资产减值准备对公司盈余管理影响的实证分析
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-14页 |
| ·本文的研究框架及创新点 | 第14-16页 |
| 2 相关理论及分析 | 第16-33页 |
| ·资产减值准备的理论基础 | 第16-22页 |
| ·资产减值及其准备的概念 | 第16-17页 |
| ·利用资产减值准备进行盈余管理的动机 | 第17-21页 |
| ·利用资产减值准备进行盈余管理的手段 | 第21-22页 |
| ·人工神经网络概念及BP算法原理 | 第22-27页 |
| ·人工神经网络原理与优点 | 第22-24页 |
| ·BP神经网络模型及算法 | 第24-27页 |
| ·新资产减值会计准则分析 | 第27-33页 |
| ·新旧会计准则对资产减值规定的主要变化 | 第27-29页 |
| ·新资产减值政策对盈余管理的遏制 | 第29-31页 |
| ·新资产减值准则下盈余管理的空间分析 | 第31-33页 |
| 3 资产减值对公司盈余管理影响的实证研究 | 第33-46页 |
| ·样本的选择与资料来源 | 第33-34页 |
| ·资产减值准备的描述性分析 | 第34-42页 |
| ·资产减值准备的总体情况 | 第35-36页 |
| ·资产减值准备的单项分析 | 第36-40页 |
| ·资产减值准备对净利润的影响分析 | 第40-42页 |
| ·资产减值准备的影响因素研究 | 第42-44页 |
| ·研究假设 | 第42-43页 |
| ·变量与模型 | 第43-44页 |
| ·数据分析与结论 | 第44-46页 |
| 4 基于BP神经网络的资产减值准备实证分析 | 第46-59页 |
| ·资产减值准备BP神经网络分析 | 第46-52页 |
| ·Matlab神经网络工具箱函数 | 第46-47页 |
| ·资产减值准备BP神经网络模型 | 第47-50页 |
| ·资产减值准备BP神经网络的建立与实现 | 第50-52页 |
| ·BP神经网络训练、仿真结果及解释 | 第52-59页 |
| ·第一个层面的BP神经网络分析 | 第52-55页 |
| ·第二个层面的BP神经网络分析 | 第55-59页 |
| 5 结论及展望 | 第59-62页 |
| ·研究结论 | 第59-60页 |
| ·相关建议 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 研究生阶段发表论文以及参与课题 | 第66-67页 |
| 附录 | 第67-122页 |
