首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于BP神经网络的矿业上市公司财务风险预警研究

摘要第5-6页
Abstract第6页
第1章 绪论第10-19页
    1.1 研究背景及目的第10-11页
    1.2 国内外研究现状第11-16页
        1.2.1 矿业企业财务风险研究现状第11-13页
        1.2.2 企业财务风险预警模型研究现状第13-16页
    1.3 研究内容第16页
    1.4 研究方法、研究思路与技术路线第16-19页
        1.4.1 研究方法第16-17页
            1.4.1.1 文献研究法第17页
            1.4.1.2 定量分析法第17页
        1.4.2 研究思路第17-18页
        1.4.3 技术路线第18-19页
第2章 矿业上市公司财务预警的理论基础第19-24页
    2.1 企业财务风险的界定及成因第19-21页
        2.1.1 财务风险的界定第19-20页
        2.1.2 企业财务风险成因第20-21页
    2.2 矿业上市公司概述第21页
    2.3 我国矿业上市公司财务风险表现第21-23页
        2.3.1 经营风险第21-22页
        2.3.2 投资风险的表现第22页
        2.3.3 筹资风险的表现第22-23页
    2.4 本章小结第23-24页
第3章 矿业上市公司财务风险预警指标体系构建第24-36页
    3.1 构建思路第24页
    3.2 指标选取原则第24-25页
    3.3 我国矿业上市公司财务风险影响因素第25-29页
        3.3.1 矿业上市公司财务风险影响因素第25-29页
            3.3.1.1 企业外部影响因素第26-27页
            3.3.1.2 企业自身因素第27-29页
        3.3.2 一级指标的选取第29页
    3.4 二级指标的确定及分析第29-34页
        3.4.1 偿债能力指标第29-30页
        3.4.2 资产运营能力指标第30-31页
        3.4.3 盈利能力指标第31-32页
        3.4.4 现金流量能力指标第32-33页
        3.4.5 成长能力指标第33页
        3.4.6 表外指标第33-34页
    3.5 预警指标体系构建第34-35页
    3.6 本章小结第35-36页
第4章 用于矿业上市公司财务风险预警的BP神经网络模型设计第36-45页
    4.1 设计思路第36页
    4.2 传统财务预警模型评析第36-39页
        4.2.1 传统财务预警方法列举第36-38页
        4.2.2 传统财务预警模型评析第38-39页
    4.3 BP神经网络相关理论第39-42页
        4.3.1 人工神经网络第39-40页
        4.3.2 BP神经网络及其结构第40-41页
        4.3.3 BP神经网络模型用于财务风险预警的优势第41-42页
    4.4 构建应用于矿业上市公司财务风险预警的BP神经网络模型第42-44页
        4.4.1 BP神经网络设计过程第42-43页
        4.4.2 BP神经网络中主要参数的影响第43页
        4.4.3 粗糙集与BP神经网络的结合应用第43-44页
    4.5 本章小结第44-45页
第5章 对矿业上市公司财务风险预警BP神经网络模型的验证第45-59页
    5.1 验证思路第45页
    5.2 样本的选取第45-46页
    5.3 财务风险等级分类的确定第46-53页
        5.3.1 数据的标准化处理第46-51页
        5.3.2 样本层次聚类分析第51-53页
    5.4 BP神经网络训练及模型检验第53-59页
第6章 结论与展望第59-62页
    6.1 研究结论第59-60页
    6.2 创新点第60页
    6.3 总结第60-62页
        6.3.1 本文研究不足第60页
        6.3.2 进一步研究方向第60-62页
致谢第62-63页
参考文献第63-66页
附录第66-76页

论文共76页,点击 下载论文
上一篇:悬挂式单轨车辆转向架焊接构架模态分析及强度研究
下一篇:三相并网逆变器高电压穿越控制研究