前言 1
引言 1
一、企业财务困境的定义 1
二、现代企业财务困境预测的理论基础 2
第一篇 现代企业财务困境预测模型综述 11
第一章 传统模型分析方法 11
一、单变量分析 11
二、多元判别分析 14
三、LOGIT回归模型 19
一、递归分割算法 22
第二章 非参数模型分析方法 22
二、神经网络模型 25
三、非参数多标准决策支持判别方法 34
第三章 其他相关的模型分析方法 48
一、线性概率模型 48
二、PROBIT模型 49
三、生存分析 50
四、专家系统 51
五、线性目标规划 55
六、CUSUM模型 56
七、事件历史分析法 58
一、参数统计方法之间的比较 60
第四章 现代企业财务困境预测模型比较 60
二、非参数统计方法与参数统计方法的比较 61
第二篇 现代企业财务困境预测实证方法应用 65
第五章 MDA与BP方法在财务困境预测中的应用 65
一、研究样本的设计 65
二、实证研究中指标的选取 69
三、判别方法的选择与实证研究结果 79
第三篇 现代企业财务困境预测经典研究文献概论 83
第六章 财务比率、判别式分析及公司破产的预测——Z模型的应用 83
一、传统比率分析 83
二、多元判别分析 84
三、模型介绍及样本选择 86
四、实证结果 92
五、Z模型的应用 98
六、结论 101
第七章 识别公司破产风险的新模型——ZETA模型的应用 103
一、引言和本章的目的 103
二、建立新模型的原因 103
三、主要发现 104
四、样本和数据特性及统计方法 104
五、实证结果 107
七、附录 120
六、实证结论 120
第八章 财务比率和破产的概率预测——LOGIT模型的应用 127
一、引言 127
二、对方法和数据收集的一些评论 129
三、收集财务报表的数据 131
四、破产的概率模型 133
五、比率和基本的结果 134
六、预测能力的评估 139
七、结论 145
一、引言 147
第九章 财务分类的递归分割法：以财务困境为例——RPA模型的应用 147
二、递归分割算法 149
三、递归分割算法与判别分析的对比 152
四、样本特性和变量选择 155
五、建模和分类结果 155
六、RPA和DA评分系统的对比 162
七、总结 165
八、附录 165
第十章 利用神经网络工具识别财务困境——神经网络模型的应用 169
一、神经网络方法论概述 170
二、研究设计 175
三、预测结果 179
四、总结性评论 182
五、附录 183
第十一章 财务比率分析用于小公司失败预测的实证研究——变量选择 189
一、近期的比率研究 189
二、研究设计 191
三、研究结论 196
四、总结 199
第四篇 财务困境预测在中国的应用与发展 205
第十二章 中国企业财务困境预测研究回顾 205
一、研究对象的界定 205
二、研究样本的设计 206
三、初始自变量的选择 207
四、统计方法的运用 208
五、模型实证结果回顾 209
六、研究的局限性和展望 210
第十三章 中国企业财务困境预测研究与实证结果 212
一、研究模型与方法概述 212
二、上市企业财务困境预测研究与结论分析 214
三、非上市企业财务困境预测研究与结论分析 231
四、附录 239
中英文专用词汇对照 249