粗糙集—神经网络模型在财务预警上的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·问题的提出 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外文献综述 | 第10-15页 |
| ·国内外预警模型研究概况和发展趋势 | 第10-11页 |
| ·国内外财务预警方法综合评述 | 第11-15页 |
| ·本文的研究思路和方法 | 第15-17页 |
| ·研究思路 | 第15页 |
| ·研究方法 | 第15-17页 |
| 2 粗糙集-神经网络相结合的理论基础 | 第17-23页 |
| ·粗糙集与神经网络结合的发展现状 | 第17页 |
| ·粗糙集的基本理论 | 第17-20页 |
| ·粗糙集理论简介 | 第17-18页 |
| ·粗糙集理论在本文应用的几个关键技术 | 第18-20页 |
| ·神经网络技术原理 | 第20-23页 |
| ·神经网络模型概述 | 第20-21页 |
| ·两种神经网络结构模型 | 第21-23页 |
| 3 粗糙集与神经网络相结合的财务预警模型设计 | 第23-34页 |
| ·传统财务预警方法评析 | 第23-24页 |
| ·粗糙集理论在模型中的应用 | 第24-25页 |
| ·神经网络的结构设计 | 第25-27页 |
| ·BP算法改进 | 第27-32页 |
| ·标准 BP神经网络算法原理 | 第27-29页 |
| ·标准 BP算法存在的缺陷 | 第29页 |
| ·BP算法改进的具体步骤 | 第29-30页 |
| ·改进后的BP算法及算法检验 | 第30-32页 |
| ·模型构建的具体步骤 | 第32-34页 |
| 4 实证分析 | 第34-54页 |
| ·样本及财务指标的选取 | 第34-42页 |
| ·样本的选取 | 第34-36页 |
| ·研究期间的确定 | 第36-37页 |
| ·财务指标的选取 | 第37-42页 |
| ·传统BP神经网络实证建模 | 第42-45页 |
| ·模型的建立 | 第42-43页 |
| ·模型的训练及精度检验 | 第43-45页 |
| ·粗糙集-神经网络模型实证建模 | 第45-52页 |
| ·模型预处理 | 第45-49页 |
| ·模型的确立 | 第49-50页 |
| ·模型的训练及其精度检验 | 第50-52页 |
| ·两种模型的结果比较分析 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 A T-3年财务数据 | 第58-61页 |
| 附录 B 训练样本财务指标T检验数据 | 第61-62页 |
| 附录 C 训练样本相关系数数据 | 第62-63页 |
| 附录 D 训练样本标准化数据 | 第63-66页 |
| 附录 E 训练样本离散化输出结果 | 第66-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
| 大连理工大学学位论文版权使用授权书 | 第70页 |
