企业财务困境预警研究--基于中小板上市公司的实证分析
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-20页 |
1.1 研究背景及意义 | 第8-11页 |
1.1.1 研究背景 | 第8-9页 |
1.1.2 研究意义 | 第9-11页 |
1.2 国内外研究现状 | 第11-17页 |
1.2.1 财务困境的界定 | 第11-12页 |
1.2.2 与预警变量选取有关的研究 | 第12-15页 |
1.2.3 与预警模型有关的研究 | 第15-17页 |
1.3 研究思路与研究框架 | 第17-18页 |
1.3.1 基本研究框架 | 第17页 |
1.3.2 研究内容概述 | 第17-18页 |
1.4 研究方法 | 第18-20页 |
第2章 财务困境概念界定及其形成原因 | 第20-24页 |
2.1 财务困境的界定 | 第20-21页 |
2.2 财务困境的形成原因 | 第21-24页 |
第3章 财务困境的识别指标选取与筛选 | 第24-31页 |
3.1 财务指标选取 | 第24-27页 |
3.1.1 反映企业偿债能力的财务指标 | 第24-25页 |
3.1.2 反映企业营运能力的财务指标 | 第25页 |
3.1.3 反映企业盈利能力的财务指标 | 第25页 |
3.1.4 反映企业发展能力的财务指标 | 第25-27页 |
3.2 非财务指标选取 | 第27-28页 |
3.2.1 股权结构 | 第27页 |
3.2.2 代理成本 | 第27页 |
3.2.3 股利分配 | 第27页 |
3.2.4 关联方担保 | 第27-28页 |
3.3 指标筛选与处理方法 | 第28-31页 |
3.3.1 指标筛选的 T 检验方法 | 第28-29页 |
3.3.2 指标的因子得分转换 | 第29-31页 |
第4章 财务困境预警模型比较 | 第31-38页 |
4.1 线性预警模型 | 第31-33页 |
4.1.1 单变量预警模型 | 第31页 |
4.1.2 多变量预警模型 | 第31-33页 |
4.2 神经网络方法(模型) | 第33-34页 |
4.3 逻辑回归模型 | 第34-35页 |
4.4 其他预警模型(方法) | 第35-38页 |
4.4.1 案例推理 | 第35-36页 |
4.4.2 粗糙集方法 | 第36页 |
4.4.3 故障树分析法 | 第36-38页 |
第5章 基于中小板企业的财务困境实证研究 | 第38-51页 |
5.1 样本的选取与描述 | 第38-40页 |
5.1.1 样本的选取 | 第38-39页 |
5.1.2 样本期的选择 | 第39-40页 |
5.2 指标的选取与处理 | 第40-48页 |
5.2.1 指标的选取 | 第40-42页 |
5.2.2 指标的 T 检验及结果分析 | 第42-43页 |
5.2.3 指标的因子得分转换 | 第43-48页 |
5.3 预警模型的选取 | 第48页 |
5.4 实证结果 | 第48-51页 |
5.4.1 逻辑回归结果 | 第48-49页 |
5.4.2 模型有效性研判 | 第49-51页 |
第6章 总结 | 第51-54页 |
6.1 研究结论 | 第51页 |
6.2 创新之处 | 第51-52页 |
6.3 研究不足和展望 | 第52-54页 |
6.3.1 研究不足 | 第52页 |
6.3.2 展望 | 第52-54页 |
致谢 | 第54-55页 |
参考文献 | 第55-59页 |
附录一 实证数据表格 | 第59-68页 |
附录二 攻读硕士学位期间发表的论文 | 第68-69页 |
详细摘要 | 第69-73页 |