企业财务困境预警：方法与应用
作　者： 鲍新中，刘澄，赵可 著
出版时间： 2015

《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。
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




上一篇: 中国管理科学历程
下一篇: 打造系统，复制人才 企业如何招才选将