基于BP神经网络的高新技术企业财务预警研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 一、引言 | 第11-20页 |
| (一) 选题背景和研究意义 | 第11页 |
| 1. 选题背景 | 第11页 |
| 2. 研究意义 | 第11页 |
| (二) 国内外财务预警研究综述 | 第11-16页 |
| 1. 国外财务预警的相关研究 | 第11-13页 |
| 2. 国内财务预警的相关研究 | 第13-16页 |
| 3. 国内外研究现状总结 | 第16页 |
| (三) 本研究的思路和方法 | 第16-17页 |
| 1. 研究思路 | 第16-17页 |
| 2. 研究方法 | 第17页 |
| (四) 本研究的主要内容和框架 | 第17-18页 |
| 1. 本文研究的主要内容 | 第17-18页 |
| 2. 论文框架 | 第18页 |
| (五) 可能的创新点 | 第18-20页 |
| 二、高新技术企业财务预警的理论基础 | 第20-27页 |
| (一) 高新技术企业的界定和特点 | 第20-22页 |
| 1. 与高新技术企业相关的几个概念 | 第20-21页 |
| 2. 高新技术企业的界定 | 第21页 |
| 3. 高新技术企业的特点 | 第21-22页 |
| (二) 财务风险和危机理论 | 第22-24页 |
| 1. 财务风险的含义和性质 | 第22-23页 |
| 2. 财务危机的界定 | 第23-24页 |
| 3. 财务危机的成因 | 第24页 |
| (三) 高新技术企业财务风险的影响因素分析 | 第24-27页 |
| 1. 高新技术企业财务风险的宏观影响因素 | 第24-25页 |
| 2. 高新技术企业财务风险的微观影响因素 | 第25-27页 |
| 三、高新技术企业样本的选择和预警指标体系的建立 | 第27-39页 |
| (一) 实验数据的选取 | 第27-29页 |
| 1. 样本公司的选取 | 第27-28页 |
| 2. 确定预警度 | 第28页 |
| 3. 预警模型的预测期 | 第28-29页 |
| 4. 训练样本和仿真样本的设计 | 第29页 |
| (二) 预警指标的选择原则 | 第29-30页 |
| 1. 系统性原则 | 第29页 |
| 2. 动态性原则 | 第29-30页 |
| 3. 灵敏性原则 | 第30页 |
| 4. 实用性原则 | 第30页 |
| (三) 预警指标的初步选择 | 第30-34页 |
| 1. 偿债能力指标 | 第30-31页 |
| 2. 营运能力指标 | 第31-32页 |
| 3. 盈利能力指标 | 第32页 |
| 4. 成长能力指标 | 第32-33页 |
| 5. 现金流量指标 | 第33-34页 |
| 6. 股市指标 | 第34页 |
| (四) 预警指标的优化——因子分析 | 第34-39页 |
| 四、高新技术企业财务预警模型的构建 | 第39-47页 |
| (一) BP神经网络理论 | 第39-42页 |
| 1. 神经元模型 | 第39-40页 |
| 2. 神经网络的结构与类型 | 第40页 |
| 3. BP神经网络结构及其算法 | 第40-42页 |
| 4. 本文选择BP神经网络构建模型的依据 | 第42页 |
| (二) BP神经网络的设计和创建 | 第42-44页 |
| 1. BP神经网络的设计 | 第42-43页 |
| 2. BP神经网络的创建 | 第43-44页 |
| (三) BP神经网络的训练和仿真 | 第44-47页 |
| 1. BP神经网络的训练 | 第44-46页 |
| 2. BP神经网络的仿真 | 第46-47页 |
| 五、模型检验——“瑞贝卡”财务危机预警案例分析 | 第47-50页 |
| (一) 案例公司简介 | 第47页 |
| (二) 瑞贝卡的财务预警模型流程设计 | 第47页 |
| (三) 瑞贝卡的财务预警指标体系 | 第47-48页 |
| (四) 瑞贝卡的财务预警过程 | 第48-49页 |
| (五) 模型预测结果 | 第49-50页 |
| 六、结论与展望 | 第50-52页 |
| (一) 结论 | 第50页 |
| (二) 研究不足与展望 | 第50-52页 |
| 1. 预测期局限 | 第50页 |
| 2. 样本局限 | 第50页 |
| 3. 方法局限 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录：样本企业财务预警指标原始数据 | 第56-64页 |
| 攻读硕士期间的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
