企业财务困境预警

第一章企业财务困境预警技术的发展第一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第一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最小二乘L0gistic方法的财务困境预警第一节偏最小二乘L0gistic模型介绍一、Logistic回归模型及其特征二、偏最小二乘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、偏最小二乘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第一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第一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第一节算法原理一、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第一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第一节状态空间模型和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第一节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第一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

《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。