企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)方法研究

內(nèi)容概要

　　財(cái)務(wù)困境分析與預(yù)測(cè)是財(cái)務(wù)管理和投資管理領(lǐng)域的一個(gè)重要研究方向，企業(yè)是否會(huì)陷入財(cái)務(wù)困境，這不僅關(guān)系到企業(yè)本身戰(zhàn)略的制定與調(diào)整，而且還關(guān)系到投資者和債權(quán)人的利益。本書研究的目的，就是希望能夠提出一種適合我國(guó)上市公司的、無(wú)企業(yè)規(guī)模限制、無(wú)行業(yè)局限、無(wú)股權(quán)結(jié)構(gòu)限制，可以廣泛應(yīng)用的財(cái)務(wù)困境分析與預(yù)測(cè)方法。從而，向監(jiān)管部門和廣大投資者揭示，有哪些公司可能會(huì)陷入財(cái)務(wù)困境，使他們引起警覺，使監(jiān)管部門維護(hù)市場(chǎng)穩(wěn)定，為市場(chǎng)提供科學(xué)的決策信息。

作者簡(jiǎn)介

　　趙冠華，男，1962年12月出生，漢族，江蘇徐州人，中共黨員，研究生學(xué)歷，管理學(xué)博士。現(xiàn)為山東財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院副教授、研究生導(dǎo)師。原山東財(cái)政學(xué)院首批會(huì)計(jì)學(xué)科研團(tuán)隊(duì)成員、山東省首批會(huì)計(jì)學(xué)教學(xué)團(tuán)隊(duì)成員。山東省應(yīng)用統(tǒng)計(jì)學(xué)會(huì)理事、濟(jì)南市數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)學(xué)會(huì)理事。
　　1988年7月畢業(yè)于中國(guó)地質(zhì)大學(xué)(武漢)信息與計(jì)算科學(xué)專業(yè)，獲學(xué)士學(xué)位；1995年7月研究生畢業(yè)于中國(guó)地質(zhì)大學(xué)(北京)計(jì)算數(shù)學(xué)專業(yè)，獲碩士學(xué)位；2009年12月畢業(yè)于天津大學(xué)管理科學(xué)與工程專業(yè)，獲管理學(xué)博士學(xué)位。1995年研究生畢業(yè)后到原山東財(cái)政學(xué)院會(huì)計(jì)學(xué)院任教至今。長(zhǎng)期從事會(huì)計(jì)信息化、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警等方面的教學(xué)和科研工作。先后在《運(yùn)籌與管理》、《計(jì)算機(jī)應(yīng)用》、《計(jì)算機(jī)工程與設(shè)計(jì)》、《中國(guó)管理信息化》、《財(cái)會(huì)月刊》、國(guó)外El源刊Advanced
MateriaIs ReSearch和Communications in Computer and
InformationScience以及國(guó)際著名學(xué)術(shù)會(huì)議上發(fā)表論文30多篇。主持完成省級(jí)課題4項(xiàng)，參與省級(jí)課題2項(xiàng)、國(guó)家自然科學(xué)基金課題1項(xiàng)。曾先后獲得山東財(cái)政學(xué)院優(yōu)秀科研成果一等獎(jiǎng)2項(xiàng)、山東省省級(jí)實(shí)驗(yàn)教學(xué)成果獎(jiǎng)三等獎(jiǎng)3項(xiàng)、山東省省級(jí)教學(xué)成果獎(jiǎng)二等獎(jiǎng)1項(xiàng)、山東軟科學(xué)優(yōu)秀成果獎(jiǎng)三等獎(jiǎng)1項(xiàng)。

