上市公司财务困境预警研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 概述 | 第8-17页 |
| ·引言 | 第8-9页 |
| ·本文研究的背景 | 第8页 |
| ·本文研究的意义 | 第8-9页 |
| ·财务困境预警文献综述 | 第9-14页 |
| ·国外研究综述 | 第9-14页 |
| ·国内研究综述 | 第14页 |
| ·研究的目的与内容 | 第14-17页 |
| 第2章 财务困境预警指标体系的建立 | 第17-26页 |
| ·财务困境的概念 | 第17-18页 |
| ·财务困境预警理论 | 第18-20页 |
| ·规范理论 | 第18-20页 |
| ·实证理论 | 第20页 |
| ·上市公司财务困境预警指标体系的建立 | 第20-26页 |
| 第3章 基于粗集的财务困境非线性预警模型 | 第26-39页 |
| ·粗集理论基础 | 第26-31页 |
| ·粗集的基本概念 | 第26-27页 |
| ·粗集的属性约简 | 第27-28页 |
| ·基于遗传算法的属性约简方法 | 第28-29页 |
| ·粗集的属性离散化方法 | 第29-31页 |
| ·BP人工神经网络 | 第31-35页 |
| ·BP网络的拓扑结构 | 第31-32页 |
| ·标准 BP算法 | 第32-33页 |
| ·人工神经网络用于财务困境预警 | 第33-35页 |
| ·对 BP网络预测性能的改进 | 第35-36页 |
| ·网络结构的改进 | 第35页 |
| ·训练算法的改进 | 第35-36页 |
| ·基于粗集的人工神经网络非线性预警模型 | 第36-39页 |
| ·粗集与人工神经网络结合的现状 | 第36-37页 |
| ·粗集与人工神经网络结合的可行性分析 | 第37-38页 |
| ·基于粗集与人工神经网络的预测建模 | 第38-39页 |
| 第4章 上市公司财务困境预警实证分析 | 第39-52页 |
| ·研究样本的设计 | 第39-40页 |
| ·预警指标的描述性分析 | 第40-43页 |
| ·RS-ANN预警模型实证分析 | 第43-50页 |
| ·粗集对预警变量的筛选 | 第43-44页 |
| ·神经网络的设计 | 第44-48页 |
| ·预测结果及分析 | 第48-50页 |
| ·与其它预警模型的对比分析 | 第50-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间科研及论文情况 | 第64页 |
