我国上市公司财务预警模型的实证研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·财务危机的概念分析与技术性界定 | 第8-10页 |
| ·研究意义 | 第10-11页 |
| ·本文主要创新点 | 第11页 |
| ·全文结构安排 | 第11-13页 |
| 第二章 研究现状及传统预警方法评析 | 第13-20页 |
| ·国外财务危机预警重要文献回顾 | 第13-14页 |
| ·国内研究现状 | 第14-16页 |
| ·传统财务危机预警方法原理介绍及评析 | 第16-20页 |
| ·传统财务危机预警方法的原理介绍 | 第16-18页 |
| ·传统财务危机预警方法的局限性分析 | 第18-20页 |
| 第三章 研究设计及预警模型的介绍 | 第20-27页 |
| ·研究设计 | 第20页 |
| ·研究所用模型的理论介绍 | 第20-24页 |
| ·粗糙集(RS)的基本理论 | 第20-22页 |
| ·BP 神经网络 | 第22页 |
| ·支持向量机(SVM)理论 | 第22-24页 |
| ·提出的组合预警模型 | 第24-27页 |
| ·基于粗糙集—BP 神经网络的组合财务预警模型 | 第25页 |
| ·基于粗糙集—支持向量机的组合财务预警模型 | 第25-26页 |
| ·基于粗糙集—Fisher 的组合财务预警模型 | 第26-27页 |
| 第四章 模型自变量的确定 | 第27-38页 |
| ·样本选取 | 第27-29页 |
| ·样本选取方法 | 第27-29页 |
| ·样本选取方法特色 | 第29页 |
| ·财务指标的选取及预处理 | 第29-38页 |
| ·财务指标的选取原则及指标体系的建立 | 第30-31页 |
| ·财务指标的T 检验分析 | 第31-34页 |
| ·财务指标的相关性分析 | 第34-35页 |
| ·预处理后财务指标的介绍 | 第35-38页 |
| 第五章 组合预警模型的实证研究 | 第38-48页 |
| ·基于粗糙集的财务指标约简 | 第38-40页 |
| ·主预警模型输入变量的归一化处理 | 第40页 |
| ·BP 神经网络预警模型的实证研究 | 第40-41页 |
| ·支持向量机预警模型的实证研究 | 第41-43页 |
| ·Fisher 预警模型的实证研究 | 第43-45页 |
| ·三种组合预警模型实证研究结果的对比分析 | 第45-48页 |
| 第六章 结论 | 第48-50页 |
| ·研究结论 | 第48-49页 |
| ·本文的不足及对未来研究的展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文和参加科研情况 | 第65-66页 |
| 详细摘要 | 第66-76页 |
