基于BP神经网络的钢铁行业上市公司财务风险预警研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及研究意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状综述 | 第13-17页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-17页 |
| ·国内外研究现状评述 | 第17页 |
| ·研究内容和研究方法 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究方法 | 第18-19页 |
| 第2章 相关基础理论 | 第19-30页 |
| ·财务风险基础理论 | 第19-21页 |
| ·财务风险界定 | 第19页 |
| ·财务风险成因分析 | 第19-21页 |
| ·粗糙集与 BP 神经网络相结合的基础理论 | 第21-28页 |
| ·粗糙集理论 | 第21-24页 |
| ·BP 神经网络理论 | 第24-27页 |
| ·粗糙集与 BP 神经网络的结合应用 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 钢铁行业上市公司财务风险影响因素分析 | 第30-40页 |
| ·钢铁行业上市公司的财务风险表现形式 | 第30-32页 |
| ·外部影响因素 | 第32-37页 |
| ·宏观经济环境 | 第32-34页 |
| ·产业政策环境 | 第34-35页 |
| ·行业发展社会环境 | 第35-36页 |
| ·行业技术环境 | 第36-37页 |
| ·内部影响因素 | 第37-39页 |
| ·原材料成本 | 第37页 |
| ·固定资产投资规模与资本结构 | 第37-38页 |
| ·库存结构 | 第38页 |
| ·内部财务管理体制 | 第38-39页 |
| ·内部技术革新 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 钢铁行业上市公司财务风险预警指标体系构建 | 第40-48页 |
| ·指标选取原则 | 第40页 |
| ·财务指标选取与分析 | 第40-45页 |
| ·偿债能力指标 | 第40-41页 |
| ·资产运营能力指标 | 第41-42页 |
| ·盈利能力指标 | 第42-43页 |
| ·现金流量能力指标 | 第43-44页 |
| ·成长能力指标 | 第44-45页 |
| ·非财务指标选取与分析 | 第45-46页 |
| ·股权结构 | 第45页 |
| ·关联关系 | 第45页 |
| ·研发支出比例 | 第45-46页 |
| ·产品出口比例 | 第46页 |
| ·预警指标体系构建 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 钢铁行业上市公司财务风险预警模型构建 | 第48-71页 |
| ·样本的选取 | 第48-49页 |
| ·运用粗糙集对指标体系进行约简 | 第49-55页 |
| ·数据预处理 | 第49-51页 |
| ·指标体系约简 | 第51-53页 |
| ·指标重要度与权重的确定 | 第53-55页 |
| ·财务风险等级分类的确定 | 第55-60页 |
| ·数据标准化 | 第55-56页 |
| ·样本聚类分析 | 第56-60页 |
| ·BP 神经网络预警模型构建 | 第60-68页 |
| ·BP 神经网络设计 | 第60页 |
| ·BP 神经网络中各个参数对网络性能的影响 | 第60-65页 |
| ·BP 神经网络训练及模型检验 | 第65-68页 |
| ·财务风险的控制措施 | 第68-70页 |
| ·加强钢铁产品结构优化 | 第69页 |
| ·完善企业资本结构，加强现金流量管理 | 第69-70页 |
| ·降低生产成本，控制对外担保金额 | 第70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录1 原始指标数据离散结果 | 第77-79页 |
| 附录2 指标数据标准化处理结果 | 第79-81页 |
| 附录3 BP 神经网络的 Matlab 仿真程序 | 第81-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |
