| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·选题背景 | 第10-11页 |
| ·研究目的及意义 | 第11-12页 |
| ·主要创新点 | 第12页 |
| ·研究内容及框架 | 第12-14页 |
| 第二章 相关的理论基础 | 第14-28页 |
| ·KMV 模型的基本理论 | 第14-17页 |
| ·KMV 模型的基本假设 | 第14页 |
| ·KMV 模型的计算步骤 | 第14-15页 |
| ·KMV 模型的国内外应用现状 | 第15-17页 |
| ·神经网络方法的基本理论 | 第17-21页 |
| ·神经网络方法概述 | 第17-18页 |
| ·BP 神经网络算法原理 | 第18-19页 |
| ·BP 神经网络的学习规则 | 第19-21页 |
| ·财务预警的相关理论 | 第21-27页 |
| ·财务困境的概念 | 第21-23页 |
| ·财务困境的国外研究回顾 | 第23-25页 |
| ·财务困境的国内研究现状 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 全流通下KMV 模型中违约距离的计算 | 第28-38页 |
| ·全流通背景下KMV 模型违约点的修正 | 第28-29页 |
| ·全流通背景介绍 | 第28页 |
| ·违约点修正的样本选取 | 第28页 |
| ·构建线性回归模型及结果分析 | 第28-29页 |
| ·研究样本的选取和数据收集 | 第29-30页 |
| ·KMV 模型参数的计算 | 第30-33页 |
| ·参数计算的原理 | 第30-31页 |
| ·参数计算的结果 | 第31-33页 |
| ·KMV 模型违约距离的计算结果 | 第33-37页 |
| ·选取样本的违约点计算 | 第33-35页 |
| ·选取样本的违约距离计算 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于DEA 方法的上市公司效率指标构建 | 第38-44页 |
| ·DEA 方法概述 | 第38-41页 |
| ·DEA 方法的计算原理 | 第38-40页 |
| ·DEA 方法的应用意义 | 第40-41页 |
| ·DEA 方法的输入输出指标选取 | 第41页 |
| ·基于DEA 的效率指标的结果分析 | 第41-42页 |
| ·选取样本的效率指标计算结果 | 第41-42页 |
| ·效率指标的描述性分析 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第五章 基于BP 神经网络的上市公司财务危机预警的实证研究 | 第44-57页 |
| ·研究样本的选取 | 第44页 |
| ·财务危机预警指标体系的构成 | 第44-50页 |
| ·财务评价指标的选取原则 | 第44-45页 |
| ·评价指标体系中的财务指标 | 第45-49页 |
| ·评价指标体系中的非财务指标 | 第49-50页 |
| ·BP 神经网络的构建 | 第50-52页 |
| ·实证结果分析 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 结论及后续研究 | 第57-60页 |
| ·本文结论 | 第57-58页 |
| ·研究局限及后续展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻硕期间取得的研究成果 | 第66-67页 |