| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状 | 第11-15页 |
| ·财务评价研究现状 | 第11-13页 |
| ·数据挖掘现状 | 第13-15页 |
| ·研究思路及方法 | 第15-16页 |
| ·研究思路 | 第15页 |
| ·研究方法 | 第15-16页 |
| ·研究内容及技术路线 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 第2章 房地产行业现状及财务危机成因分析 | 第18-31页 |
| ·房地产行业特点 | 第18-25页 |
| ·财务危机界定 | 第25-26页 |
| ·财务危机表现 | 第26-28页 |
| ·财务危机产生的原因 | 第28-31页 |
| ·内部因素 | 第29-30页 |
| ·外部因素 | 第30-31页 |
| 第3章 房地产行业财务评价指标体系研究 | 第31-46页 |
| ·房地产行业财务评价指标选取原则 | 第31页 |
| ·房地产行业财务评价指标的方法——粗糙集理论 | 第31-35页 |
| ·粗糙集理论的基础知识 | 第32-34页 |
| ·属性约简 | 第34-35页 |
| ·房地产行业财务评价体系指标选取 | 第35-38页 |
| ·房地产行业财务评价指标体系的建立 | 第38-46页 |
| ·决策表的建立 | 第38-40页 |
| ·评价指标属性约简 | 第40-44页 |
| ·财务状况评价指标体系 | 第44-46页 |
| 第4章 基于 ANN 的房地产行业财务评价模型设计 | 第46-54页 |
| ·研究样本的确定 | 第46页 |
| ·建模方法的介绍 | 第46-49页 |
| ·神经网络的基本原理 | 第46-47页 |
| ·神经网络信息处理的特点 | 第47-48页 |
| ·神经网络的分类 | 第48-49页 |
| ·评价模型设置 | 第49-54页 |
| ·神经网络模型的选取 | 第49-51页 |
| ·隐藏层神经元个数设置 | 第51-52页 |
| ·模型参数设置 | 第52-54页 |
| 第5章 房地产行业财务评价模型建立及评价 | 第54-74页 |
| ·建模数据准备 | 第54-57页 |
| ·模型训练 | 第57-62页 |
| ·测试样本数据准备 | 第62-66页 |
| ·调用模型并评价 | 第66-70页 |
| ·房地产上市公司防范财务危机的建议 | 第70-74页 |
| ·完善财务管理 | 第71-72页 |
| ·加强经营管理 | 第72-73页 |
| ·建立房地产公司财务状况评价系统 | 第73-74页 |
| 第6章 结论 | 第74-76页 |
| ·论文结论 | 第74-75页 |
| ·论文创新点 | 第75页 |
| ·论文展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 附录 | 第80页 |