第一章 绪论
第一节 课题背景及研究目的和意义
一 课题背景
二 研究目的和意义
第二节 国内外研究现状综述
一 企业预警基本理论的研究现状
二 财务危机概念界定的研究现状
三 财务危机预警方法的研究现状
四 财务危机预警指标体系的研究现状
五 财务危机预警实证研究的现状
六 当前研究中存在的问题
第三节 主要内容和结构
第四节 研究方法及技术路线
一 研究方法
二 技术路线
第二章 企业财务危机预警理论
第一节 财务危机和财务危机预警的含义
一 财务危机的基本含义
二 财务危机的类型
三 财务危机预警的基本含义
第二节 企业财务危机周期及性质
一 企业财务危机周期
二 企业财务危机的性质
第三节 财务危机的警源分析
一 财务危机的外生警源
二 财务危机的内生警源
第四节 多层次财务危机预警体系
一 多层次财务危机预警体系框架
二 单项财务指标的实时监控
三 基于机器学习的财务危机预警
四 基于专家经验的财务危机预警
第五节 本章小结
第三章 实验用样本数据及定量财务指标体系
第一节 样本公司的选择
一 财务危机样本公司的选择标准
二 财务正常样本公司的配对标准
三 样本公司选择结果
第二节 备选财务指标的选择
一 备选财务指标的选择原则
二 备选财务指标的内容
第三节 样本数据及统计描述和检验
一 样本数据收集及预处理
二 描述性统计和正态性检验
第四节 定量财务指标体系
一 备选财务指标的均值比较
二 定量财务指标体系的内容
三 定量财务指标体系的共线性检验
第五节 本章小结
第四章 人工智能单分类器财务危机预警方法
第一节 单分类器财务危机预测的空间几何意义
第二节 遗传算法动态优化决策树的财务危机预测
一 设计思想及流程算法
二 决策树理论
三 遗传算法设计
四 实验方案设计
五 参数设置及模型优化
六 实验结果及分析
第三节 基于支持向量机的财务危机预测
一 支持向量机原理
二 支持向量机财务危机预测的流程算法
三 实验方案设计
四 模型参数设置
五 实验结果及分析
第四节 相似度加权投票组合κ近邻案例财务危机预测
一 基本设计思想
二 财务危机预测的案例描述及案例库
三 财务危机预测的相似案例检索
四 预测结果的相似度加权投票集成
五 实验方案设计
六 参数设置及经验范围
七 实验结果及分析
第五节 本章小结
第五章 基于多分类器组合的财务危机预警方法
第一节 单分类器的输出信息类型
第二节 多分类器组合的基本类型
一 按组合结构分类
二 按基本分类器产生方法分类
第三节 基于异构模型的财务危机并串联及混合组合预测机理
一 财务危机的多分类器并联组合预测
二 财务危机的多分类器串联组合预测
三 财务危机的多分类器混合组合预测
第四节 基于异构模型的财务危机并串联及混合组合预测实验
一 实验方案设计
二 单分类器的参数设置及差异性分析
三 多分类器并联组合权重的确定
四 多分类器串联组合系统的构建
五 多分类器混合组合系统的构建
六 实验结果及分析
七 三种组合预测方法的比较评价
第五节 基于AdaBoost组合分类器的财务危机预测模型
一 研究的基本思路
二 基于AdaBoost组合分类器的财务危机预测框架
三 AdaBoost算法
四 弱分类器
五 组合机制
第六节 基于AdaBoost组合分类器的财务危机预测实验
一 数据收集和预处理
二 实验设计
三 实验结果及分析
第七节 本章小结
第六章 基于群决策的财务危机预警方法
第一节 定性指标体系及评分标准
一 定性指标体系的内容
二 定性指标的评分标准
第二节 定性指标权重的多专家协商确定
一 相关定义
二 定性指标重要性的专家表示形式
三 专家协商小组的划分
四 定性指标重要性程度的协商机制
五 定性指标权重的确定
六 多专家协商确定权重的算例
第三节 财务危机可能性的灰色综合评价
一 评价灰类及白化权函数设计
二 一级定性指标的灰色综合评价
三 财务危机可能性的灰色综合评价
四 财务危机可能性评价的算例
第四节 基于群决策的财务危机预警实例
一 公司简介及实例方案设计
二 财务危机的定量预测结果
三 财务危机可能性的多专家评价结果
四 实例分析与讨论
第五节 本章小结
结论
附录
参考文献
财务危机是企业危机最综合、最显著的表现。随着我国证券市场机制和企业破产制度的完善，财务危机不但使企业遭受巨大损失，而且直接影响企业的生存和发展。如何提高企业财务危机预警效果，已成为企业的重要研究问题。
然而，已有的财务危机预警研究主要围绕传统的单分类器财务危机预测方法展开，缺乏系统性。不但人工智能单分类器财务危机预测方法有待进一步扩充，而且忽视了以多分类器组合进行财务危机预测可能带来的好处，以及专家经验知识和非财务信息对财务危机预警的重要作用。在该研究背景下，当前正飞速发展的计算机科学、人工智能、数据挖掘和群决策理论，为从新的视角开展企业财务危机预警研究提供了思路。
