基于BP神经网络的乐视网财务风险预警研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外文献综述 | 第10-16页 |
| 1.2.1 国外文献综述 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.2.3 国内外研究现状评价 | 第15-16页 |
| 1.3 研究内容和方法 | 第16-17页 |
| 1.3.1 主要内容 | 第16页 |
| 1.3.2 研究方法 | 第16-17页 |
| 第二章 相关理论及方法概述 | 第17-22页 |
| 2.1 财务风险的基本理论 | 第17-19页 |
| 2.1.1 财务风险概述 | 第17页 |
| 2.1.2 财务风险的成因 | 第17-18页 |
| 2.1.3 财务风险的分类 | 第18-19页 |
| 2.1.4 财务风险的表现 | 第19页 |
| 2.2 财务风险预警概述 | 第19-20页 |
| 2.2.1 财务风险预警含义 | 第19页 |
| 2.2.2 财务风险预警的功能 | 第19-20页 |
| 2.3 人工神经网络(ANN)理论与方法 | 第20-22页 |
| 2.3.1 人工神经网络概述 | 第20页 |
| 2.3.2 BP算法及实现 | 第20-21页 |
| 2.3.3 BP神经网络进行财务风险预警的优点 | 第21-22页 |
| 第三章 基于BP神经网络的财务风险预警模型构建 | 第22-33页 |
| 3.1 财务风险预警模型的设计思路 | 第22页 |
| 3.2 样本选取与分析 | 第22-23页 |
| 3.3 预警指标体系设计 | 第23-28页 |
| 3.3.1 预警指标的选取原则 | 第23-24页 |
| 3.3.2 财务风险预警指标体系的构建 | 第24-26页 |
| 3.3.3 数据预处理 | 第26-28页 |
| 3.4 财务风险预警模型的确定 | 第28-32页 |
| 3.4.1 软件的选择 | 第28页 |
| 3.4.2 神经网络结构设计 | 第28-29页 |
| 3.4.3 神经网络模型的训练 | 第29-31页 |
| 3.4.4 神经网络模型的仿真测试 | 第31-32页 |
| 3.5 训练及仿真结果分析 | 第32-33页 |
| 第四章 乐视网财务风险预警及分析 | 第33-44页 |
| 4.1 案例背景 | 第33-34页 |
| 4.1.1 公司概况 | 第33-34页 |
| 4.1.2 选择理由 | 第34页 |
| 4.2 基于BP神经网络的乐视网财务预警分析 | 第34-35页 |
| 4.3 公司财务风险进一步分析 | 第35-38页 |
| 4.3.1 资金的筹集风险分析 | 第35-37页 |
| 4.3.2 资金的使用风险分析 | 第37-38页 |
| 4.3.3 资金的回收风险分析 | 第38页 |
| 4.4 乐视网财务风险成因分析 | 第38-42页 |
| 4.4.1 应收账款管理不科学 | 第39-40页 |
| 4.4.2 无形资产比重过大 | 第40-41页 |
| 4.4.3 成本费用愈演愈烈 | 第41页 |
| 4.4.4 不断扩张投资 | 第41-42页 |
| 4.5 本章小节 | 第42-44页 |
| 第五章 结论及相关建议 | 第44-47页 |
| 5.1 研究的主要结论 | 第44页 |
| 5.2 相关建议 | 第44-47页 |
| 5.2.1 资金筹集过程建议 | 第45页 |
| 5.2.2 资金使用过程建议 | 第45页 |
| 5.2.3 资金回收过程建议 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 作者简介 | 第50-51页 |
| 附件A | 第51-53页 |
| 导师评阅表 | 第53页 |
