41页 | · DEVE-AT模型构建 | 第41-44页 | · DEVE-AT算法分析 | 第44-45页 | (四) 基于时序赋权的AdaBoost-SVM算法 | 第45-48页 | · ADASVM-TW算法简介 | 第45页 | · ADASVM-TW模型构建 | 第45-47页 | · ADASVM-TW算法分析 | 第47-48页 | 四、实证研究 | 第48-61页 | (一) 研究方案设计 | 第48-49页 | (二) 样本搜集与指标筛选 | 第49-54页 | · 财务样本搜集 | 第49页 | · 样本概念漂移检测 | 第49-50页 | · 数据预处理与指标筛选 | 第50-54页 | (三) 参数设置 | 第54-56页 | · 迭代次数的确定 | 第54-55页 | · 阈值c确定 | 第55页 | · 参数λ值确定 | 第55-56页 | (四) 实验结果分析 | 第56-61页 | · 总体结果分析 | 第59页 | · 改进结果分析 | 第59-61页 | 五、研究总结与展望 | 第61-63页 | (一) 本文结论 | 第61-62页 | (二) 研究不足和展望 | 第62-63页 | 参考文献 | 第63-68页 | 攻读学位期间取得的研究成果 | 第68-69页 | 致谢 | 第69-70页 | 浙江师范大学学位论文诚信承诺书 | 第70-71页 |
|
|
|
| |