| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景问题及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究问题 | 第10页 |
| 1.1.3 研究意义 | 第10-11页 |
| 1.2 文献综述 | 第11-14页 |
| 1.2.1 国外文献综述 | 第11-12页 |
| 1.2.2 国内文献综述 | 第12-14页 |
| 1.2.3 国内外研究评价 | 第14页 |
| 1.3 研究思路与主要内容 | 第14-15页 |
| 1.4 本文创新点 | 第15-17页 |
| 2 财务危机预警的相关理论综述 | 第17-28页 |
| 2.1 财务危机理论综述 | 第17-21页 |
| 2.1.1 财务危机涵义 | 第17-18页 |
| 2.1.2 财务危机特点 | 第18页 |
| 2.1.3 财务危机成因 | 第18-20页 |
| 2.1.4 制造业上市公司财务危机特殊成因 | 第20-21页 |
| 2.2 财务预警 | 第21-22页 |
| 2.2.1 财务危机预警理论 | 第21页 |
| 2.2.2 财务危机预警模型的功能 | 第21-22页 |
| 2.3 财务预警模型 | 第22-28页 |
| 2.3.1 传统财务危机预警方法 | 第22-25页 |
| 2.3.2 基于人工神经网络预警方法 | 第25-26页 |
| 2.3.3 现有财务预警模型评价 | 第26-28页 |
| 3 制造业上市公司财务预警指标体系构建 | 第28-34页 |
| 3.1 研究样本和研究数据的选取 | 第28-30页 |
| 3.1.1 研究样本的选取 | 第28页 |
| 3.1.2 财务危机样本和配对样本的确定 | 第28-30页 |
| 3.2 财务预警指标的确定 | 第30页 |
| 3.3 指标体系的建立 | 第30-34页 |
| 4 制造业上市公司财务预警模型实证研究 | 第34-43页 |
| 4.1 研究样本的设计 | 第34页 |
| 4.2 数据的处理 | 第34-38页 |
| 4.2.1 非纲量归一化 | 第34页 |
| 4.2.2 Bartlett球体检验以及KMO检验 | 第34-35页 |
| 4.2.3 因子分析 | 第35-38页 |
| 4.3 BP神经网络财务预警实证 | 第38-43页 |
| 4.3.1 神经网络结构设计 | 第38-40页 |
| 4.3.2 分析结果 | 第40-43页 |
| 5 “江铃汽车”财务危机预警分析 | 第43-47页 |
| 5.1 企业概况 | 第43页 |
| 5.2 江铃汽车的财务预警论证 | 第43-45页 |
| 5.3 案例总结 | 第45-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 不足与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录A | 第51-57页 |
| 附录B | 第57-63页 |
| 附录C | 第63-70页 |
| 附录D | 第70-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |