基于遗传小波神经网络的财务危机预警模型研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-15页 |
| ·选题依据 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·选题目的及意义 | 第11-13页 |
| ·论文撰写纲要 | 第13-14页 |
| ·研究思路 | 第13页 |
| ·研究方法 | 第13-14页 |
| ·本文创新点及预期研究成果 | 第14-15页 |
| ·本文创新点 | 第14页 |
| ·预期研究成果 | 第14-15页 |
| 2. 国内外研究现状综述 | 第15-22页 |
| ·财务危机的界定 | 第15-16页 |
| ·国外财务危机概念的界定 | 第15页 |
| ·国内财务危机概念的界定 | 第15-16页 |
| ·本文对财务危机概念的理解 | 第16页 |
| ·财务危机预警指标的选取 | 第16-18页 |
| ·现有文献中预警指标的选择 | 第17页 |
| ·预警指标选取方法评述 | 第17-18页 |
| ·财务危机预警模型 | 第18-22页 |
| ·国内外财务危机预警模型 | 第18-20页 |
| ·财务危机预警方法评述 | 第20-22页 |
| 3. 财务危机预警相关理论 | 第22-39页 |
| ·财务危机预警的理论依据 | 第22页 |
| ·财务危机预警的功能 | 第22-23页 |
| ·影响企业财务危机的因素 | 第23-25页 |
| ·外部因素 | 第23-24页 |
| ·内部因素 | 第24-25页 |
| ·小波神经网络理论 | 第25-31页 |
| ·小波神经网络概述 | 第25-27页 |
| ·小波神经网络参数调整算法 | 第27-30页 |
| ·小波神经网络结构设计 | 第30-31页 |
| ·遗传算法理论 | 第31-39页 |
| ·遗传算法的定义及特点 | 第31-32页 |
| ·遗传算法的操作 | 第32-37页 |
| ·遗传算法优化小波神经网络 | 第37-39页 |
| 4. 实证样本及指标选取 | 第39-45页 |
| ·样本选取 | 第39-41页 |
| ·研究期间 | 第39页 |
| ·研究样本选取 | 第39-40页 |
| ·财务危机样本选择 | 第40页 |
| ·财务危机配对样本选择 | 第40-41页 |
| ·样本分割 | 第41页 |
| ·预警指标体系构建 | 第41-45页 |
| ·财务危机预警指标选取标准 | 第41-42页 |
| ·初步选取的财务预警指标汇总 | 第42-45页 |
| 5. 财务危机预警模型建立及实证分析 | 第45-60页 |
| ·预警指标及数据的预处理 | 第45-50页 |
| ·正态性检验 | 第45-47页 |
| ·显著性检验 | 第47-50页 |
| ·预警指标的主成分分析 | 第50-53页 |
| ·原始数据标准化 | 第50页 |
| ·提取主成分因子 | 第50-53页 |
| ·GA-WNN 模型 | 第53-55页 |
| ·传统财务预警模型 | 第55-58页 |
| ·logistic 财务预警模型 | 第55-56页 |
| ·BP 神经网络财务预警模型 | 第56页 |
| ·SVM 财务预警模型 | 第56-58页 |
| ·实证结果分析 | 第58-60页 |
| 6. 研究结论和展望 | 第60-62页 |
| ·研究结论 | 第60页 |
| ·研究局限 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 A 训练和检测样本 | 第65-66页 |
| 附录 B t-3 年数据处理过程 | 第66-70页 |
| 附录 C 各模型计算结果 | 第70-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79-80页 |
