基于BP神经网络的煤炭发债企业信用风险预警研究
| 内容摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 导论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状综述 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 研究内容和方法 | 第15-16页 |
| 1.3.1 论文结构 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.3.3 创新点 | 第16页 |
| 第2章 信用风险理论 | 第16-20页 |
| 2.1 信用风险界定 | 第16-17页 |
| 2.2 信用风险要素分析 | 第17-20页 |
| 2.2.1 偿债环境 | 第17-18页 |
| 2.2.2 财富创造能力 | 第18-19页 |
| 2.2.3 偿债来源 | 第19页 |
| 2.2.4 偿债能力 | 第19-20页 |
| 2.2.5 信用风险要素的逻辑关系 | 第20页 |
| 第3章 BP神经网络基础理论 | 第20-25页 |
| 3.1 人工神经网络基本理论 | 第20-21页 |
| 3.1.1 人工神经网络概要 | 第20-21页 |
| 3.1.2 人工神经网络特点 | 第21页 |
| 3.2 BP神经网络模型 | 第21-25页 |
| 3.2.1 BP神经网络的结构 | 第21-22页 |
| 3.2.2 单个神经元的工作原理 | 第22页 |
| 3.2.3 学习过程 | 第22-23页 |
| 3.2.4 算法实现步骤 | 第23-24页 |
| 3.2.5 BP神经网络的设计方法 | 第24页 |
| 3.2.6 BP神经网络的局限性 | 第24-25页 |
| 3.3 BP神经网络用于评估信用风险的适用性 | 第25页 |
| 第4章 煤炭发债主体信用风险要素分析 | 第25-36页 |
| 4.1 煤炭行业特点 | 第25-26页 |
| 4.2 偿债环境 | 第26-31页 |
| 4.2.1 宏观经济环境 | 第26页 |
| 4.2.2 区域经济环境 | 第26-27页 |
| 4.2.3 政策环境 | 第27-28页 |
| 4.2.4 产业环境 | 第28-31页 |
| 4.3 财富创造能力 | 第31-34页 |
| 4.3.1 公司治理情况 | 第32页 |
| 4.3.2 产品的市场竞争力 | 第32-33页 |
| 4.3.3 盈利能力 | 第33-34页 |
| 4.4 偿债来源 | 第34页 |
| 4.5 偿债能力 | 第34-35页 |
| 4.6 煤炭行业债券市场现状 | 第35-36页 |
| 第5章 煤炭企业信用风险预警模型的构建 | 第36-49页 |
| 5.1 预警指标体系的建立 | 第36-38页 |
| 5.1.1 指标选取的原则 | 第36页 |
| 5.1.2 指标的选取 | 第36-38页 |
| 5.2 样本的选取 | 第38-39页 |
| 5.3 样本企业指标对比分析 | 第39-42页 |
| 5.3.1 财富创造能力指标情况对比 | 第40页 |
| 5.3.2 偿债来源指标情况对比 | 第40-41页 |
| 5.3.3 偿债能力指标情况对比 | 第41-42页 |
| 5.3.4 小结 | 第42页 |
| 5.4 信用风险预警模型的建立 | 第42-45页 |
| 5.4.1 样本数据预处理 | 第42页 |
| 5.4.2 模型参数设计 | 第42-43页 |
| 5.4.3 模型测试 | 第43-45页 |
| 5.5 煤炭信用风险预警研究的现实意义 | 第45-47页 |
| 5.6 结论 | 第47-49页 |
| 附录 | 第49-60页 |
| 参考文献 | 第60-63页 |
| 后记 | 第63页 |
