企业财务困境分析与预测方法研究

出版时间：2011-10  出版社：经济科学  作者：赵冠华  页数：256  

内容概要

　　财务困境分析与预测是财务管理和投资管理领域的一个重要研究方向，企业是否会陷入财务困境，这不仅关系到企业本身战略的制定与调整，而且还关系到投资者和债权人的利益。本书研究的目的，就是希望能够提出一种适合我国上市公司的、无企业规模限制、无行业局限、无股权结构限制，可以广泛应用的财务困境分析与预测方法。从而，向监管部门和广大投资者揭示，有哪些公司可能会陷入财务困境，使他们引起警觉，使监管部门维护市场稳定，为市场提供科学的决策信息。

作者简介

　　赵冠华，男，1962年12月出生，汉族，江苏徐州人，中共党员，研究生学历，管理学博士。现为山东财经大学会计学院副教授、研究生导师。原山东财政学院首批会计学科研团队成员、山东省首批会计学教学团队成员。山东省应用统计学会理事、济南市数量经济与技术经济学会理事。
　　1988年7月毕业于中国地质大学(武汉)信息与计算科学专业，获学士学位；1995年7月研究生毕业于中国地质大学(北京)计算数学专业，获硕士学位；2009年12月毕业于天津大学管理科学与工程专业，获管理学博士学位。1995年研究生毕业后到原山东财政学院会计学院任教至今。长期从事会计信息化、企业财务风险预警等方面的教学和科研工作。先后在《运筹与管理》、《计算机应用》、《计算机工程与设计》、《中国管理信息化》、《财会月刊》、国外El源刊Advanced
MateriaIs ReSearch和Communications in Computer and
InformationScience以及国际著名学术会议上发表论文30多篇。主持完成省级课题4项，参与省级课题2项、国家自然科学基金课题1项。曾先后获得山东财政学院优秀科研成果一等奖2项、山东省省级实验教学成果奖三等奖3项、山东省省级教学成果奖二等奖1项、山东软科学优秀成果奖三等奖1项。

书籍目录

第1章　绪论
1.1　研究背景及研究意义
1.1.1　研究背景
1.1.2　研究意义
1.2　研究方法和内容
1.2.1　研究方法
1.2.2　研究内容
1.3　主要创新点
第2章　企业财务困境分析与预测相关理论及研究综述
2.1　支持向量机相关理论
2.1.1　机器学习与统计学习理论
2.1.2　支持向量机原理
2.1.3　支持向量机应用研究现状
2.2　遗传算法相关理论
2.2.1　遗传算法原理及其历史演进
2.2.2　遗传算法的研究内容
2.2.3　遗传算法应用研究现状
2.3　企业财务困境分析与预测方法研究综述
2.3.1　企业财务困境内涵的界定
2.3.2　企业财务困境定量分析与预测方法
2.3.3　企业财务困境定性分析与预测方法
第3章　企业财务困境特征及影响因素分析
3.1　企业财务困境及其特征分析
3.1.1　企业财务困境概念的界定
3.1.2　企业财务困境特征
3.1.3　企业财务困境特征分析
3.1.4　企业财务困境形成的时序特征
3.2　企业财务困境影响因素分析
3.2.1　企业财务困境总体影响因素
3.2.2　影响企业财务困境的内部因素
3.2.3　影响企业财务困境的外部因素
3.3　企业财务困境分析与预测框架
3.3.1　企业财务困境分析与预测过程框架
3.3.2　企业财务困境分析与预测方法框架
第4章 企业财务困境分析与预测指标体系的构建
4.1　企业财务困境分析与预测的总体指标体系
4.1.1　构建总体预测指标体系的原则
4.1.2　总体预测指标体系的构建
4.2　财务困境短期分析与预测指标体系
4.2.1　指标数据的正态分布检验
4.2.2　指标数据的显著性差异检验
4.2.3　指标数据的多重共线性检验
4.3　财务困境中长期分析与预测指标体系
4.3.1　指标数据的正态分布检验
4.3.2　指标数据的显著性差异检验
4.3.3　指标数据的多重共线性检验
4.3.4　短期与中长期分析和预测指标体系的比较
第5章 基于支持向量机的企业财务困境预测方法
 5.1Logit回归模型
5.1.1Logit回归模型的形式
5.1.2Logit回归模型的估计
5.1.3Logit回归模型的评价和检验
5.2支持向量机的改进算法
5.2.1最小二乘支持向量机
5.2.2增长记忆学习算法原理
5.2.3基于熵的LS-SVM增长记忆学习算法
5.3基于支持向量机的财务困境预测方法
5.3.1基于SVM的财务困境预测方法
5.3.2基于LS-SVM的财务困境预测方法
5.3.3基于熵的增长记忆式LS-SVM财务困境预测方法
5.4模型构建及数值检验
5.4.1标准SVM模型
5.4.2LS-SVM模型
5.4.3基于熵的LS-SVM增长记忆模型
第6章基于遗传算法和支持向量机的财务困境预测方法
6.1基于遗传算法的支持向量机参数优化
6.1.1传统支持向量机参数优化方法及其不足
6.1.2基于遗传算法的支持向量机参数优化
6.2基于遗传算法和SVM的财务困境预测方法
6.2.1基于遗传算法和SVM的财务困境预测流程图
6.2.2基于遗传算法和SVM的财务困境预测实现步骤
6.3模型构建及数值检验
6.3.1基于遗传算法的SVM模型
6.3.2基于遗传算法的LS-SVM模型
6.3.3基于遗传算法和熵的LS-SVM模型
第7章企业财务困境分析与预测实证研究
7.1研究样本的来源及统计分析
7.1.1研究样本的来源
7.1.2研究样本的选取
7.1.3研究样本的统计分析
7.1.4模型输入变量的获取
7.2短期预测多模型的建立及实证研究
7.2.1Logit回归模型
7.2.2标准SVM模型
7.2.3LS-SVM模型
7.2.4基于熵的LS-SVM模型
7.2.5基于遗传算法的SVM模型
7.2.6基于遗传算法的LS-SVM模型
7.2.7基于遗传算法和熵的LS-SVM模型
7.3中长期预测多模型的建立及实证研究
7.3.1ST前2年预测模型的建立及实证分析
7.3.2ST前3年预测模型的建立及实证分析
7.4短期及中长期预测多模型预测结果的分析比较
7.4.1Logit回归模型
7.4.2标准SVM模型
7.4.3基于遗传算法的SVM模型
7.4.4LS-SVM模型
7.4.5基于遗传算法的LS-SVM模型
7.4.6基于熵的LS-SVM模型
7.4.7基于遗传算法和熵的LS-SVM模型
7.5不同数据集多模型预测结果的分析比较
7.5.1基于遗传算法的SVM模型
7.5.2基于遗传算法的LS-SVM模型
7.5.3基于遗传算法和熵的LS-SVM模型
第8章研究与展望
8.1研究工作总结
8.2不足与展望
附录
参考文献

编辑推荐

　　《企业财务困境分析与预测方法研究》既适合于从事预测、统计和财务管理的硕士生、博士生、科研人员以及高校教师，也适合于不同层次的企业管理者、财务管理者、经济分析师，更适合于金融、证券等投资者。