图书介绍
企业财务困境分析与预测方法研究PDF|Epub|txt|kindle电子书版本网盘下载
- 赵冠华著 著
- 出版社： 北京：经济科学出版社
- ISBN：9787514109801
- 出版时间：2011
- 标注页数：256页
- 文件大小：12MB
- 文件页数：268页
- 主题词：上市公司－企业管理：财务管理－研究－中国
PDF下载
下载说明
企业财务困境分析与预测方法研究PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 研究背景及研究意义1
1.1.1 研究背景1
1.1.2 研究意义2
1.2 研究方法和内容4
1.2.1 研究方法4
1.2.2 研究内容5
1.3 主要创新点8
第2章 企业财务困境分析与预测相关理论及研究综述9
2.1 支持向量机相关理论9
2.1.1 机器学习与统计学习理论9
2.1.2 支持向量机原理16
2.1.3 支持向量机应用研究现状27
2.2 遗传算法相关理论32
2.2.1 遗传算法原理及其历史演进32
2.2.2 遗传算法的研究内容37
2.2.3 遗传算法应用研究现状47
2.3 企业财务困境分析与预测方法研究综述49
2.3.1 企业财务困境内涵的界定49
2.3.2 企业财务困境定量分析与预测方法51
2.3.3 企业财务困境定性分析与预测方法63
第3章 企业财务困境特征及影响因素分析65
3.1 企业财务困境及其特征分析65
3.1.1 企业财务困境概念的界定65
3.1.2 企业财务困境特征67
3.1.3 企业财务困境特征分析101
3.1.4 企业财务困境形成的时序特征111
3.2 企业财务困境影响因素分析112
3.2.1 企业财务困境总体影响因素112
3.2.2 影响企业财务困境的内部因素113
3.2.3 影响企业财务困境的外部因素117
3.3 企业财务困境分析与预测框架120
3.3.1 企业财务困境分析与预测过程框架120
3.3.2 企业财务困境分析与预测方法框架122
第4章 企业财务困境分析与预测指标体系的构建124
4.1 企业财务困境分析与预测的总体指标体系124
4.1.1 构建总体预测指标体系的原则124
4.1.2 总体预测指标体系的构建125
4.2 财务困境短期分析与预测指标体系131
4.2.1 指标数据的正态分布检验132
4.2.2 指标数据的显著性差异检验134
4.2.3 指标数据的多重共线性检验135
4.3 财务困境中长期分析与预测指标体系144
4.3.1 指标数据的正态分布检验144
4.3.2 指标数据的显著性差异检验146
4.3.3 指标数据的多重共线性检验147
4.3.4 短期与中长期分析和预测指标体系的比较154
第5章 基于支持向量机的企业财务困境预测方法156
5.1 Logit回归模型156
5.1.1 Logit回归模型的形式156
5.1.2 Logit回归模型的估计158
5.1.3 Logit回归模型的评价和检验158
5.2 支持向量机的改进算法160
5.2.1 最小二乘支持向量机161
5.2.2 增长记忆学习算法原理163
5.2.3 基于熵的LS-SVM增长记忆学习算法166
5.3 基于支持向量机的财务困境预测方法168
5.3.1 基于SVM的财务困境预测方法168
5.3.2 基于LS-SVM的财务困境预测方法169
5.3.3 基于熵的增长记忆式LS-SVM财务困境预测方法170
5.4 模型构建及数值检验172
5.4.1 标准SVM模型172
5.4.2 LS-SVM模型173
5.4.3 基于熵的LS-SVM增长记忆模型175
第6章 基于遗传算法和支持向量机的财务困境预测方法177
6.1 基于遗传算法的支持向量机参数优化177
6.1.1 传统支持向量机参数优化方法及其不足177
6.1.2 基于遗传算法的支持向量机参数优化179
6.2 基于遗传算法和SVM的财务困境预测方法180
6.2.1 基于遗传算法和SVM的财务困境预测流程图180
6.2.2 基于遗传算法和SVM的财务困境预测实现步骤180
6.3 模型构建及数值检验183
6.3.1 基于遗传算法的SVM模型183
6.3.2 基于遗传算法的LS-SVM模型185
6.3.3 基于遗传算法和熵的LS-SVM模型186
第7章 企业财务困境分析与预测实证研究188
7.1 研究样本的来源及统计分析188
7.1.1 研究样本的来源188
7.1.2 研究样本的选取189
7.1.3 研究样本的统计分析192
7.1.4 模型输入变量的获取196
7.2 短期预测多模型的建立及实证研究197
7.2.1 Logit回归模型197
7.2.2 标准SVM模型199
7.2.3 LS-SVM模型201
7.2.4 基于熵的LS-SVM模型202
7.2.5 基于遗传算法的SVM模型203
7.2.6 基于遗传算法的LS-SVM模型204
7.2.7 基于遗传算法和熵的LS-SVM模型205
7.3 中长期预测多模型的建立及实证研究207
7.3.1 ST前2年预测模型的建立及实证分析207
7.3.2 ST前3年预测模型的建立及实证分析215
7.4 短期及中长期预测多模型预测结果的分析比较223
7.4.1 Logit回归模型224
7.4.2 标准SVM模型225
7.4.3 基于遗传算法的SVM模型226
7.4.4 LS-SVM模型226
7.4.5 基于遗传算法的LS-SVM模型227
7.4.6 基于熵的LS-SVM模型228
7.4.7 基于遗传算法和熵的LS-SVM模型229
7.5 不同数据集多模型预测结果的分析比较230
7.5.1 基于遗传算法的SVM模型230
7.5.2 基于遗传算法的LS-SVM模型231
7.5.3 基于遗传算法和熵的LS-SVM模型231
第8章 研究与展望233
8.1 研究工作总结233
8.2 不足与展望235
附录236
参考文献243
后记252