摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-18页 |
1.1 问题的提出 | 第10-11页 |
1.2 研究目的 | 第11页 |
1.3 理论综述 | 第11-14页 |
1.3.1 统计方法的创新 | 第12-13页 |
1.3.2 选择变量创新的相关研究 | 第13-14页 |
1.4 研究的基本架构与方法 | 第14-16页 |
1.4.1 研究的基本架钩 | 第14-15页 |
1.4.2 研究的技术路线 | 第15页 |
1.4.3 主要研究方法 | 第15-16页 |
1.5 主要的创新与贡献 | 第16-18页 |
第2章 财务困境与财务困境预警的界定 | 第18-26页 |
2.1 财务困境的界定 | 第18-22页 |
2.1.1 财务困境的涵义界定 | 第18-20页 |
2.1.2 财务困境的发展过程 | 第20-21页 |
2.1.3 财务困境的会计表现途径 | 第21-22页 |
2.1.4 财务困境的分析诊断 | 第22页 |
2.2 财务困境预警 | 第22-26页 |
2.2.1 危机事件预警 | 第22-23页 |
2.2.2 预警指标 | 第23页 |
2.2.3 财务困境预警的涵义界定 | 第23-24页 |
2.2.4 财务困境预警的时间价值 | 第24-26页 |
第3章 财务困境预警模型 | 第26-38页 |
3.1 单变量模型 | 第26-29页 |
3.1.1 最佳财务比率与最佳分割点的确定 | 第26-27页 |
3.1.2 单变量分析的一般步骤 | 第27-28页 |
3.1.3 单变量分析在应用中存在的问题 | 第28页 |
3.1.4 单变量模型的应用 | 第28-29页 |
3.2 多元判别模型 | 第29-31页 |
3.2.1 判别分析概述 | 第29页 |
3.2.2 判别分析方法的分类比较 | 第29-30页 |
3.2.3 判别分析在企业财务困境预测中的应用 | 第30-31页 |
3.3 多元回归模型 | 第31-34页 |
3.3.1 从多元线性回归到Logistic回归 | 第31-33页 |
3.3.2 Logistic模型参数估计及统计检验方法 | 第33页 |
3.3.3 Logistic模型的应用 | 第33-34页 |
3.4 类神经网络模型分析 | 第34-38页 |
3.4.1 处理单元 | 第34-35页 |
3.4.2 类神经网络结构 | 第35页 |
3.4.3 类神经网络模型 | 第35-36页 |
3.4.4 类神经网络模型的应用 | 第36-38页 |
第4章 短期财务预警模型设计与数据处理 | 第38-48页 |
4.1 短期财务预警模型的流程设计 | 第38-39页 |
4.2 财务预警资料来源与样本公司的选择 | 第39页 |
4.2.1 财务预警资料来源 | 第39页 |
4.2.2 财务预警样本公司的选择 | 第39页 |
4.3 财务预警数据的处理 | 第39-48页 |
4.3.1 原始财务比率选取 | 第39-40页 |
4.3.2 财务比率选择与分析 | 第40-43页 |
4.3.3 财务比率均值差异检验 | 第43-48页 |
第5章 短期财务预警模型构建与实证结果分析 | 第48-61页 |
5.1 短期财务预警单变量模型 | 第48-51页 |
5.1.1 模型的构建 | 第48-50页 |
5.1.2 实证结果的分析 | 第50-51页 |
5.2 短期财务预警Logistic回归模型 | 第51-55页 |
5.2.1 自变量筛选 | 第51-52页 |
5.2.2 短期财务困境预警Logistic模型构建 | 第52-55页 |
5.3 短期财务预警Fisher's判别模型 | 第55-58页 |
5.3.1 对判别分析的讨论 | 第55-56页 |
5.3.2 构建Fisher's判别模型及结果分析 | 第56-58页 |
5.4 模型实证结果的比较分析 | 第58-61页 |
5.4.1 总体判别正确率 | 第58-59页 |
5.4.2 考虑错误成本后的比较 | 第59页 |
5.4.3 不同财务比率变量的比较分析 | 第59-61页 |
第6章 结束语 | 第61-63页 |
6.1 结论 | 第61-62页 |
6.2 研究限制与今后研究方向 | 第62-63页 |
附表 | 第63-90页 |
参考文献 | 第90-94页 |
致谢 | 第94-95页 |
主要学术及研究活动成果 | 第95页 |