| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-23页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状综述 | 第14-20页 |
| ·财务危机的定义 | 第14-16页 |
| ·财务危机预警模型指标选取的国内外综述 | 第16-18页 |
| ·财务危机预警模型的研究方法 | 第18-20页 |
| ·本文研究框架 | 第20-23页 |
| ·本文研究思路 | 第20-21页 |
| ·本文篇章结构 | 第21-22页 |
| ·本文创新点 | 第22-23页 |
| 第二章 邻域粗糙集理论 | 第23-33页 |
| ·粗糙集理论概述 | 第23-24页 |
| ·粗糙集理论发展过程 | 第23-24页 |
| ·粗糙集理论的特点 | 第24页 |
| ·邻域粗糙集理论 | 第24-32页 |
| ·邻域粗糙集理论发展过程 | 第24-25页 |
| ·邻域粗糙集基本概念 | 第25-31页 |
| ·邻域粗糙集的属性约简算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 BP 神经网络和粒子群优化算法 | 第33-45页 |
| ·人工神经网络的发展过程和特点 | 第33-34页 |
| ·人工神经网络的结构 | 第34-35页 |
| ·BP 神经网络理论 | 第35-39页 |
| ·BP 网络结构 | 第35-36页 |
| ·BP 网络学习规则 | 第36-38页 |
| ·BP 网络的不足 | 第38-39页 |
| ·粒子群优化算法 | 第39-41页 |
| ·粒子群优化概念 | 第39页 |
| ·粒子群优化算法 | 第39-41页 |
| ·粒子群优化的 BP 网络 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于邻域粗糙集和粒子群优化神经网络的财务危机预警模型的构建 | 第45-54页 |
| ·财务预警模型样本设计 | 第45-46页 |
| ·ST、*ST 样本的选取 | 第45-46页 |
| ·样本配对 | 第46页 |
| ·财务预警模型指标体系的建立 | 第46-51页 |
| ·财务预警指标应遵循的原则 | 第47页 |
| ·财务预警指标体系的内容 | 第47-51页 |
| ·财务预警模型指标约简 | 第51-53页 |
| ·原始指标数据的标准化处理 | 第51-52页 |
| ·模型参数设定 | 第52页 |
| ·指标数据约简结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于邻域粗糙集和粒子群优化神经网络的财务预警模型实证研究 | 第54-63页 |
| ·实证研究思路 | 第54页 |
| ·模型实证分析 | 第54-60页 |
| ·经典粗糙集和普通 BP 神经网络相结合的财务预警模型分析 | 第54-55页 |
| ·邻域粗糙集和普通 BP 神经网络相结合的财务预警模型分析 | 第55-56页 |
| ·领域粗糙集和粒子群优化 BP 神经网络结合的财务预警模型分析 | 第56-60页 |
| ·模型预测效果比较 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论及未来研究展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·研究局限性和未来研究展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间取得的学术成果 | 第70-71页 |
| 致谢 | 第71页 |
