1 引言
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 财务危机预警相关研究
1.2.2 知识融合相关研究
1.2.3 现状述评
1.3 研究内容与方法
1.3.1 研究目标与内容
1.3.2 主要研究方法
1.3.3 技术路线
1.4 研究重难点及创新点
1.4.1 研究重难点
1.4.2 研究创新点
2 相关理论与方法
2.1 财务危机预警理论及方法
2.1.1 财务危机的内涵
2.1.2 财务危机预警的理论基础
2.1.3 财务危机预警方法
2.2 知识融合理论与方法
2.2.1 知识融合相关概念辨析
2.2.2 知识融合内涵及框架
2.2.3 知识融合算法
2.3 文本分析理论及方法
2.3.1 深度学习与文本分析
2.3.2 文本情感分类
2.3.3 文本可读性标引
2.4 本章小结
3 基于知识融合的上市公司财务危机预警模型
3.1 上市公司财务危机预警的信息来源与知识组织需求
3.1.1 上市公司财务危机预警的信息来源
3.1.2 上市公司财务危机预警的知识组织需求
3.2 上市公司财务危机预警的知识融合目标与模式
3.2.1 上市公司财务危机预警的知识融合目标
3.2.2 上市公司财务危机预警的知识融合模式
3.3 基于知识融合的上市公司财务危机预警模型构建
3.3.1 基于数据层知识融合的财务危机预警知识组织
3.3.2 基于处理层知识融合的财务危机预警特征建模
3.3.3 基于应用层知识融合的财务危机预警实现
3.4 本章小结
4 基于数据层知识融合的财务危机预警知识组织
4.1 上市公司财务危机预警研究的样本企业选择
4.1.1 财务危机样本企业的选择
4.1.2 财务健康样本企业的选择
4.2 上市公司财务危机预警信息资源获取
4.2.1 财务危机预警结构化信息资源荻取
4.2.2 财务危机预警非结构化信息资源获取
4.3 面向财务危机预警结构化信息的知识组织
4.3.1 财务危机预警结构化信息特征分析
4.3.2 财务危机预警结构化信息的知识组织方法
4.4 面向财务危机预警非结构化信息的知识组织
4.4.1 面向上市公司年度报告的知识组织
4.4.2 面向上市公司网络财经新闻的知识组织
4.5 基于知识融合的上市公司年度报告及财经新闻情感标引
4.5.1 基于深度学习的领域情感词典构建方法
4.5.2 基于深度学习的上公司年度报告情感标引实验
4.5.3 基于深度学习的上市公司网络财经新闻情感标引实验
4.6 基于知识融合的上市公司年度报告可读性标引
4.6.1 上市公司年度报告可读性标引方法
4.6.2 基于深度学习的上市公司年度报告可读性标引实验
4.6.3 基于统计学方法的上市公司年度报告可读性标引实验
4.7 本章小结
5 基于处理层知识融合的财务危机预警特征建模
5.1 上市公司财务危机预警非平衡样本集的处理
5.1.1 上市公司财务危机预警初选知识
5.1.2 面向非平衡样本集的处理方法
5.1.3 基于SMOTE-Tomek的非平衡样本集处理
5.2 基于融合算法的上市公司财务危机预警特征建模方法
5.2.1 特征降维方法
5.2.2 基于融合算法的上市公司财务危机预警特征降维模型
5.3 基于融合算法的上市公司财务危机预警特征建模实验
5.3.1 基于T检验的上市公司财务危机预警特征初选
5.3.2 基于GARF的上市公司财务危机预警特征优选
5.3.3 上市公司财务危机预警知识的优选特征子集分析
5.4 本章小结
6 基于应用层知识融合的财务危机预警实现
6.1 基于单分类器的上市公司财务危机预警模型
6.1.1 回归分析模型
6.1.2 支持向量机
6.1.3 决策树
6.2 基于融合算法的上市公司财务危机预警模型
6.2.1 基于深度学习的上市公司财务危机预警模型
6.2.2 基于D-S证据理论的上市公司财务危机预警模型
6.3 基于融合算法的上市公司财务危机预警实现及分析
6.3.1 上市公司财务危机预警实验设计
6.3.2 上市公司财务危机预警实验结果与分析
6.4 本章小结
7 总结与展望
7.1 研究总结
7.2 研究局限与展望
参考文献
展开
