1. 研究目的与意义
自改革开放以来，我国经济持续发展，企业数量不断增加，作为市场经济的主体，这些企业对我国经济的增长起着决定性的作用。
随着经济全球化以及我国经济的快速发展，企业在面临机遇的同时，所承担的风险也越来越多，尤其是企业的财务危机。
企业财务是一个企业的命脉所在，财务预警可以帮助市场经济主体降低营运风险，保障经济体制改革的进一步深化；还可以促进社会资源的优化配置，提高整个社会的资本利用效率和盈利水平，对促进我国资本市场的规范和健康发展具有重要的理论价值和实际意义。
2. 研究内容和预期目标
一、研究内容
本文将基于违约距离，通过支持向量机的方法，构建相关模型，将企业的财务数据经过系统的量化，通过直观简单的指标来判断企业的财务状况，最后通过分析实证结果来对企业的财务预警做出建议和结论。
二、拟解决的关键问题
3. 国内外研究现状
财务危机预警是基于一定的财务危机界定标准，以企业财务信息为基础，对企业在经营管理活动中的潜在财务危机进行检测与分析，从而指导企业的经营管理。国外有关财务危机预警的研究起步较早，而我国在此领域的研究则起步稍晚，但经过近些年的发展，我国对企业财务预警的研究也逐渐系统起来。
（一）国外研究现状
企业财务危机预警相关的研究最早可以追溯到20世纪30年代初,一般认为,对财务危机的研究始于Fitzpatrick(1932)。他借助于对危机公司与非公司财务指标的比较分析,发现对于财务危机判别能力最高的是净利润/股东权益和股东权益/负债两个比率。Altman(1968)采用多元判别分析法得到了包含5个财务变量的Z模型,并随后(1977)修正得到ZETA模型。Ohlson(1980)采用逻辑回归法发现至少有四类显著影响公司破产概率的变量。 20世纪90年代初,M.odom和R.Sharda首次将神经网络用于财务危机的预测研究,发现神经网络具有更高的准确性。但随后Cortes＆Vapnik提出支持向量机是数据挖掘的一项新技术。人们发现,与人工神经网络相比,支持向量机采用结构风险最小化准则,它不仅结构简单,而且泛化能力明显提高,这一优点在小样本学习中更为突出,它避免了人工神经网络等方法的网络结构难于确定、过学习和欠学习以及局部极小等问题,被认为是目前针对小样本的分类、回归等问题的最佳理论。
4. 计划与进度安排
第一阶段：2022.11.10—2022.12.30 确定选题、收集资料、完成开题报告。
第二阶段：2022.01.01—2022.03.17 撰写论文初稿、完成中期检查工作。
第三阶段：2022.03.18—2022.05.05 完成外文材料翻译、论文修改并定稿。
5. 参考文献
[1] Ohlson J A. Financial ratios andthe probabilistic prediction of bankruptcy[J]. Journal of accounting research,1980: 109-131.
[2]Vapnik V N. 统计学习理论的本质[M]. 淸华大学华夏出版社, 2000.
[3] Dimitras A I, Zanakis S H, Zopounidis C. A survey of businessfailures with an emphasis on prediction methods and industrial applications[J].European Journal of Operational Research, 1996, 90(3): 487-513.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
