基于邻域粗糙集—神经网络的上市公司财务预警研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景及意义 | 第12-14页 |
| ·文献综述 | 第14-20页 |
| ·财务困境预警模型指标选取的研究 | 第14-17页 |
| ·财务困境预警模型的研究 | 第17-20页 |
| ·研究内容与技术路线 | 第20-22页 |
| ·研究内容 | 第20-21页 |
| ·技术路线 | 第21-22页 |
| 第2章 财务困境的界定及形成机理分析 | 第22-33页 |
| ·财务困境界定 | 第22页 |
| ·我国上市公司财务困境现状分析 | 第22-25页 |
| ·财务困境成因分析 | 第25-26页 |
| ·公司治理与财务困境 | 第26-29页 |
| ·股权结构与财务困境 | 第26-28页 |
| ·董事会结构与财务困境 | 第28-29页 |
| ·财务困境公司特征 | 第29-30页 |
| ·财务困境预警 | 第30-33页 |
| 第3章 邻域粗糙集-神经网络方法研究 | 第33-43页 |
| ·邻域粗糙集理论 | 第33-37页 |
| ·神经网络方法 | 第37-41页 |
| ·邻域粗糙集-神经网络方法 | 第41-43页 |
| 第4章 邻域粗糙集-神经网络的财务预警模型构建 | 第43-53页 |
| ·财务困境预警模型指标选取 | 第43-47页 |
| ·预警指标选取原则 | 第43-44页 |
| ·财务变量的选取 | 第44-45页 |
| ·非财务变量的选取 | 第45-47页 |
| ·预测指标选取方法 | 第47页 |
| ·邻域粗糙集的属性约简算法 | 第47-49页 |
| ·基于邻域粗糙集-神经网络的财务预警模型 | 第49-51页 |
| ·模型参数设定 | 第51-53页 |
| ·设定邻域 | 第51页 |
| ·神经网络主要参数的确定 | 第51-53页 |
| 第5章 邻域粗糙集-神经网络财务预警模型实证研究 | 第53-63页 |
| ·样本选取与数据来源 | 第53-54页 |
| ·样本选取 | 第53-54页 |
| ·数据预处理 | 第54页 |
| ·实证研究思路 | 第54-55页 |
| ·模型实证分析 | 第55-63页 |
| ·BP 神经网络预警分析 | 第55-57页 |
| ·邻域粗糙集-神经网络预警分析 | 第57-60页 |
| ·Logistic 回归模型预警分析 | 第60-61页 |
| ·预警结果对比分析 | 第61-63页 |
| 结论 | 第63-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录 A（攻读硕士学位期间所发表的学术论文） | 第72-73页 |
| 附录 B（部分源代码） | 第73-80页 |
| 附录 C（研究的上市公司样本） | 第80-85页 |
