1、“.....般不同的问题，选取不同的累计贡献率大小来确定主成分的个数。写出各主成分表达式后再解释这几个主成分的含义，最后可以计算各主成分的值就行比较。在中，未直接给出计算主成分分析方法所需要的结果，而是将其嵌入到因子分析的计算结果之中。由于多变量的预测单位量纲不同，所以主成分分析的第步是对变量进行标准化变换。软件中自动作为隐含设置处理重庆大学硕士学位论文实证研究本文对上面通过显著性检验的个指标，利用家训练样本的数据，运用软件进行主成分分析，结果如下表各主成分特征值及累计贡献率表主成分特征值累计贡献率根据计算结果，本文选取累计贡献率为，这样就得到了个主成分，这些主成分包含了原有指标体系的信息量。再采用了正交旋转法中的最大方差法进行转化得到了因子载荷矩阵，来解释这个主成分......”。

2、“.....其代表指标为速动比率。主成分的支配变量依次为资产周转率营业收入增长率流动资产周转率，其代表指标为资产周转率。主成分的支配变量为股东权益比率，明显高于其他指标，所以为代表变量。主成分的支配变量为每股收益资产收益率，其代表指标为每股收益。主成分的支配变量为市盈率总资产周转率，其代表指标为市盈率。主成分的支配变量为存货流动负债比，明显高于其他指标，所以为代表变量。主成分的支配变量为净资产增长率，明显高于其他指标，所以为代表变量......”。

3、“.....资产周转率，股东权益比率，每股收益，市盈率，存货流动负债比，净资产增长率，这个代表指标变量全面反映了上市公司的财务状况。实证结果及比较分析判别分析的实证结果本文用家训练样本年数据为基础，令公司，非公司。采用判别准则，建立多元判别分析模型，运用运算得出各指标系数为重庆大学硕士学位论文表各指标系数表实证研究编号预测指标名称净资产增长率股东权益比率资产周转率每股收益速动比率存货流动负债比市盈率系数由此可以得到判别函数为根据判别公式，把训练样本的数据回代，得到公司和非公司的平均值为和，取均值即为阈值。将回代得到的判定为非公司。当时为灰色地带，本文把这种情况也归为公司。将训练样本年财务数据带入公式可以得到结果，下表为结果汇总表训练样本判别结果非公预测值公司司总计正确率误判率真实值公司非公司总计以为值的判别阈值......”。

4、“.....判别结果汇总如下重庆大学硕士学位论文表测试样本判别结果实证研究预测值非公真实值公司司总计正确率误判率公司非公司总计多元逻辑回归的实证结果本文用家训练样本年数据为基础，以经过二次处理过后得到的个指标作为变量，构建逻辑回归模型，运用软件分析，得到模型各指标的系数如下表表各指标系数表预测指标名称净资产增长率股东权益比率资产周转率每股收益速动比率存货流动负债比市盈率常量说明为预测变量的回归系数为回归系数的标准误差为检验偏回归系数的统计量为自由度为显著水平。根据上表，构建逻辑回归模型得到逻辑回归模型般选择作为分割点。当值大于时，判别为公司，数值越大，表明该公司未来年内发生财务困境的可能性越大当值小于时，判别为非公司，数值越小......”。

5、“.....表和取不同值时的验证准确率和支持向量机个数重庆大学硕士学位论文实证研究说明该公司的财务状况不太明朗，但是为谨慎起见，也判别为公司。把家测试样本代入得到判别结果如下表测试样本判别结果预测值非公真实值公司司总计正确率误判率公司非公司总计支持向量机的实证结果研究表明，支持向量机算法中采用不同的核函数对预测产生不同的效果。常用的核函数有线性核函数，函数，多项式核函数和径向基核函数，般常用的是径向基核函数。本文即采用径向基核函数来作为支持向量机的内积核函数。对于公司，令对于非公司，令对于基于核函数的支持向量机，其筛选性能是由参数,决定的，选取不同的和就会得到不同的支持向量机。本文利用训练样本，选取不同的,参数组合分别训练不同的支持向量机，从中得到正确率最高的组合作为最优参数......”。

6、“.....并与验证结果交叉比较，模型训练得到最终优化的参数为，，对财务风险的识别率达到。利用模型训练得到的结果，将家测试样本的数据输入该支持向量机，可以得到财务困境的预测判断重庆大学硕士学位论文表测试样本判别结果实证研究预测值非公真实值公司司总计正确率误判率公司非公司总计主要代码如下读取数据读取数据选择核函数种类，本文选用径向基核函数定义全局变量,调用支持向量机工具箱输出预测结果神经网络的实证结果本文采用家训练样本年的财务数据，构造神经网络。在训练神经网络之前，为了消除系统误差和量纲带来的影响需要对数据进行归化处理。通过显著性分析和主成分分析，我们得到了作为神经网络输入层的个指标变量。分别是净资产增长率，股东权益比率，资产周转率，每股收益，速动比率，存货流动负债比，市盈率......”。

7、“.....其中是第个预测指标对应的全部样本，是第个指标对应的第个数据，是中最大的，为数值最小的，是归化后对应的数据。经过归化处理的数据全部介于,之间。具体的神经网络参数如下输入层和输出层上文个预测指标经过两次处理得到个指标用于构建模型。根据神经网络的学习规则，确定网络输入层的神经元个数为个，输出层神经元个数要根据实际情况而定。根据本文对于上市公司财务困境的界定，重庆大学硕士学位论文实证研究将上市公司分为两类公司和正常公司，这也是本文对网络训练的目标结果。因此本文设定输出层神经元为个，定义为表示公司，表示非公司。隐含层隐含层数的增加在降低网络误差提高精度的同时又加大了神经网络的复杂程度，增加了网络的训练时间和出现过拟合的倾向。本文根据目前学术界的研究，采用含有个隐含层的四层网络结构，这样很容易实现......”。

8、“.....网络节点隐含层神经元数目的确定是个复杂的问题。它往往需要经过多次试验来确定并且现在没有个理想的解析式来表示。隐含层神经元的数目太多或,,,金融数据库王满玲,杨德礼国外公司财务困境预测研究进展评述预测,,重庆大学硕士学位论文参考文献,,,陈艳,张海君上市公司财务预警模型的研究财经问题研究王济川,郭志刚译回归模型方法与应用北京高等教育出版社，朱剑英智能系统非经典数学方法武汉华中科技大学出版社,邓乃扬,田英杰数据挖掘中的新方法支持向量机北京科学出版社,胡国胜，钱玲，张国红。支持向量机的多分类算法，系统工程与电子技术张秋水,罗林开,刘晋明基于支持向量机的中国上市公司财务困境预测计算机应用杨毓,蒙肖莲用支持向量机支持向量机构建上市公司破产预测模型金融研究李晓峰,徐玖平,上市公司财务困境预警模型的建立及其应用......”。

9、“.....文新辉,牛明洁种基于神经网络的非线性组合预测方法系统工程理论与实践,李学全,最优组合预测非负权系数的计算方法研究王福林,张晋国,二个模型构成的组合预测模型最优权估计的种方法预测,电子科技大学学报蒋良奎种在组合预测中确定变权系数的方法上海海运学院学报周皓统计基础和北京清华大学出版社,唐小我经济预测与决策的新方法及其应用研究第版成都电子科技大学出版社,飞思科技产品研发中心,神经网络理论与实现,北京电子工业出版社......”。