基于BP神经网络与DEA模型的中国上市公司利润操纵问题研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-23页 |
| ·研究的背景与意义 | 第9-12页 |
| ·研究背景 | 第9-11页 |
| ·研究意义 | 第11-12页 |
| ·上市公司利润操纵研究综述 | 第12-17页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-17页 |
| ·国内外研究存在的不足 | 第17页 |
| ·本文研究的内容与方法 | 第17-21页 |
| ·本文的研究思路及方法 | 第17-18页 |
| ·本文的研究内容与创新点 | 第18-21页 |
| ·本文的技术路线 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第2章 利润操纵的相关理论 | 第23-37页 |
| ·利润操纵的相关概念 | 第23-28页 |
| ·利润操纵的定义 | 第23-24页 |
| ·利润操纵的原因 | 第24-26页 |
| ·利润操纵的手段 | 第26-27页 |
| ·利润操纵的对策 | 第27-28页 |
| ·利润操纵的研究模型 | 第28-31页 |
| ·本文运用的主要理论 | 第31-34页 |
| ·粗糙集 | 第31页 |
| ·BP 神经网络 | 第31-32页 |
| ·粗糙集—BP 神经网络 | 第32-33页 |
| ·DEA 模型 | 第33-34页 |
| ·本章小结 | 第34-37页 |
| 第3章 中国上市公司利润操纵识别模型 | 第37-49页 |
| ·利润操纵的案例收集及数据处理 | 第37-39页 |
| ·利润操纵的案例收集 | 第37页 |
| ·配对样本的T 检验 | 第37-38页 |
| ·输入指标的相关分析 | 第38-39页 |
| ·中国上市公司利润操纵识别模型 | 第39-46页 |
| ·基于粗糙集的指标约简 | 第39-41页 |
| ·BP 神经网络的数据训练和学习 | 第41-45页 |
| ·测试样本的检验及模型的正判率 | 第45-46页 |
| ·模型的识别结果及分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 中国上市公司利润操纵的改进模型 | 第49-61页 |
| ·改进的识别模型 | 第49-55页 |
| ·DEA 模型的数据搜集与处理 | 第49-51页 |
| ·基于粗糙集的指标约简 | 第51-52页 |
| ·改进识别模型的数据训练和学习 | 第52-54页 |
| ·测试样本的检验及模型的正判率 | 第54-55页 |
| ·改进模型的识别结果及分析 | 第55-57页 |
| ·改进模型的识别结果 | 第55页 |
| ·改进模型的进一步分析 | 第55-57页 |
| ·改进模型的应用 | 第57-58页 |
| ·本章小结 | 第58-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-103页 |
| 攻读硕士学位期间所发表的学术论文 | 第103-105页 |
| 致谢 | 第105页 |
