| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 我国制造业上市公司财务预警背景与研究意义 | 第8-9页 |
| 1.2 研究创新点 | 第9页 |
| 1.3 技术路线图 | 第9-10页 |
| 1.4 国内外财务预警研究综述 | 第10-16页 |
| 1.4.1 国外财务预警研究综述 | 第10-12页 |
| 1.4.2 国内财务预警研究综述 | 第12-16页 |
| 第二章 我国制造业上市公司财务预警理论研究及方法研究 | 第16-20页 |
| 2.1 财务预警理论研究 | 第16页 |
| 2.2 财务预警模型研究 | 第16-20页 |
| 2.2.1 财务预警判别分析模型研究 | 第16-17页 |
| 2.2.2 财务预警Ordered Logistic回归模型研究 | 第17-18页 |
| 2.2.3 财务预警支持向量机模型研究 | 第18页 |
| 2.2.4 财务预警BP神经网络模型研究 | 第18-20页 |
| 第三章 我国制造业上市公司财务预警系统样本与指标的确定 | 第20-31页 |
| 3.1 我国制造业上市公司财务预警系统样本的选择 | 第20-23页 |
| 3.2 制造业上市公司财务预警系统指标的选择 | 第23-25页 |
| 3.3 我国制造业上市公司财务数据的预处理 | 第25-31页 |
| 3.3.1 我国制造业上市公司财务数据标准化与正向化 | 第25页 |
| 3.3.2 我国制造业上市公司财务数据Kruskal-Wallis H检验 | 第25-27页 |
| 3.3.3 检验后数据的因子分析 | 第27-31页 |
| 第四章 我国制造业上市公司财务预警模型的构建及实证 | 第31-54页 |
| 4.1 我国制造业上市公司财务预警判别分析模型实证研究 | 第31-39页 |
| 4.1.1 基于2012年数据进行的判别分析实证研究 | 第31-35页 |
| 4.1.2 基于2013年数据进行的判别分析实证研究 | 第35-39页 |
| 4.2 我国制造业上市公司财务预警Logistic回归实证研究 | 第39-46页 |
| 4.2.1 基于2012年数据进行的Logistic回归实证研究 | 第39-42页 |
| 4.2.2 基于2013年数据进行的Logistic回归实证研究 | 第42-46页 |
| 4.3 我国制造业上市公司财务预警支持向量机模型实证研究 | 第46-49页 |
| 4.3.1 基于2012年数据进行支持向量机模型实证研究 | 第46-48页 |
| 4.3.2 基于2013年数据进行支持向量机模型实证研究 | 第48-49页 |
| 4.4 我国制造业上市公司财务预警BP神经网络组合模型实证研究 | 第49-54页 |
| 4.4.1 基于2012年数据进行BP神经网络组合模型实证研究 | 第49-52页 |
| 4.4.2 基于2013年数据进行BP神经网络模型实证研究 | 第52-54页 |
| 第五章 结论与建议 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 建议 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-59页 |
| 申请学位期间的研究成果及发表的学术 | 第59-60页 |
| 致谢 | 第60页 |
