第1章 绪论 1
1.1 研究背景 1
1.2 研究意义 5
1.3 全文的结构安排 10
第2章 文献综述 12
2.1 企业财务困境的定义 12
2.1.1 国外学者的观点 12
2.1.2 国内学者的观点 12
2.1.3 财务困境概念的再分析 14
2.2 关于财务困境预测变量的最新探讨 19
2.2.1 财务困境预测变量选择理论 19
2.2.2 利用普遍使用的财务比率 24
2.2.3 使用现金流量数据 25
2.2.4 用于预测的其他变量 27
2.2.5 调整财务比率：价格水平调整和变换 29
2.2.6 精简变量集 29
2.2.7 变量的数学变换 31
2.3 财务困境预测的统计与智能方法 32
2.3.1 单变量分析 32
2.3.2 线性判别分析 34
2.3.3 条件概率模型 37
2.3.4 多状态预测模型 40
2.3.5 生存分析 41
2.3.6 财务困境预测的智能方法 42
2.4 关于财务困境预测中样本与结果评价问题 53
2.4.1 样本选择和数据收集 53
2.4.2 评价实证结果 56
2.4.3 先验概率 59
2.4.4 在评价中加入误分成本 60
2.4.5 在确定结果的相关问题时其他注意事项 61
2.5 国内研究述评 62
2.6 财务困境理论的发展路线 64
第3章 企业财务困境预测方法简介 68
3.1 判别分析 68
3.2 支持向量机 70
3.2.1 Vapnik-Chervonenkis维 71
3.2.2 A间隔分类超平面 73
3.2.3 最大间隔分类 74
3.2.4 最小二乘支持向量机LSSVM 77
3.2.5 支持向量机研究现状 78
3.3 应用多选择模型 79
3.3.1 多分logit模型 80
3.3.2 条件logit模型 82
3.3.3 无关选择的独立假设 83
3.3.4 嵌套logit模型 83
3.3.5 多分ptobit模型 86
3.3.6 混合logit模型 86
第4章 基于SVM的财务困境预测 88
4.1 样本选择 88
4.2 预测变量选择 89
4.3 模型建立 92
4.4 剖面分析 97
4.5 支持向量机分类 99
4.6 与多变量判别分析判别效果与比较 106
4.6.1 判别前提检验 106
4.6.2 逐步判别分析 108
4.6.3 预测效果分析 119
4.7 误分成本分析 121
4.8 结论 123
第5章 基于支持向量机的三状态财务困境预测 125
5.1 引言 125
5.2 评价标准简介 125
5.3 研究设计 126
5.3.1 样本选择 126
5.3.2 预测变量选择 127
5.3.3 反应变量选择 127
5.3.4 模型建立 128
5.4 实证结果 128
5.5 结论 129
第6章 中美财务困境识别比较研究 130
6.1 前言 130
6.2 研究设计 131
6.2.1 美国公司样本 131
6.2.2 中国公司样本 131
6.2.3 变量选择 132
6.2.4 检验模型 133
6.3 实证结果 134
6.3.1 剖面分析 134
6.3.2 面板回归结果分析 141
6.4 结论 143
第7章 现金流在脱困识别中的作用 147
7.1 研究背景 147
7.2 相关文献回顾 148
7.2.1 破产预测文献 148
7.2.2 脱困预测文献 148
7.3 研究设计 148
7.3.1 样本与数据 148
7.3.2 变量选择与定义 149
7.3.3 检验模型 150
7.4 实证结果与分析 151
7.4.1 描述性统计量 151
7.4.2 现金流量相对信息含量的单变量logistic回归分析 152
7.4.3 现金流量增量信息含量的多变量logistic回归分析 153
7.5 结论 155
第8章 我国财务困境制度变迁与研究展望 157
8.1 我国财务困境法律制度的演变 157
8.2 我国证券市场的财务困境问题 160
8.2.1 我国上市公司的财务困境现象 160
8.2.2 导致上市公司财务困境的原因分析 161
8.3 本文总结与研究展望 165
参考文献 167
附录1 样本公司名单与变量各年剖面分析结果 190
附录2 WRDS系统数据的SAS加工程序 209