《企业财务危机预警的智能决策方法》以财务管理理论和企业预警理论为基础，跟踪人工智能、数据挖掘以及群决策领域的前沿理论、方法和技术，采用定量和定性相结合、规范和实证相结合、机器学习和专家经验相结合的跨学科综合研究方法，对企业财务危机预警的智能决策方法体系展开系统的研究。
《企业财务危机预警的智能决策方法》从剖析企业财务危机问题的现象和本质人手，提出了包含财务指标实时监控、财务危机机器学习预警和财务危机专家经验预警三个方面的多层次财务危机预警体系框架，并抓住基于定量财务数据的机器学习预警和基于定性财务及非财务信息的专家经验预警两条主线来进行深入研究。
首先，样本数据集和定量财务指标体系的构建。从上海和深圳股票市场收集135对上市公司各自的30个财务指标数据，经过排除残缺数据和异常数据预处理后，对其展开充分的统计描述和正态检验，证明用该样本对财务危机定量预测方法进行实验验证的适用性。然后，通过指标均值比较，逐步判别分析和共线性检验，精减得到财务危机预测的定量财务指标体系。
其次，基于人工智能单分类器的财务危机预警方法研究。提出遗传算法动态优化决策树的财务危机预测方法，通过优化决策树输入属性集合来提高泛化预测能力。实验结果表明，该方法明显优于事先静态选定输人属性集合的决策树方法。同时，设计了支持向量机财务危机预测方法的流程算法，通过最大化软间隔来寻找最优分类超平面，并采用交叉验证和网格搜索相结合的方法确定支持向量机模型参数。实验结果表明，该方法在拟合能力、泛化能力和模型稳定性三个方面具有很好的综合性能。提出相似度加权投票组合κ近邻案例的财务危机预测方法，采用知识引导和κ近邻相结合的混合案例检索策略，并设计了相似度加权投票概率最大化原则来确定待预测案例的财务状况类别。实证实验不但分析了该方法参数的经验取值范围，而且证明它非常适用于财务危机的短期预测。 再次，基于多分类器组合的财务危机预警方法研究。分别构建基于异构模型的财务危机并、串联组合预测方法和基于AdaBoost组合分类器的财务危机预测方法。提出财务危机的并联组合预测方法，建立了并联组合的加权多数投票模型和基本分类器的投票权重模型，并以差异性原则和个体优化原则来选择并联基本分类器。提出以类别相关经验为导向对财务危机进行串联组合预测的思想，通过单类择优算子和总体择优算子选择串联基本分类器，并设计了流程算法。提出财务危机的混合组合预测方法，用并联结构作为串联结构的基本模块，以弥补单纯串联组合易受某个基本分类器主导的缺陷。对基于各单分类器和三种组合结构的财务危机预测方法进行对比实验表明，并联组合财务危机预测方法在取得最高平均准确率的同时降低了离散程度，混合组合财务危机预测方法在取得最低离散程度的同时提高了平均准确率，两者都能起到不同基本分类器信息互补和扬长避短的作用；但是，串联组合财务危机预测方法容易受串联中的第一个基本分类器主导，预测性能没有明显提高。设计了基于AdaBoost组合分类器的财务危机预测框架和算法，分别采用单变量分析和决策树两种分类器算法训练基本分类器，实验结果表明，AdaBoost集成单变量分析的效果显著优于AdaBoost集成决策树、单决策树以及单支持向量机，弱分类器的选择对基于AdaBoost组合分类器的财务危机预测模型的性能有重要影响。
最后，基于群决策的财务危机可能性评价预警方法研究。为了弥补单靠机器学习手段处理定量财务数据方式进行财务危机预警的不足，提出充分利用专家经验和知识处理财务及非财务定性信息方式来评价企业财务危机可能性的预警思想。为此，设计了包含财务及非财务信息的定性指标体系及其评分标准，以及定性指标权重的多专家协商机制，提出了专家期望协商因子的新概念，采用灰色综合评价方法进行财务危机可能性评价，并对灰色评价的灰类和白化权函数进行了具体设计。实例分析检验了该方法的有效性。
对企业财务危机预警理论和方法体系的研究，丰富了该领域的理论研究成果，能够为实际企业开展财务危机预警提供理论指导和技术支持，具有重要的理论和实际意义。本书由孙洁著。
《企业财务危机预警的智能决策方法》综述了企业财务危机预警的经典文献和近年来的最新文献，阐述了财务危机及其预警的基本理论，重点探讨了包括人工智能单分类器、多分类器组合、群决策三类财务危机预警智能决策方法，并针对每种方法提供详细的实证数据实验或案例分析。
本书是作者孙洁近十年来在财务危机预警领域持续开展研究工作的成果结晶。希望通过此书将自己的研究成果与该领域的更多同行进行交流，同时也对该领域研究那些感兴趣的后继学者起到一定的文献导读和研究导引作用。
