| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 前言 | 第8-13页 |
| ·上市公司财务危机预警系统的研究背景 | 第8-9页 |
| ·上市公司财务危机预警系统研究的意义 | 第9-11页 |
| ·本文的研究内容 | 第11页 |
| ·本文的创新要点 | 第11-13页 |
| 第2章 企业财务危机预警研究概述 | 第13-25页 |
| ·财务危机的定义 | 第13-15页 |
| ·国外对财务危机的定义 | 第13-14页 |
| ·我国对财务危机的定义 | 第14-15页 |
| ·国内外财务危机预警模型概述 | 第15-22页 |
| ·财务危机的定性预测方法概述 | 第15-16页 |
| ·风险分析调查法 | 第15页 |
| ·资金周转表分析法 | 第15页 |
| ·四阶段症状分析法 | 第15-16页 |
| ·流程图分析法 | 第16页 |
| ·管理评分法 | 第16页 |
| ·财务危机的定量预测方法概述 | 第16-22页 |
| ·单变量分析 | 第16-17页 |
| ·多元判别分析模型(Multiple Discriminant Analysis，MDA or DA) | 第17-18页 |
| ·线性概率模型(Linear Probablity Model，LPM) | 第18页 |
| ·多元逻辑回归模型(Logistic Model)和多元概率比回归模型(Probit Model) | 第18-19页 |
| ·递归分割算法(Recursive Partitioning Algorithm，RPA) | 第19-20页 |
| ·生存分析 | 第20-21页 |
| ·专家系统 | 第21页 |
| ·人工神经网络模型(Artificial Neural Network，ANN) | 第21-22页 |
| ·国内财务危机预测研究概述 | 第22-25页 |
| 第3章 我国上市公司财务危机预警模型的构建 | 第25-32页 |
| ·财务危机预警指标体系的建立 | 第25-27页 |
| ·财务危机预警指标体系构建原则 | 第25-26页 |
| ·财务预警指标体系 | 第26-27页 |
| ·基于神经网络的非线性组合预测方法 | 第27-31页 |
| ·组合预测方法 | 第27-29页 |
| ·线性组合预测法 | 第28页 |
| ·非线性组合预测法 | 第28-29页 |
| ·BP神经网络 | 第29-30页 |
| ·BP神经网络结构 | 第29-30页 |
| ·BP学习算法 | 第30页 |
| ·基于BP神经网络的非线性组合预测方法 | 第30-31页 |
| ·基于BP神经网络的上市公司财务危机非线性组合预警模型的构建 | 第31-32页 |
| 第4章 我国上市公司财务危机预警模型的实证分析 | 第32-52页 |
| ·样本设计 | 第32-37页 |
| ·样本选取的方法 | 第32-34页 |
| ·财务危机(即ST)样本的选取方法 | 第32-33页 |
| ·配对样本(即非ST公司，正常公司)的选择方法 | 第33-34页 |
| ·样本及数据来源 | 第34-37页 |
| ·样本的确定 | 第34-36页 |
| ·样本数据的选择 | 第36-37页 |
| ·样本及数据来源 | 第37页 |
| ·财务预警指标的筛选 | 第37-44页 |
| ·预警指标的正态性检验 | 第38-40页 |
| ·预警指标的显著性检验(Wilcoxon符秩检验) | 第40-42页 |
| ·财务预警指标的进一步筛选 | 第42-44页 |
| ·KMO和球形Bartlett检验 | 第42-43页 |
| ·因子分析 | 第43-44页 |
| ·我国上市公司财务危机预警模型的实证分析 | 第44-52页 |
| ·Fisher二类判别分析模型实证分析 | 第45-46页 |
| ·Logistic回归模型实证分析 | 第46-47页 |
| ·基于BP神经网络的非线性组合模型预测实证 | 第47-51页 |
| ·模型结果的比较 | 第51-52页 |
| 第5章 结论和建议 | 第52-54页 |
| ·研究结论 | 第52页 |
| ·研究建议 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-85页 |
| 致谢 | 第85页 |
