基于灰色神经网络的制造业上市公司财务危机预警研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-11页 |
| 1.2.1 理论价值 | 第9-10页 |
| 1.2.2 现实意义 | 第10-11页 |
| 1.3 文献综述 | 第11-15页 |
| 1.3.1 国外研究综述 | 第11-13页 |
| 1.3.2 国内研究综述 | 第13-15页 |
| 1.4 研究方法和内容框架 | 第15-18页 |
| 1.4.1 研究方法 | 第15-16页 |
| 1.4.2 研究内容框架 | 第16-18页 |
| 1.5 创新点与不足 | 第18-19页 |
| 1.5.1 本文的创新点 | 第18页 |
| 1.5.2 本文存在的不足 | 第18-19页 |
| 第二章 相关概念界定以及理论基础 | 第19-36页 |
| 2.1 财务危机的定义 | 第19-21页 |
| 2.1.1 财务危机的国外定义 | 第19-20页 |
| 2.1.2 财务危机的国内定义 | 第20-21页 |
| 2.1.3 本文对于财务危机的定义 | 第21页 |
| 2.2 财务预警概念 | 第21-22页 |
| 2.3 财务预警功能 | 第22-23页 |
| 2.4 基础理论 | 第23-31页 |
| 2.4.1 灰色系统理论 | 第23-27页 |
| 2.4.2 BP神经网络系统理论 | 第27-31页 |
| 2.4.3 灰色系统理论与BP神经网络的融合 | 第31页 |
| 2.5 模糊综合评价概述 | 第31-36页 |
| 2.5.1 模糊综合评价 | 第31-32页 |
| 2.5.2 模糊综合评判模型的建立 | 第32-36页 |
| 第三章 财务预警样本和预警指标概述 | 第36-48页 |
| 3.1 财务预警样本的由来及统计分析 | 第36-43页 |
| 3.1.1 研究样本的由来 | 第36页 |
| 3.1.2 样本期的确定 | 第36页 |
| 3.1.3 研究样本配对原则 | 第36-39页 |
| 3.1.4 样本公司的描述性统计分析 | 第39-43页 |
| 3.2 预警指标的选取 | 第43-48页 |
| 3.2.1 选取预警指标的原则 | 第43-44页 |
| 3.2.2 关于财务指标体系的选取 | 第44页 |
| 3.2.3 关于非财务指标的选取 | 第44-48页 |
| 第四章 制造业上市公司财务危机预警模型构建 | 第48-60页 |
| 4.1 预警指标的筛选 | 第48-51页 |
| 4.1.1 灰色关联度分析 | 第48-49页 |
| 4.1.2 相关性检测 | 第49-51页 |
| 4.2 非财务指标的模糊处理 | 第51-53页 |
| 4.3 BP神经网络建立 | 第53-57页 |
| 4.3.1 数据的预处理 | 第53页 |
| 4.3.2 神经网络的构建 | 第53-56页 |
| 4.3.3 模型的优化 | 第56-57页 |
| 4.4 动态预警与检验 | 第57-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录A | 第67-79页 |
| 附录B MATLAB程序 | 第79-84页 |
