企業(yè)財務困境分析與預測方法研究

內(nèi)容概要

　　財務困境分析與預測是財務管理和投資管理領(lǐng)域的一個重要研究方向，企業(yè)是否會陷入財務困境，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上市公司的、無企業(yè)規(guī)模限制、無行業(yè)局限、無股權(quán)結(jié)構(gòu)限制，可以廣泛應用的財務困境分析與預測方法。從而，向監(jiān)管部門和廣大投資者揭示，有哪些公司可能會陷入財務困境，使他們引起警覺，使監(jiān)管部門維護市場穩(wěn)定，為市場提供科學的決策信息。

作者簡介

　　趙冠華，男，1962年12月出生，漢族，江蘇徐州人，中共黨員，研究生學歷，管理學博士?，F(xiàn)為山東財經(jīng)大學會計學院副教授、研究生導師。原山東財政學院首批會計學科研團隊成員、山東省首批會計學教學團隊成員。山東省應用統(tǒng)計學會理事、濟南市數(shù)量經(jīng)濟與技術(shù)經(jīng)濟學會理事。
　　1988年7月畢業(yè)于中國地質(zhì)大學(武漢)信息與計算科學專業(yè)，獲學士學位；1995年7月研究生畢業(yè)于中國地質(zhì)大學(北京)計算數(shù)學專業(yè)，獲碩士學位；2009年12月畢業(yè)于天津大學管理科學與工程專業(yè)，獲管理學博士學位。1995年研究生畢業(yè)后到原山東財政學院會計學院任教至今。長期從事會計信息化、企業(yè)財務風險預警等方面的教學和科研工作。先后在《運籌與管理》、《計算機應用》、《計算機工程與設計》、《中國管理信息化》、《財會月刊》、國外El源刊Advanced
MateriaIs ReSearch和Communications in Computer and
InformationScience以及國際著名學術(shù)會議上發(fā)表論文30多篇。主持完成省級課題4項，參與省級課題2項、國家自然科學基金課題1項。曾先后獲得山東財政學院優(yōu)秀科研成果一等獎2項、山東省省級實驗教學成果獎三等獎3項、山東省省級教學成果獎二等獎1項、山東軟科學優(yōu)秀成果獎三等獎1項。

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　研究內(nèi)容
1.3　主要創(chuàng)新點
第2章　企業(yè)財務困境分析與預測相關(guān)理論及研究綜述
2.1　支持向量機相關(guān)理論
2.1.1　機器學習與統(tǒng)計學習理論
2.1.2　支持向量機原理
2.1.3　支持向量機應用研究現(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
2.2.2　遺傳算法的研究內(nèi)容
2.2.3　遺傳算法應用研究現(xiàn)狀
2.3　企業(yè)財務困境分析與預測方法研究綜述
2.3.1　企業(yè)財務困境內(nèi)涵的界定
2.3.2　企業(yè)財務困境定量分析與預測方法
2.3.3　企業(yè)財務困境定性分析與預測方法
第3章　企業(yè)財務困境特征及影響因素分析
3.1　企業(yè)財務困境及其特征分析
3.1.1　企業(yè)財務困境概念的界定
3.1.2　企業(yè)財務困境特征
3.1.3　企業(yè)財務困境特征分析
3.1.4　企業(yè)財務困境形成的時序特征
3.2　企業(yè)財務困境影響因素分析
3.2.1　企業(yè)財務困境總體影響因素
3.2.2　影響企業(yè)財務困境的內(nèi)部因素
3.2.3　影響企業(yè)財務困境的外部因素
3.3　企業(yè)財務困境分析與預測框架
3.3.1　企業(yè)財務困境分析與預測過程框架
3.3.2　企業(yè)財務困境分析與預測方法框架
第4章 企業(yè)財務困境分析與預測指標體系的構(gòu)建
4.1　企業(yè)財務困境分析與預測的總體指標體系
4.1.1　構(gòu)建總體預測指標體系的原則
4.1.2　總體預測指標體系的構(gòu)建
4.2　財務困境短期分析與預測指標體系
4.2.1　指標數(shù)據(jù)的正態(tài)分布檢驗
4.2.2　指標數(shù)據(jù)的顯著性差異檢驗
4.2.3　指標數(shù)據(jù)的多重共線性檢驗
4.3　財務困境中長期分析與預測指標體系
4.3.1　指標數(shù)據(jù)的正態(tài)分布檢驗
4.3.2　指標數(shù)據(jù)的顯著性差異檢驗
4.3.3　指標數(shù)據(jù)的多重共線性檢驗
4.3.4　短期與中長期分析和預測指標體系的比較
第5章 基于支持向量機的企業(yè)財務困境預測方法
 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
5.1.3Logit回歸模型的評價和檢驗
5.2支持向量機的改進算法
5.2.1最小二乘支持向量機
5.2.2增長記憶學習算法原理
5.2.3基于熵的LS-SVM增長記憶學習算法
5.3基于支持向量機的財務困境預測方法
5.3.1基于SVM的財務困境預測方法
5.3.2基于LS-SVM的財務困境預測方法
5.3.3基于熵的增長記憶式LS-SVM財務困境預測方法
5.4模型構(gòu)建及數(shù)值檢驗
5.4.1標準SVM模型
5.4.2LS-SVM模型
5.4.3基于熵的LS-SVM增長記憶模型
第6章基于遺傳算法和支持向量機的財務困境預測方法
6.1基于遺傳算法的支持向量機參數(shù)優(yōu)化
6.1.1傳統(tǒng)支持向量機參數(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參數(shù)優(yōu)化
6.2基于遺傳算法和SVM的財務困境預測方法
6.2.1基于遺傳算法和SVM的財務困境預測流程圖
6.2.2基于遺傳算法和SVM的財務困境預測實現(xiàn)步驟
6.3模型構(gòu)建及數(shù)值檢驗
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)財務困境分析與預測實證研究
7.1研究樣本的來源及統(tǒng)計分析
7.1.1研究樣本的來源
7.1.2研究樣本的選取
7.1.3研究樣本的統(tǒng)計分析
7.1.4模型輸入變量的獲取
7.2短期預測多模型的建立及實證研究
7.2.1Logit回歸模型
7.2.2標準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中長期預測多模型的建立及實證研究
7.3.1ST前2年預測模型的建立及實證分析
7.3.2ST前3年預測模型的建立及實證分析
7.4短期及中長期預測多模型預測結(jié)果的分析比較
7.4.1Logit回歸模型
7.4.2標準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)集多模型預測結(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

編輯推薦

　　《企業(yè)財務困境分析與預測方法研究》既適合于從事預測、統(tǒng)計和財務管理的碩士生、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、財務管理者、經(jīng)濟分析師，更適合于金融、證券等投資者。

圖書封面

評論、評分、閱讀與下載

---

    企業(yè)財務困境分析與預測方法研究 PDF格式下載

---