書籍目錄

第1章　緒論
1.1　研究背景及研究意義
1.1.1　研究背景
1.1.2　研究意義
1.2　研究方法和內(nèi)容
1.2.1　研究方法
1.2.2　研究?jī)?nèi)容
1.3　主要?jiǎng)?chuàng)新點(diǎn)
第2章　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)相關(guān)理論及研究綜述
2.1　支持向量機(jī)相關(guān)理論
2.1.1　機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)理論
2.1.2　支持向量機(jī)原理
2.1.3　支持向量機(jī)應(yīng)用研究現(xiàn)狀
2.2　遺傳算法相關(guān)理論
2.2.1　遺傳算法原理及其歷史演進(jìn)
2.2.2　遺傳算法的研究?jī)?nèi)容
2.2.3　遺傳算法應(yīng)用研究現(xiàn)狀
2.3　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)方法研究綜述
2.3.1　企業(yè)財(cái)務(wù)困境內(nèi)涵的界定
2.3.2　企業(yè)財(cái)務(wù)困境定量分析與預(yù)測(cè)方法
2.3.3　企業(yè)財(cái)務(wù)困境定性分析與預(yù)測(cè)方法
第3章　企業(yè)財(cái)務(wù)困境特征及影響因素分析
3.1　企業(yè)財(cái)務(wù)困境及其特征分析
3.1.1　企業(yè)財(cái)務(wù)困境概念的界定
3.1.2　企業(yè)財(cái)務(wù)困境特征
3.1.3　企業(yè)財(cái)務(wù)困境特征分析
3.1.4　企業(yè)財(cái)務(wù)困境形成的時(shí)序特征
3.2　企業(yè)財(cái)務(wù)困境影響因素分析
3.2.1　企業(yè)財(cái)務(wù)困境總體影響因素
3.2.2　影響企業(yè)財(cái)務(wù)困境的內(nèi)部因素
3.2.3　影響企業(yè)財(cái)務(wù)困境的外部因素
3.3　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)框架
3.3.1　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)過程框架
3.3.2　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)方法框架
第4章 企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)指標(biāo)體系的構(gòu)建
4.1　企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)的總體指標(biāo)體系
4.1.1　構(gòu)建總體預(yù)測(cè)指標(biāo)體系的原則
4.1.2　總體預(yù)測(cè)指標(biāo)體系的構(gòu)建
4.2　財(cái)務(wù)困境短期分析與預(yù)測(cè)指標(biāo)體系
4.2.1　指標(biāo)數(shù)據(jù)的正態(tài)分布檢驗(yàn)
4.2.2　指標(biāo)數(shù)據(jù)的顯著性差異檢驗(yàn)
4.2.3　指標(biāo)數(shù)據(jù)的多重共線性檢驗(yàn)
4.3　財(cái)務(wù)困境中長(zhǎng)期分析與預(yù)測(cè)指標(biāo)體系
4.3.1　指標(biāo)數(shù)據(jù)的正態(tài)分布檢驗(yàn)
4.3.2　指標(biāo)數(shù)據(jù)的顯著性差異檢驗(yàn)
4.3.3　指標(biāo)數(shù)據(jù)的多重共線性檢驗(yàn)
4.3.4　短期與中長(zhǎng)期分析和預(yù)測(cè)指標(biāo)體系的比較
第5章 基于支持向量機(jī)的企業(yè)財(cái)務(wù)困境預(yù)測(cè)方法
 5.1Logit回歸模型
5.1.1Logit回歸模型的形式
5.1.2Logit回歸模型的估計(jì)
5.1.3Logit回歸模型的評(píng)價(jià)和檢驗(yàn)
5.2支持向量機(jī)的改進(jìn)算法
5.2.1最小二乘支持向量機(jī)
5.2.2增長(zhǎng)記憶學(xué)習(xí)算法原理
5.2.3基于熵的LS-SVM增長(zhǎng)記憶學(xué)習(xí)算法
5.3基于支持向量機(jī)的財(cái)務(wù)困境預(yù)測(cè)方法
5.3.1基于SVM的財(cái)務(wù)困境預(yù)測(cè)方法
5.3.2基于LS-SVM的財(cái)務(wù)困境預(yù)測(cè)方法
5.3.3基于熵的增長(zhǎng)記憶式LS-SVM財(cái)務(wù)困境預(yù)測(cè)方法
5.4模型構(gòu)建及數(shù)值檢驗(yàn)
5.4.1標(biāo)準(zhǔn)SVM模型
5.4.2LS-SVM模型
5.4.3基于熵的LS-SVM增長(zhǎng)記憶模型
第6章基于遺傳算法和支持向量機(jī)的財(cái)務(wù)困境預(yù)測(cè)方法
6.1基于遺傳算法的支持向量機(jī)參數(shù)優(yōu)化
6.1.1傳統(tǒng)支持向量機(jī)參數(shù)優(yōu)化方法及其不足
6.1.2基于遺傳算法的支持向量機(jī)參數(shù)優(yōu)化
6.2基于遺傳算法和SVM的財(cái)務(wù)困境預(yù)測(cè)方法
6.2.1基于遺傳算法和SVM的財(cái)務(wù)困境預(yù)測(cè)流程圖
6.2.2基于遺傳算法和SVM的財(cái)務(wù)困境預(yù)測(cè)實(shí)現(xiàn)步驟
6.3模型構(gòu)建及數(shù)值檢驗(yàn)
6.3.1基于遺傳算法的SVM模型
6.3.2基于遺傳算法的LS-SVM模型
6.3.3基于遺傳算法和熵的LS-SVM模型
第7章企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)實(shí)證研究
7.1研究樣本的來(lái)源及統(tǒng)計(jì)分析
7.1.1研究樣本的來(lái)源
7.1.2研究樣本的選取
7.1.3研究樣本的統(tǒng)計(jì)分析
7.1.4模型輸入變量的獲取
7.2短期預(yù)測(cè)多模型的建立及實(shí)證研究
7.2.1Logit回歸模型
7.2.2標(biāo)準(zhǔn)SVM模型
7.2.3LS-SVM模型
7.2.4基于熵的LS-SVM模型
7.2.5基于遺傳算法的SVM模型
7.2.6基于遺傳算法的LS-SVM模型
7.2.7基于遺傳算法和熵的LS-SVM模型
7.3中長(zhǎng)期預(yù)測(cè)多模型的建立及實(shí)證研究
7.3.1ST前2年預(yù)測(cè)模型的建立及實(shí)證分析
7.3.2ST前3年預(yù)測(cè)模型的建立及實(shí)證分析
7.4短期及中長(zhǎng)期預(yù)測(cè)多模型預(yù)測(cè)結(jié)果的分析比較
7.4.1Logit回歸模型
7.4.2標(biāo)準(zhǔn)SVM模型
7.4.3基于遺傳算法的SVM模型
7.4.4LS-SVM模型
7.4.5基于遺傳算法的LS-SVM模型
7.4.6基于熵的LS-SVM模型
7.4.7基于遺傳算法和熵的LS-SVM模型
7.5不同數(shù)據(jù)集多模型預(yù)測(cè)結(jié)果的分析比較
7.5.1基于遺傳算法的SVM模型
7.5.2基于遺傳算法的LS-SVM模型
7.5.3基于遺傳算法和熵的LS-SVM模型
第8章研究與展望
8.1研究工作總結(jié)
8.2不足與展望
附錄
參考文獻(xiàn)

編輯推薦

　　《企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)方法研究》既適合于從事預(yù)測(cè)、統(tǒng)計(jì)和財(cái)務(wù)管理的碩士生、博士生、科研人員以及高校教師，也適合于不同層次的企業(yè)管理者、財(cái)務(wù)管理者、經(jīng)濟(jì)分析師，更適合于金融、證券等投資者。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    企業(yè)財(cái)務(wù)困境分析與預(yù)測(cè)方法研究 PDF格式下載

---