| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究背景及目的意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的 | 第10页 |
| 1.1.3 研究意义 | 第10-11页 |
| 1.2 文献综述 | 第11-19页 |
| 1.2.1 盈余预测影响因素研究 | 第11-13页 |
| 1.2.2 盈余预测模型研究 | 第13-17页 |
| 1.2.3 盈余预测准确性研究 | 第17-18页 |
| 1.2.4 文献研究述评 | 第18-19页 |
| 1.3 研究内容与方法 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究方法 | 第20-21页 |
| 1.4 本文创新点 | 第21-22页 |
| 第二章 盈余预测的相关概念和理论基础 | 第22-34页 |
| 2.1 盈余预测的相关理论 | 第22-25页 |
| 2.1.1 盈余的定义 | 第22页 |
| 2.1.2 盈余预测的内涵及分类 | 第22-24页 |
| 2.1.3 盈余预测的决策有用性 | 第24页 |
| 2.1.4 财务信息对盈余预测的影响 | 第24-25页 |
| 2.2 盈余预测关键财务指标筛选的理论基础 | 第25-29页 |
| 2.2.1 聚类—灰色关联分析法基本概念 | 第25-26页 |
| 2.2.2 聚类—灰色关联分析法的基本原理 | 第26-28页 |
| 2.2.3 聚类—灰色关联分析法的优点 | 第28-29页 |
| 2.3 盈余预测模型构建的理论基础 | 第29-33页 |
| 2.3.1 RBF神经网络的基本概念 | 第29-30页 |
| 2.3.2 RBF神经网络的基本原理 | 第30-32页 |
| 2.3.3 RBF神经网络的优点 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 大健康产业发展及盈余预测现状 | 第34-43页 |
| 3.1 大健康产业的界定及特点 | 第34-36页 |
| 3.1.1 大健康产业的界定 | 第34-35页 |
| 3.1.2 大健康产业的特点 | 第35-36页 |
| 3.2 大健康产业的发展及趋势 | 第36-40页 |
| 3.2.1 大健康产业发展现状 | 第36-38页 |
| 3.2.2 大健康产业发展趋势 | 第38-40页 |
| 3.3 大健康产业盈余预测现状 | 第40-42页 |
| 3.3.1 大健康产业近五年被跟踪预测现状 | 第40-41页 |
| 3.3.2 大健康产业近五年盈余预测准确度现状 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 云南白药盈余预测现状及财务信息影响因素分析 | 第43-63页 |
| 4.1 云南白药概况 | 第43-46页 |
| 4.1.1 公司简介 | 第43-44页 |
| 4.1.2 发展过程 | 第44-45页 |
| 4.1.3 “新白药、大健康”战略布局 | 第45-46页 |
| 4.2 云南白药盈余预测现状 | 第46-49页 |
| 4.2.1 云南白药近五年被跟踪预测现状 | 第46-47页 |
| 4.2.2 云南白药近五年盈余预测准确度现状 | 第47-49页 |
| 4.3 云南白药盈余预测财务信息影响因素分析 | 第49-62页 |
| 4.3.1 偿债能力分析 | 第49-53页 |
| 4.3.2 营运能力分析 | 第53-55页 |
| 4.3.3 盈利能力分析 | 第55-57页 |
| 4.3.4 现金流量能力分析 | 第57-59页 |
| 4.3.5 股东获利能力分析 | 第59-60页 |
| 4.3.6 发展能力分析 | 第60-61页 |
| 4.3.7 风险水平分析 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 基于RBF神经网络的云南白药盈余预测模型构建 | 第63-78页 |
| 5.1 盈余预测关键财务指标体系构建 | 第63-70页 |
| 5.1.1 盈余预测的指标设计 | 第63-64页 |
| 5.1.2 基于聚类—灰色关联分析法的盈余预测关键指标筛选 | 第64-69页 |
| 5.1.3 基于聚类—灰色关联分析法的盈余预测关键指标筛选结果 | 第69-70页 |
| 5.2 基于RBF神经网络的盈余预测模型构建 | 第70-75页 |
| 5.2.1 样本选取和数据来源 | 第70-71页 |
| 5.2.2 基于RBF神经网络的盈余预测模型的构建 | 第71-73页 |
| 5.2.3 基于RBF神经网络的盈余预测模型的测试 | 第73-75页 |
| 5.3 云南白药盈余预测 | 第75-77页 |
| 5.3.1 云南白药数据的选取及来源 | 第75页 |
| 5.3.2 基于RBF神经网络的云南白药盈余预测 | 第75-76页 |
| 5.3.3 云南白药盈余预测精度检验 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 云南白药盈余预测存在的问题及建议对策 | 第78-83页 |
| 6.1 云南白药盈余预测存在的问题 | 第78-80页 |
| 6.1.1 管理层盈余预测可利用信息少 | 第78页 |
| 6.1.2 盈余预测关键财务信息影响因素不清晰 | 第78-79页 |
| 6.1.3 缺乏具有产业或企业针对性的盈余预测模型 | 第79-80页 |
| 6.2 云南白药盈余预测的建议对策 | 第80-83页 |
| 6.2.1 管理层可适当进行年度业绩预告披露 | 第80页 |
| 6.2.2 注重筛选盈余预测关键财务信息影响因素 | 第80-81页 |
| 6.2.3 构建具有产业或企业针对性的盈余预测模型 | 第81-83页 |
| 第七章 总结与展望 | 第83-85页 |
| 7.1 研究总结 | 第83-84页 |
| 7.2 研究局限 | 第84页 |
| 7.3 研究展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 附录1 程序清单 | 第88-102页 |
| 附录2 攻读硕士学位期间取得的成果 | 第102-103页 |
| 致谢 | 第103页 |
