创业板上市公司财务风险预警研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 文献综述 | 第12-19页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-18页 |
| 1.2.3 文献评述 | 第18-19页 |
| 1.3 研究内容与研究方法 | 第19-22页 |
| 1.3.1 研究内容 | 第19-21页 |
| 1.3.2 研究方法 | 第21-22页 |
| 1.4 本文的创新点 | 第22-23页 |
| 第2章 上市公司财务预警相关理论 | 第23-29页 |
| 2.1 概念界定 | 第23页 |
| 2.1.1 创业板市场概念 | 第23页 |
| 2.1.2 财务风险概念 | 第23页 |
| 2.1.3 财务预警概念 | 第23页 |
| 2.2 相关理论基础 | 第23-25页 |
| 2.2.1 企业危机管理理论 | 第24页 |
| 2.2.2 企业逆境管理理论 | 第24页 |
| 2.2.3 企业诊断理论 | 第24-25页 |
| 2.2.4 非均衡理论 | 第25页 |
| 2.3 传统预警方法介绍 | 第25-29页 |
| 2.3.1 单一变量预警模型 | 第25页 |
| 2.3.2 多元变量预警模型 | 第25-27页 |
| 2.3.3 条件概率预警模型 | 第27页 |
| 2.3.4 人工神经网络预警模型 | 第27-28页 |
| 2.3.5 模型比较与评价 | 第28-29页 |
| 第3章 研究设计 | 第29-37页 |
| 3.1 样本与数据的选择 | 第29-31页 |
| 3.2 预警度的确定 | 第31-32页 |
| 3.2.1 预警模型区间划分 | 第31-32页 |
| 3.2.2 预警模型时间划分 | 第32页 |
| 3.2.3 建模样本与仿真样本设计 | 第32页 |
| 3.3 预警指标选择 | 第32-35页 |
| 3.3.1 预警指标选取原则 | 第32-33页 |
| 3.3.2 预警指标初步选取 | 第33-35页 |
| 3.4 预警方法选择 | 第35-37页 |
| 第4章 创业板上市公司财务风险预警模型构建及检验 | 第37-57页 |
| 4.1 神经网络介绍 | 第37-42页 |
| 4.1.1 神经网络概述 | 第37页 |
| 4.1.2 BP神经网络工作原理 | 第37-38页 |
| 4.1.3 BP神经网络学习算法 | 第38-42页 |
| 4.2 BP神经网络财务指标选择 | 第42-47页 |
| 4.2.1 主成分分析基本原理 | 第42-43页 |
| 4.2.2 主成分提取计算步骤 | 第43-44页 |
| 4.2.3 预警指标筛选 | 第44-47页 |
| 4.3 BP神经网络预警模型构建 | 第47-54页 |
| 4.3.1 BP神经网络各参数确定 | 第47-48页 |
| 4.3.2 学习样本训练 | 第48-49页 |
| 4.3.3 训练样本运行结果 | 第49-52页 |
| 4.3.4 检验样本仿真处理 | 第52-54页 |
| 4.4 与传统模型比较 | 第54-55页 |
| 4.4.1 传统预警模型结果 | 第54页 |
| 4.4.2 比较与分析 | 第54-55页 |
| 4.5 构建BP网络预警模型应用 | 第55-57页 |
| 第5章 结论 | 第57-59页 |
| 5.1 研究结论 | 第57页 |
| 5.2 研究不足及展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
