摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-17页 |
1.1 研究背景 | 第9-10页 |
1.2 研究意义 | 第10页 |
1.3 国内外关于财务预警的研究现状 | 第10-15页 |
1.3.1 国内外关于财务预警单变量判定模型的相关研究 | 第10-11页 |
1.3.2 国内外关于财务预警多变量判定模型的相关研究 | 第11-13页 |
1.3.3 国内外关于财务动态预警模型的相关研究 | 第13-14页 |
1.3.4 关于农业上市公司财务预警的研究 | 第14页 |
1.3.5 综合评述 | 第14-15页 |
1.4 研究内容、方法与研究框架 | 第15-17页 |
1.4.1 研究内容 | 第15页 |
1.4.2 研究方法 | 第15-16页 |
1.4.3 研究框架 | 第16-17页 |
第2章 相关理论基础 | 第17-29页 |
2.1 财务风险 | 第17-19页 |
2.1.1 风险的定义及特征 | 第17-18页 |
2.1.2 财务风险概念的界定 | 第18页 |
2.1.3 财务风险的分类 | 第18-19页 |
2.2 财务危机 | 第19-20页 |
2.3 财务预警基础理论研究 | 第20-24页 |
2.3.1 风险管理理论 | 第20-21页 |
2.3.2 危机管理理论 | 第21-22页 |
2.3.3 策略震撼管理理论 | 第22页 |
2.3.4 权衡理论 | 第22-23页 |
2.3.5 代理理论 | 第23页 |
2.3.6 企业生命周期理论 | 第23-24页 |
2.4 灰色系统理论 | 第24-25页 |
2.5 神经网络系统理论 | 第25-29页 |
2.5.1 人工神经网络概述 | 第25-27页 |
2.5.2 BP神经网络理论 | 第27-29页 |
第3章 农业上市公司现状 | 第29-36页 |
3.1 农业上市公司的界定 | 第29-30页 |
3.2 农业上市公司的规模发展 | 第30-31页 |
3.3 农业上市公司的地域分布 | 第31-33页 |
3.4 我国农业上市公司的行业分布特点 | 第33-34页 |
3.5 我国农业上市公司“背农”现象 | 第34-35页 |
3.6 我国农业上市公司行业风险分析 | 第35-36页 |
第4章 农业上市公司财务预警实证研究 | 第36-53页 |
4.1 农业上市公司财务预警指标分析 | 第36-39页 |
4.1.1 财务预警指标选取原则 | 第36页 |
4.1.2 农业上市公司财务预警指标确定 | 第36-39页 |
4.2 数据和样本的选择 | 第39页 |
4.2.1 样本的选取与分类 | 第39页 |
4.2.2 数据来源 | 第39页 |
4.3 基于神经网络的财务预警 | 第39-49页 |
4.3.1 输入层的构建 | 第40-45页 |
4.3.2 中间层的构建 | 第45-49页 |
4.4 农业上市公司财务动态预警 | 第49-53页 |
4.4.1 基于灰色神经网络的动态预警模型构建 | 第49-51页 |
4.4.2 动态预警结果 | 第51-53页 |
第5章 结论与展望 | 第53-57页 |
5.1 研究结论 | 第53页 |
5.2 农业上市公司财务危机防范对策 | 第53-56页 |
5.2.1 提高农业上市公司对于财务危机预警的意识,树立风险管理文化 | 第53-54页 |
5.2.2 从公司治理的层面降低财务风险,防范财务危机 | 第54页 |
5.2.3 从公司经营的层面降低财务风险,防范财务危机 | 第54-55页 |
5.2.4 针对农业上市公司风险特点,建立预防突发事件机制 | 第55页 |
5.2.5 提供国家政策及法制的支持,健全监管体制 | 第55-56页 |
5.3 研究中存在的不足 | 第56-57页 |
参考文献 | 第57-61页 |
附录 | 第61-66页 |
致谢 | 第66-67页 |
作者简介 | 第67页 |