现代企业财务困境预测

　　前言
　　引言
　　一、企业财务困境的定义
　　二、现代企业财务困境预测的理论基础
　　第一篇  现代企业财务困境预测模型综述
　　第一章  传统模型分析方法
　　一、单变量分析
　　二、多元判别分析
　　三、LOGIT回归模型
　　第二章  非参数模型分析方法
　　一、递归分割算法
　　二、神经网络模型
　　三、非参数多标准决策支持判别方法
　　第三章  其他相关的模型分析方法
　　一、线性概率模型
　　二、PROBIT模型
　　三、生存分析
　　四、专家系统
　　五、线性目标规划
　　六、CUSUM模型
　　七、事件历史分析法
　　第四章  现代企业财务困境预测模型比较
　　一、参数统计方法之间的比较
　　二、非参数统计方法与参数统计方法的比较
　　第二篇  现代企业财务困境预测实证方法应用
　　第五章  MDA与BP方法在财务困境预测中的应用
　　一、研究样本的设计
　　二、实证研究中指标的选取
　　三、判别方法的选择与实证研究结果
　　第三篇  现代企业财务困境预测经典研究文献概论
　　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
　　一、传统比率分析
　　二、多元判别分析
　　三、模型介绍及样本选择
　　四、实证结果
　　五、Z模型的应用
　　六、结论
　　第七章  识别公司破产风险的新模型——ZETA模型的应用
　　一、引言和本章的目的
　　二、建立新模型的原因
　　三、主要发现
　　四、样本和数据特性及统计方法
　　五、实证结果
　　六、实证结论
　　七、附录
　　第八章  财务比率和破产的概率预测——LOGIT模型的应用
　　一、引言
　　二、对方法和数据收集的一些评论
　　三、收集财务报表的数据
　　四、破产的概率模型
　　五、比率和基本的结果
　　六、预测能力的评估
　　七、结论
　　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
　　一、引言
　　二、递归分割算法
　　三、递归分割算法与判别分析的对比
　　四、样本特性和变量选择
　　五、建模和分类结果
　　六、RPA和DA评分系统的对比
　　七、总结
　　八、附录
　　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
　　一、神经网络方法论概述
　　二、研究设计
　　三、预测结果
　　四、总结性评论
　　五、附录
　　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
　　一、近期的比率研究
　　二、研究设计
　　三、研究结论
　　四、总结
　　第四篇  财务困境预测在中国的应用与发展
　　第十二章  中国企业财务困境预测研究回顾
　　一、研究对象的界定
　　二、研究样本的设计
　　三、初始自变量的选择
　　四、统计方法的运用
　　五、模型实证结果回顾
　　六、研究的局限性和展望
　　第十三章  中国企业财务困境预测研究与实证结果
　　一、研究模型与方法概述
　　二、上市企业财务困境预测研究与结论分析
　　三、非上市企业财务困境预测研究与结论分析
　　四、附录
　　中英文专用词汇对照

　　本书基于学习和应用已有模型和经验的思路，结合企业财务困境预测在中国的应用，详细介绍了进行企业财务困境预测所用的经典方法，以及在实际操作中所遇到的问题。全书分为四篇，第一篇“现代企业财务困境预测模型综述”详细、全面地介绍了企业财务困境预测的经典模型与常用数理方法；第二篇“现代企业财务困境预测实证方法应用”介绍了模型与数理方法在实证研究中的具体运用；第三篇“现代企业财务困境预测经典研究文献概论”编译介绍了在企业财务困境预测中具有里程碑作用的代表性研究论文及其所应用的方法模型；第四篇“财务困境预测在中国的应用与发展”回顾了企业财务困境研究在中国的发展状况，并详细报告了本书作者对企业财务困境进行的一项实证研究的过程及结论。结合这些介绍，读者将对中国企业财务困境预测研究的现状与发展有一个更为全面的认识。