我国上市公司财务危机预警的实证研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 写作背景 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 主要思路和论文框架 | 第12-13页 |
| 第2章 国内外财务危机预警模型的研究综述 | 第13-23页 |
| 2.1 定性预警研究 | 第13-15页 |
| 2.1.1 标准化调查法 | 第13页 |
| 2.1.2 资金周转表分析法 | 第13-14页 |
| 2.1.3 四阶段症状分析法 | 第14页 |
| 2.1.4 流程图分析法 | 第14页 |
| 2.1.5 管理评分法 | 第14-15页 |
| 2.2 定量预警研究 | 第15-20页 |
| 2.2.1 国内外一元判定模型的研究 | 第15-16页 |
| 2.2.2 国内外多元线性判定模型的研究 | 第16-17页 |
| 2.2.3 国内外关于Logit模型的研究 | 第17-18页 |
| 2.2.4 国内外关于ANN模型的研究 | 第18-20页 |
| 2.2.5 国内外动态预警模型研究 | 第20页 |
| 2.3 财务危机预警模型的评价 | 第20-23页 |
| 第3章 财务危机预警的理论基础 | 第23-28页 |
| 3.1 财务危机理论 | 第23-25页 |
| 3.1.1 财务危机的概念 | 第23页 |
| 3.1.2 财务危机的类型 | 第23-25页 |
| 3.2 财务危机预警的基本原理 | 第25-28页 |
| 3.2.1 财务危机预警的概念 | 第25页 |
| 3.2.2 财务危机预警的相关理论 | 第25-28页 |
| 第4章 基于人工神经网络构建预警模型 | 第28-34页 |
| 4.1 人工神经网络的技术原理 | 第28-31页 |
| 4.1.1 人工神经网络简介 | 第28页 |
| 4.1.2 神经网络的结构 | 第28-30页 |
| 4.1.3 神经网络的特点 | 第30-31页 |
| 4.2 LVQ神经网络理论 | 第31-34页 |
| 4.2.1 LVQ网络的结构 | 第31-32页 |
| 4.2.2 LVQ网络的学习算法 | 第32-33页 |
| 4.2.3 基于LVQ网络的模式识别 | 第33-34页 |
| 第5章 上市公司财务危机预警的实证研究 | 第34-50页 |
| 5.1 研究对象的界定和样本的选取 | 第34-36页 |
| 5.1.1 研究对象的界定 | 第34-35页 |
| 5.1.2 样本数据的选取 | 第35-36页 |
| 5.2 模型指标体系的构建 | 第36-43页 |
| 5.2.1 财务指标的选取原则 | 第36-37页 |
| 5.2.2 基本财务指标解析 | 第37-42页 |
| 5.2.3 模型指标的确定 | 第42-43页 |
| 5.3 基于LVQ网络实证建模 | 第43-49页 |
| 5.3.1 样本的设计 | 第43-44页 |
| 5.3.2 模型建立及参数确定 | 第44-48页 |
| 5.3.3 模型检验 | 第48-49页 |
| 5.4 实证结果分析 | 第49-50页 |
| 第6章 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录A 训练组样本数据 | 第54-57页 |
| 附录B 测试组样本数据 | 第57-59页 |
| 攻读学位期间公开发表论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 研究生履历 | 第61页 |
