| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第8-17页 |
| 1.1 论文的研究背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 国外有关公司财务困境的研究 | 第9-13页 |
| 1.2.2 国内有关公司财务困境的研究 | 第13-15页 |
| 1.3 论文的研究思路及主要内容 | 第15-17页 |
| 2 财务危机预警的理论基础 | 第17-19页 |
| 2.1 财务危机的定义 | 第17-18页 |
| 2.2 财务危机预警理论 | 第18-19页 |
| 3 预警指标体系的建立 | 第19-26页 |
| 3.1 预警指标的选取原则 | 第19-20页 |
| 3.2 预警指标体系构建 | 第20-26页 |
| 4 财务危机预警模型 | 第26-34页 |
| 4.1 传统财务危机预警方法 | 第26-28页 |
| 4.2 基于人工神经网络预警方法 | 第28-31页 |
| 4.3 基于传统预警方法与人工神经网络的组合预测方法 | 第31-32页 |
| 4.4 基于BP 神经网络的财务危机预警模型构建 | 第32-34页 |
| 4.4.1 样本与研究变量的选择 | 第32页 |
| 4.4.2 指标的筛选与分析 | 第32页 |
| 4.4.3 建立模型 | 第32-34页 |
| 5 制造业上市公司财务预警模型的实证研究 | 第34-51页 |
| 5.1 研究样本的设计 | 第34页 |
| 5.2 预警指标筛选 | 第34-39页 |
| 5.2.1 指标体系初步构建 | 第34-35页 |
| 5.2.2 指标第一次筛选—显著性分析 | 第35-37页 |
| 5.2.3 指标第二次筛选——因子分析 | 第37-39页 |
| 5.3 BP 神经网络财务预警实证 | 第39-42页 |
| 5.3.1 神经网络结构设计 | 第39-41页 |
| 5.3.2 神经网络训练 | 第41-42页 |
| 5.3.3 神经网络测试 | 第42页 |
| 5.4 基于不同方法的预测模型对比 | 第42-51页 |
| 5.4.1 基于Z 值分析判别模型 | 第42-46页 |
| 5.4.2 基于Logistic 回归分析判别模型 | 第46-47页 |
| 5.4.3 基于传统方法与人工神经网络的组合判别模型 | 第47-50页 |
| 5.4.4 基于不同方法的预测模型结果比较 | 第50-51页 |
| 6 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59-61页 |
