| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·研究背景 | 第8页 |
| ·研究目的及意义 | 第8-10页 |
| ·研究目的 | 第8-9页 |
| ·研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·财务风险预警国外研究现状 | 第10-12页 |
| ·财务风险预警国内研究现状 | 第12-15页 |
| ·国内外研究成果综述 | 第15-16页 |
| ·研究内容、方法与技术路线 | 第16-18页 |
| ·研究内容 | 第16页 |
| ·研究方法 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 2 理论基础 | 第18-25页 |
| ·快速消费品行业的界定 | 第18-20页 |
| ·快速消费品的定义及特点 | 第18-19页 |
| ·快速消费品行业现状及特点 | 第19-20页 |
| ·企业财务风险概述 | 第20-22页 |
| ·财务风险概念 | 第20-21页 |
| ·财务风险成因 | 第21-22页 |
| ·财务危机理论 | 第22-23页 |
| ·财务危机概念 | 第22-23页 |
| ·财务风险与财务危机的关系 | 第23页 |
| ·人工神经网络技术 | 第23-24页 |
| ·人工神经网络的基本原理 | 第23-24页 |
| ·人工神经网络模型 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 人工神经网络方法在财务风险预警中的优势分析 | 第25-33页 |
| ·财务风险预警系统研究 | 第25-28页 |
| ·财务风险预警系统的界定 | 第25-26页 |
| ·财务风险预警系统的构成内容 | 第26页 |
| ·财务风险预警系统的功能和构建流程 | 第26-28页 |
| ·传统的财务风险预警模型的缺陷 | 第28-29页 |
| ·人工神经网络用于企业财务风险预警系统的优势 | 第29-30页 |
| ·BP人工神经网络模型概述 | 第30-32页 |
| ·BP人工神经网络的结构 | 第30页 |
| ·BP人工神经网络的算法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 指标体系的构建与研究样本的选取 | 第33-42页 |
| ·财务风险预警指标的选择 | 第33-39页 |
| ·财务指标的选取原则 | 第33-34页 |
| ·财务指标体系的确定 | 第34-39页 |
| ·研究样本的选取 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 快速消费品上市公司财务风险预警模型构建及实例研究 | 第42-52页 |
| ·财务风险预警模型建立及分析 | 第42-50页 |
| ·快速消费品上市公司BP神经网络风险预警模型的建立 | 第42-44页 |
| ·样本训练及测试 | 第44-49页 |
| ·预警结果及分析 | 第49-50页 |
| ·规避财务风险措施 | 第50-51页 |
| ·选择合适的预警方法及时发现财务风险 | 第50页 |
| ·维持最佳存货水平 | 第50-51页 |
| ·加强应收账款管理 | 第51页 |
| ·提高资金运作效率 | 第51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |