| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·研究问题的提出 | 第10页 |
| ·进行上市公司财务危机预警研究的重要意义 | 第10-12页 |
| ·国内外财务危机预警研究的状况 | 第12-17页 |
| ·国外财务危机预警研究的状况 | 第12-13页 |
| ·国内财务危机预警研究的状况 | 第13-16页 |
| ·国内外有关研究文献的评述 | 第16-17页 |
| ·本文的研究思路及创新点 | 第17-20页 |
| ·研究思路及研究框架 | 第17-18页 |
| ·本研究的创新点 | 第18-20页 |
| 2 上市公司财务危机预警基本问题概述 | 第20-30页 |
| ·财务危机预警的理论基础 | 第20-21页 |
| ·财务危机的界定 | 第21-25页 |
| ·国外有关财务危机的界定 | 第21-22页 |
| ·国内有关财务危机的界定 | 第22-24页 |
| ·本文财务危机的界定 | 第24-25页 |
| ·上市公司财务危机预警研究方法的分析与比较 | 第25-30页 |
| ·定性研究方法 | 第25-26页 |
| ·定量研究方法 | 第26-28页 |
| ·定性研究方法与定量研究方法的比较 | 第28-30页 |
| 3 基于逻辑回归和人工神经网络两种预警方法的模型构建 | 第30-47页 |
| ·研究样本及财务指标的选择 | 第30-35页 |
| ·研究样本的选择 | 第30-31页 |
| ·描述性分析 | 第31-33页 |
| ·财务指标的选择 | 第33-35页 |
| ·Logistic预警方法 | 第35-39页 |
| ·Logistic方法简介 | 第35页 |
| ·Logistic模型构建 | 第35-39页 |
| ·ANN预警方法 | 第39-45页 |
| ·ANN方法简介 | 第39-42页 |
| ·ANN模型的构建 | 第42-45页 |
| ·BP神经网络的优缺点分析 | 第45-47页 |
| 4 基于小波神经网络预警方法的模型构建 | 第47-59页 |
| ·小波分析理论 | 第47-49页 |
| ·历史背景 | 第47-48页 |
| ·小波函数的定义 | 第48页 |
| ·小波分析 | 第48-49页 |
| ·小波神经网络理论简介 | 第49-55页 |
| ·小波神经网络的定义 | 第49-50页 |
| ·小波神经网络的研究现状 | 第50-51页 |
| ·小波神经网络理论 | 第51-53页 |
| ·小波神经网络预警模型学习算法 | 第53-55页 |
| ·利用小波神经网络方法构建预警模型 | 第55-57页 |
| ·小波神经网络优越性分析 | 第57-59页 |
| 5 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 A | 第63-64页 |
| 附录 B | 第64-65页 |
| 附录 C | 第65-66页 |
| 附录 D | 第66-68页 |
| 致谢 | 第68页 |