简析神经网络基于因子与支持向量机上市公司财务危机预警

论文导读：
摘要：本论文主要探讨运用统计浅析的相关论述及支持向量机建立起一个无规模和行业限制的、可以广泛运用的最优SVM财务预警模型。通过与财务预警的其他主流模型——BP模型、Logistic模型进行比较，考察三个模型的分类正确率，浅析最优SVM模型的可行性和有效性。同时，将该三种策略集成到财务预警系统中，为企业经营管理者及其他利益相关者浅析企业财务情况提供帮助。本论文具体探讨内容是：以预警指标及预警策略两个方面系统的介绍了国内外财务危机预警和绩效评价的探讨近况，浅析了企业财务危机产生的理由和体现，并以此为基础，阐述了财务危机预警指标的选取原则，初步构建了基于流量的企业财务危机预警指标系统，介绍了统计学习论述，并以沪深两市A股上市公司财务报表数据为样本，利用主成分浅析策略提取主因子，实现对指标的约简；利用约简后的样本数据，建立起一系列基于RBF核函数、Sigmoid核函数、多项式核函数、线性核函数及不同的核参数的支持向量机预警模型，并且分别验证了不同核函数在相同实验条件下的预测效果。为了验证因子浅析和基于支持向量机财务危机预警模型的有效性，本论文还将传统的经典统计回归策略和人工神经网络策略引入到财务危机预警中，在相同的实验条件下进行比较实验。通过实例浅析表明，本论文构建的基于因子浅析的支持向量机财务危机预警模型，预测精度显著的高于BP神经网络模型和Logistic回归模型。关键词：财务预警论文因子浅析论文支持向量机论文逻辑回归论文BP神经网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要3-4
ABSTRACT4-8
第一章 绪论8-22

1.1 探讨背景8-9

1.2 探讨作用9-10

1.3 国内外探讨近况综述10-18

1.3.1 国内外财务危机预警探讨近况10-15

1.3.2 国内外企业绩效评价探讨近况15-16

1.3.3 财务危机与绩效评价比较16-18

1.4 本论文探讨框架18-22

1.4.1 本论文探讨思路18-19

1.4.2 本论文主要工作19-20

1.4.3 本论文篇章结构20-22

第二章 财务危机预警概述22-30

2.1 财务危机相关概念22-25

2.

1.1 财务危机22-23

2.

1.2 财务预警23-24

2.

1.3 财务预警系统24-25

2.2 财务危机的原因及体现25-29

2.1 财务危机原因25-28

2.2 财务危机的体现28-29

2.3 本章小结29-30

第三章 统计学习论述与支持向量机30-42

3.1 机器学习30-31

3.2 统计学习论述31-35

3.

2.1 经验风险最小化原则31-32

3.

2.2 VC（Vapnik-Cheronenkis）维32-33

3.

2.3 结构风险最小化原则33-35

3.3 支持向量机35-41

3.1 支持向量机基础论述35-39

3.2 混乱矩阵、两类错误率及损失函数39-40

3.3 支持向量机特点40-41

3.4 本章小结41-42

第四章 基于 SVM 的财务危机预警模型的构建42-60

4.1 企业财务危机预警模型的构建42-46

4.

1.1 不足描述42-43

4.

1.2 模型建立43-46

4.2 财务预警模型样本设计46-47

4.3 财务预警模型指标系统的构建47-52

4.

3.1 财务预警模型指标系统的构建原则47-48

4.

3.2 财务预警模型指标系统的初步选取48-52

4.4 财务预警模型指标数据统计浅析52-59

4.1 指标数据标准化处理52

4.2 指标数据差别性及相关性检验52-57

4.3 指标因子浅析57-59

4.5 本章小结59-60

第五章 基于 SVM 的财务预警模型的实证浅析60-70

5.1 实证探讨思路60-61

5.2 SVM 财务预警模型实证浅析61-63

5.

2.1 基于 SVM 的财务预警模型训练61-62

5.

2.2 基于 SVM 的财务预警模型预测62-63

5.

2.3 基于 SVM 的财务预警模型预测结果浅析63

5.3 BP、LOGISTIC模型预警结果63-68
5.

3.1 BP 模型预警结果63-66

5.

3.2 Logistic 回归预警结果66-68

5.4 模型论文导读：效果比较浅析68-695.5本章小结69-70第六章结论及未来探讨展望70-726.1结论706.2探讨局限性和未来探讨展望70-72致谢72-74参考文献74-77上一页12
效果比较浅析68-69

5.5 本章小结69-70

第六章 结论及未来探讨展望70-72

6.1 结论70

6.2 探讨局限性和未来探讨展望70-72

致谢72-74
参考文献74-77