基于优化的BP神经网络对我国上市公司财务困境预警模型的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·财务危机简述 | 第10-11页 |
| ·财务危机的客观性 | 第10页 |
| ·财务危机的普遍性 | 第10页 |
| ·财务危机的损失性 | 第10-11页 |
| ·财务危机的可变性 | 第11页 |
| ·财务危机的界定 | 第11-13页 |
| ·研究的现实意义 | 第13-15页 |
| ·本文的主要研究内容 | 第15页 |
| ·章节安排 | 第15-16页 |
| 第二章 财务预警研究 | 第16-32页 |
| ·上市公司财务危机的因素分析 | 第17-18页 |
| ·财务预警介绍 | 第18-20页 |
| ·国外财务危机预警研究 | 第20-28页 |
| ·传统的危机评估技术 | 第20-23页 |
| ·统计类财务困境预测方法 | 第23-25页 |
| ·非统计类财务困境预测方法 | 第25-26页 |
| ·综合分析法 | 第26-27页 |
| ·分行业的研究 | 第27页 |
| ·各种模型比较研究 | 第27-28页 |
| ·国内财务危机预警研究 | 第28-30页 |
| ·文献回顾 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 BP人工神经网络 | 第32-49页 |
| ·人工神经网络 | 第32-36页 |
| ·神经网络的研究背景 | 第33-34页 |
| ·人工神经网络简介 | 第34-35页 |
| ·神经网络的分类 | 第35-36页 |
| ·神经网络的应用及研究热点 | 第36页 |
| ·BP神经网络 | 第36-45页 |
| ·BP网络模型结构 | 第41-45页 |
| ·BP神经网络的不足 | 第45-46页 |
| ·运用ADABOOST算法对BP神经网络优化 | 第46页 |
| ·AdaBoost优化算法概述 | 第46页 |
| ·运用ADABOOST算法对BP神经网络优化 | 第46-48页 |
| ·AdaBoost优化算法概述 | 第46-47页 |
| ·AdaBoost算法实现过程 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 研究方法和步骤 | 第49-54页 |
| ·模型变量结构 | 第49-50页 |
| ·财务指标 | 第49-50页 |
| ·财务风险状况 | 第50页 |
| ·研究步骤 | 第50-51页 |
| ·模型隐含层设计 | 第51-53页 |
| ·隐层设计 | 第51页 |
| ·用矩阵实验室软件来对隐含层数的训练 | 第51-52页 |
| ·选择数据集 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实证分析 | 第54-66页 |
| ·样本的范围和数据来源 | 第54-55页 |
| ·指标选取 | 第55-59页 |
| ·样本数据集整理及定义矩阵 | 第59-60页 |
| ·神经网络建模 | 第60-61页 |
| ·运行结果及分析 | 第61-66页 |
| 第六章 结论和展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
