| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第13-21页 |
| 1.1 研究背景、目的及意义 | 第13-14页 |
| 1.1.1 选题背景 | 第13页 |
| 1.1.2 研究目的与研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 财务风险预警研究现状 | 第14-16页 |
| 1.2.2 深度学习网络研究现状 | 第16-18页 |
| 1.3 研究思路和主要内容 | 第18-21页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 1.3.3 技术路线 | 第19-21页 |
| 2 概念界定和财务风险预警相关理论 | 第21-27页 |
| 2.1 财务风险概述 | 第21-22页 |
| 2.1.1 相关概念界定 | 第21页 |
| 2.1.2 财务风险的特点 | 第21-22页 |
| 2.1.3 财务风险的成因 | 第22页 |
| 2.2 财务风险预警相关理论 | 第22-25页 |
| 2.2.1 财务风险预警概述 | 第22-23页 |
| 2.2.2 财务风险预警模型介绍 | 第23-25页 |
| 2.3 深度学习概述 | 第25-27页 |
| 2.3.1 深度学习定义 | 第25页 |
| 2.3.2 深度学习优势 | 第25-27页 |
| 3 基于深度学习的财务风险预警模型设计 | 第27-37页 |
| 3.1 设计框架 | 第27-28页 |
| 3.1.1 深度学习原理 | 第27-28页 |
| 3.1.2 财务风险预警模型设计思路 | 第28页 |
| 3.2 指标体系的确立 | 第28-34页 |
| 3.2.1 指标选取原则 | 第28-29页 |
| 3.2.2 选取的指标及分析 | 第29-34页 |
| 3.2.3 指标体系的确定 | 第34页 |
| 3.3 深度学习的训练过程 | 第34-36页 |
| 3.4 模型应用于案例分析过程简介 | 第36-37页 |
| 4 ST博元财务风险预警研究 | 第37-51页 |
| 4.1 案例背景 | 第37-39页 |
| 4.1.1 ST博元概况 | 第37页 |
| 4.1.2 选择理由 | 第37-38页 |
| 4.1.3 案例研究流程 | 第38-39页 |
| 4.2 应用的财务风险预警指标体系 | 第39-40页 |
| 4.3 深度学习财务风险预警模型参数训练 | 第40-45页 |
| 4.3.1 训练流程 | 第40页 |
| 4.3.2 样本选取 | 第40页 |
| 4.3.3 数据处理 | 第40-41页 |
| 4.3.4 深度学习网络训练及验证 | 第41-44页 |
| 4.3.5 测试结果 | 第44-45页 |
| 4.4 ST博元 2013-2014年基本财务状况说明 | 第45-48页 |
| 4.5 ST博元数据计算及预测分析 | 第48-50页 |
| 4.6 案例总结 | 第50-51页 |
| 5 结论与展望 | 第51-55页 |
| 5.1 研究结论 | 第51页 |
| 5.2 应用建议 | 第51-53页 |
| 5.2.1 企业应用建议 | 第52页 |
| 5.2.2 投资者应用建议 | 第52-53页 |
| 5.2.3 监管方应用建议 | 第53页 |
| 5.3 本文创新点 | 第53页 |
| 5.4 不足及展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 附录一 测试样本数据 | 第58-64页 |
| 附录二 代码 | 第64页 |