信用评价是上市公司财务困境预警研究的重要手段之一。本书介绍了肖当前国际上常用的三种信用评级建模方法：参数统计方法、非参数统计方法和神经网络方法，并详细介绍了各种方法的研究背景，建立了多层感知器、BP算法网络、径向基函数网络、概率神经网络和自组织竞争网络5种神经网络信用评价模型，logistic回归模型和两种线性判别分析法，以及两种支持向量机方法，并利用这9种方法进行了两类模式分类及三类模式分类，探讨了以上各各方法的模式分类能力及其预警能力。*后，研究并建立了logistic回归预测模型、AR及AR模型、ARCH类预测模型及神经网络预测技术，探讨了各种方法在我国股市波动预测中的应用。
本书可供金融学、财务管理、企业管理、应用数学、管理科学与工程等专业的研究人员以及高等院校相关专业的教师与研究生阅读，也可以作为从事金融管理、企业财务管理等方面的实际工作者的参考书。

序言
前言
第1章 绪论
1.1 引言
1.2 财务困境及其预警性研究的意义
1.3 公司财务状况综合评价
1.4 信用风险
1.5 信用风险分析方法
1.6 本书的章节结构
第2章 模糊动态聚类在信用评级中的应用
2.1 引言
2.2 动态聚类分析方法
2.3 举例
2.4 建立模糊聚类评判标准
2.5 本章小结
第3章 判别分析模型在信用评价中的应用
3.1 引言
3.2 样本的选取与确定
3.3 判别分析法
3.4 两类模式分类
3.5 三类模式分类
3.6 本章小结
第4章 Logistic回归模型在信用风险分析中的应用
4.1 引言
4.2 Logistic回归模型
4.3 样本数据及实验结果分析
4.4 本章小结
第5章 神经网络基础知识
5.1 引言
5.2 人工神经元的模型
5.3 网络结构及工作方式
5.4 神经网络的学习方法和算法
5.5 本章小结
第6章 多层感知器信用评价模型
6.1 引言
6.2 感知器
6.3 两类模式分类
6.4 三类模式分类
6.5 MLP学习算法和步骤
6.6 本章小结
第7章 基于BP算法的神经网络信用评价模型
7.1 引言
7.2 多层前向网络学习算法
7.3 两类模式信用评价模型
7.4 三类模式信用评价模型
7.5 BP网络学习算法和步骤
7.6 本章小结
第8章 径向基函数网络信用评价模型
8.1 引言
8.2 径向基函数
8.3 RBF网络信用评价模型
8.4 网类模式分类
8.5 三类模式分类
8.6 本章小结
第9章 概率神经网络信用评价模型
第10章 自组织竞争网络信用风险评价模型
第11章 基于支持向量机的信用评价模型
第12章 信用评价模型比较研究及预警研究
第13章 Logistic回归模型对股价的预测与分析
第14章 AR和AR在股市波动中的预测
第15章 ARCH类模型在股市波动中的预测
第16章 BP算法在股市波动中的预测
参考文献
附表