基于粒子群优化BP神经网络的我国上市公司财务困境预警研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 引言 | 第9-19页 |
| ·财务困境的界定 | 第9-11页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-13页 |
| ·国内外文献回顾 | 第13-17页 |
| ·国外文献综述 | 第13-16页 |
| ·国内文献综述 | 第16-17页 |
| ·本文的结构和创新 | 第17-19页 |
| ·本文的结构 | 第17-18页 |
| ·本文的创新 | 第18-19页 |
| 第二章 研究样本的选择与变量的选取 | 第19-32页 |
| ·研究样本的选择 | 第19-20页 |
| ·样本所属范围的选择 | 第19页 |
| ·研究样本组的选择 | 第19-20页 |
| ·样本所属期间的选择 | 第20页 |
| ·研究变量的选取 | 第20-21页 |
| ·变量选取的原则 | 第20-21页 |
| ·研究变量的初选 | 第21页 |
| ·财务指标的标准化处理 | 第21页 |
| ·财务指标正态分布的检验 | 第21-28页 |
| ·Kolmogorov-Smirnov适应性检验 | 第22页 |
| ·Q-Q概率图分析 | 第22-23页 |
| ·财务指标正态分布的检验结果 | 第23-28页 |
| ·财务指标的均值差异检验 | 第28-30页 |
| ·财务指标均值差异的非参数检验 | 第28页 |
| ·Wilcoxon非参数检验结果 | 第28-30页 |
| ·模型输入变量的简化 | 第30-32页 |
| 第三章 BP神经网络财务困境模型 | 第32-41页 |
| ·BP神经网络概述 | 第32-33页 |
| ·BP神经网络的设计 | 第33-35页 |
| ·BP神经网络的学习算法及实证研究 | 第35-39页 |
| ·网络的学习算法 | 第35-36页 |
| ·BP神经网络的实证研究 | 第36-39页 |
| ·BP神经网络的优点和局限性 | 第39-40页 |
| ·BP算法的改进 | 第40-41页 |
| 第四章 粒子群算法优化BP神经网络财务困境模型 | 第41-52页 |
| ·粒子群优化算法概述 | 第41-42页 |
| ·粒子群优化算法 | 第42-44页 |
| ·粒子群算法基本原理 | 第42-43页 |
| ·参数设置 | 第43-44页 |
| ·算法流程 | 第44页 |
| ·基于PSO的BP神经网络学习算法 | 第44-47页 |
| ·算法设计 | 第45-46页 |
| ·性能评价 | 第46-47页 |
| ·PSO优化BP神经网络的实证研究 | 第47-50页 |
| ·预测结果比较 | 第50-52页 |
| 第五章 结束语 | 第52-54页 |
| ·研究结论 | 第52页 |
| ·研究展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-69页 |
| 攻读硕士期间发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
