企業財務困境預警：方法與應用（簡體書）

作者鮑新中、劉澄、趙可近年來在公司財務困境預警問題上開展了系列研究，《企業財務困境預警--方法與應用》的內容是圍繞財務困境預警問題進行的多項碎片化研究成果的整合。因此，在個別章節中可能會有少許重復，如預警指標體系的選擇、企業樣本的選擇等，但是為了保持章節內容的完整性，只針對局部內容進行了部分調整，並沒有對每個研究內容的整體進行改寫。

緒論
第一章 企業財務困境預警技術的發展
第一節 關于財務困境的界定
一、國外對財務困境的界定
二、國內對財務困境的界定
第二節 財務困境預警技術的發展歷程
一、傳統的財務預警技術
二、基于人工智能技術的財務預警技術
三、傳統方法的改進及前沿技術
第三節 本章小結
第二章 財務困境預警指標的選擇
第一節 常用的財務困境預警指標
一、財務指標
二、非財務指標
第二節 財務預警指標選擇的常用方法
第三節 基于聚類一灰色關聯分析的財務預警指標選擇思路設計
一、灰色關聯分析
二、聚類分析理論
三、基于聚類一灰色關聯分析的指標綜合約簡方法設計
第四節 實證分析
一、財務指標體系的初步構建與樣本選取
二、基于離差平方和思想的聚類分析
三、基于灰色關聯分析的指標篩選
第五節 本章小結
第三章 基于偏最小二乘L0gistic方法的財務困境預警
第一節 偏最小二乘L0gistic模型介紹
一、Logistic回歸模型及其特征
二、偏最小二乘L0gistic回歸模型及其特征
第二節 指標體系及樣本的選擇
一、預警指標體系
二、樣本選擇
第三節 實證分析
一、Logistic回歸模型實證分析過程
二、偏最小二乘Logistic回歸模型實證分析過程
第四節 本章小結
第四章 基于粗糙集與神經網絡的財務困境預警
第一節 粗糙集與神經網絡基本原理
一、粗糙集理論
二、神經網絡基本原理
三、粗糙集理論與神經網絡的結合應用
第二節 指標體系及樣本選擇
一、樣本數據的選擇
二、指標體系的建立
三、研究方法的組合設計
第三節 實證分析
一、數據預處理
二、層次聚類分析
三、粗糙集屬性約簡
四、神經網絡訓練
第四節 本章小結
第五章 基于決策樹理論的財務困境預警
第一節 決策樹模型原理
一、CHAID決策樹模型
二、基于變精度加權平均粗糙度建立決策樹模型
第二節 指標體系及樣本選擇
一、數據選取
二、原始指標體系構建
三、變精度加權平均粗糙度預警技術路線
第三節 實證分析
一、數據標準化
二、指標約簡
三、公司財務狀況等級劃分
四、基于CHAID模型的實證分析
五、基于變精度加權平均粗糙度決策樹的實證分析
第四節 本章小結“
第六章 基于粒子群K均值算法的財務困境預警
第一節 算法原理
一、粒子群算法
二、基于Ps0的K均值算法
第二節 指標體系及樣本選擇
一、樣本公司選取
二、財務指標選取
第三節 實證分析
一、數據預處理
二、分類預警-
三、綜合評價及檢驗
第四節 本章小結
第七章 基于面板離散選擇模型的財務困境預警
第一節 面板離散選擇模型原理
第二節 指標體系及樣本選擇
一、樣本公司選擇
二、指標的初選
三、確定指標體系
第三節 實證分析
一、基于制造業的實證分析
二、基于其他門類行業的實證分析
三、基于制造業次類行業的實證分析
第四節 本章小結
第八章 基于Kalman濾波的財務困境動態預警
第一節 狀態空間模型和Kalman濾波原理
一、狀態空間模型
二、Kalman濾波
三、Kalman濾波的國內外相關研究
四、財務狀況預警狀態空間模型的建立
第二節 指標體系及樣本選擇
一、樣本數據的選擇
二、特征指標選取
三、動態數據的描述性統計及檢驗
第三節 實證分析
一、全局主成分分析動態財務數據
二、預警閾值的確定
三、基于Kalman濾波財務預警模型的運用
四、模型檢驗結果分析
第四節 本章小結
第九章 基于EWMA控制圖模型的財務困境動態預警
第一節 EwMA控制圖模型相關理論
一、向量自回歸移動平均模型
二、EWMA控制圖模型基本原理
第二節 指標體系及樣本選取
一、研究思路設計
二、樣本數據的選取
三、指標體系的建立
第三節 實證分析
一、數據預處理
二、指標數據的差異性檢驗
三、粗糙集屬性約簡
四、模型的建立
五、模型的檢驗
第四節 本章小結
第十章 考慮集團化經營特征的企業財務困境預警
第一節 集團化經營企業及其財務風險特征
一、集團化經營企業的界定
二、集團化經營企業的財務風險特征分析
三、考慮集團化經營特征的企業財務預警指標體系
第二節 研究方法與建模
一、信用事件計量模型
二、Logistic回歸模型
三、基于KMV—Logistic模型的財務預警模型
第三節 實證研究
一、樣本描述
二、數據預處理
三、實證分析
第四節 本章小結
參考文獻