|
企业财务困境预警:方法与应用 本书特色
作者鲍新中、刘澄、赵可近年来在公司财务困境预警问题上开展了系列研究，《企业财务困境预警--方法与应用》的内容是围绕财务困境预警问题进行的多项碎片化研究成果的整合。因此，在个别章节中可能会有少许重复，如预警指标体系的选择、企业样本的选择等，但是为了保持章节内容的完整性，只针对局部内容进行了部分调整，并没有对每个研究内容的整体进行改写。
企业财务困境预警:方法与应用 目录
绪论
**章 企业财务困境预警技术的发展
**节 关于财务困境的界定
一、国外对财务困境的界定
二、国内对财务困境的界定
第二节 财务困境预警技术的发展历程
一、传统的财务预警技术
二、基于人工智能技术的财务预警技术
三、传统方法的改进及前沿技术
第三节 本章小结
第二章 财务困境预警指标的选择
**节 常用的财务困境预警指标
一、财务指标
二、非财务指标
第二节 财务预警指标选择的常用方法
第三节 基于聚类一灰色关联分析的财务预警指标选择思路设计
一、灰色关联分析
二、聚类分析理论
三、基于聚类一灰色关联分析的指标综合约简方法设计
第四节 实证分析
一、财务指标体系的初步构建与样本选取
二、基于离差平方和思想的聚类分析
三、基于灰色关联分析的指标筛选
第五节 本章小结
第三章 基于偏*小二乘l0gistic方法的财务困境预警
**节 偏*小二乘l0gistic模型介绍
一、logistic回归模型及其特征
二、偏*小二乘l0gistic回归模型及其特征
第二节 指标体系及样本的选择
一、预警指标体系
二、样本选择
第三节 实证分析
一、logistic回归模型实证分析过程
二、偏*小二乘logistic回归模型实证分析过程
第四节 本章小结
第四章 基于粗糙集与神经网络的财务困境预警
**节 粗糙集与神经网络基本原理
一、粗糙集理论
二、神经网络基本原理
三、粗糙集理论与神经网络的结合应用
第二节 指标体系及样本选择
一、样本数据的选择
二、指标体系的建立
三、研究方法的组合设计
第三节 实证分析
一、数据预处理
二、层次聚类分析
三、粗糙集属性约简
四、神经网络训练
第四节 本章小结
第五章 基于决策树理论的财务困境预警
**节 决策树模型原理
一、chaid决策树模型
二、基于变精度加权平均粗糙度建立决策树模型
第二节 指标体系及样本选择
一、数据选取
二、原始指标体系构建
三、变精度加权平均粗糙度预警技术路线
第三节 实证分析
一、数据标准化
二、指标约简
三、公司财务状况等级划分
四、基于chaid模型的实证分析
五、基于变精度加权平均粗糙度决策树的实证分析
第四节 本章小结“
第六章 基于粒子群k均值算法的财务困境预警
**节 算法原理
一、粒子群算法
二、基于ps0的k均值算法
第二节 指标体系及样本选择
一、样本公司选取
二、财务指标选取
第三节 实证分析
一、数据预处理
二、分类预警-
三、综合评价及检验
第四节 本章小结
第七章 基于面板离散选择模型的财务困境预警
**节 面板离散选择模型原理
第二节 指标体系及样本选择
一、样本公司选择
二、指标的初选
三、确定指标体系
第三节 实证分析
一、基于制造业的实证分析
二、基于其他门类行业的实证分析
三、基于制造业次类行业的实证分析
第四节 本章小结
第八章 基于kalman滤波的财务困境动态预警
**节 状态空间模型和kalman滤波原理
一、状态空间模型
二、kalman滤波
三、kalman滤波的国内外相关研究
四、财务状况预警状态空间模型的建立
第二节 指标体系及样本选择
一、样本数据的选择
二、特征指标选取
三、动态数据的描述性统计及检验
第三节 实证分析
一、全局主成分分析动态财务数据
二、预警阈值的确定
三、基于kalman滤波财务预警模型的运用
四、模型检验结果分析
第四节 本章小结
第九章 基于ewma控制图模型的财务困境动态预警
**节 ewma控制图模型相关理论
一、向量自回归移动平均模型
二、ewma控制图模型基本原理
第二节 指标体系及样本选取
一、研究思路设计
二、样本数据的选取
三、指标体系的建立
第三节 实证分析
一、数据预处理
二、指标数据的差异性检验
三、粗糙集属性约简
四、模型的建立
五、模型的检验
第四节 本章小结
第十章 考虑集团化经营特征的企业财务困境预警
**节 集团化经营企业及其财务风险特征
一、集团化经营企业的界定
二、集团化经营企业的财务风险特征分析
三、考虑集团化经营特征的企业财务预警指标体系
第二节 研究方法与建模
一、信用事件计量模型
二、logistic回归模型
三、基于kmv—logistic模型的财务预警模型
第三节 实证研究
一、样本描述
二、数据预处理
三、实证分析
第四节 本章小结
参考文献
|
