| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-27页 |
| 1.1 研究背景和研究意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 相关理论基础与文献综述 | 第14-24页 |
| 1.2.1 财务风险基本概念 | 第14-15页 |
| 1.2.2 财务风险预警理论基础 | 第15-18页 |
| 1.2.3 相关研究综述 | 第18-24页 |
| 1.3 研究方法与研究内容 | 第24-27页 |
| 1.3.1 研究方法 | 第24-25页 |
| 1.3.2 研究内容和技术路线图 | 第25-27页 |
| 第2章 高端装备制造业财务风险基本内涵与成因分析及预警研究设计 | 第27-37页 |
| 2.1 高端装备制造业财务风险基本内涵 | 第27-31页 |
| 2.1.1 高端装备制造业发展现状及存在的问题 | 第27-30页 |
| 2.1.2 高端装备制造业财务风险内涵界定及表现形式 | 第30-31页 |
| 2.2 高端装备制造业财务风险成因分析及财务风险基本特征 | 第31-35页 |
| 2.2.1 高端装备制造业财务风险成因分析 | 第31-33页 |
| 2.2.2 高端装备制造业财务风险基本特征 | 第33-35页 |
| 2.3 高端装备制造业财务风险预警研究设计 | 第35-37页 |
| 第3章 财务风险预警指标体系与预警模型构建 | 第37-45页 |
| 3.1 高端装备制造业财务风险预警指标体系构建 | 第37-41页 |
| 3.1.1 预警指标体系构建原则 | 第37-38页 |
| 3.1.2 预警指标体系构建思路 | 第38-41页 |
| 3.1.3 预警指标体系 | 第41页 |
| 3.2 高端装备制造业财务风险预警模型构建 | 第41-45页 |
| 3.2.1 基于神经网络的财务风险预警模型的优势分析 | 第41-42页 |
| 3.2.2 BP神经网络模型构建原理分析 | 第42-43页 |
| 3.2.3 RBF神经网络模型构建原理分析 | 第43-45页 |
| 第4章 高端装备制造业财务风险预警实证研究 | 第45-60页 |
| 4.1 样本的选取 | 第45页 |
| 4.2 EVA值的计算及财务状况分类 | 第45-48页 |
| 4.2.1 EVA值的计算方法 | 第45-46页 |
| 4.2.2 财务状况分类 | 第46-48页 |
| 4.3 财务风险预警指标的筛选 | 第48-52页 |
| 4.3.1 指标显著性检验 | 第48-50页 |
| 4.3.2 财务风险预警指标均值比较 | 第50-52页 |
| 4.4 基于BP神经网络的财务风险预警 | 第52-54页 |
| 4.4.1 基于BP神经网络的财务风险预警实证研究 | 第52-53页 |
| 4.4.2 BP神经网络预警结果分析 | 第53-54页 |
| 4.5 基于RBF神经网络的财务风险预警 | 第54-56页 |
| 4.5.1 基于RBF神经网络的财务风险预警实证研究 | 第54-55页 |
| 4.5.2 RBF神经网络预警结果分析 | 第55-56页 |
| 4.6 实证分析小结及管理建议 | 第56-60页 |
| 4.6.1 实证分析小结 | 第56-57页 |
| 4.6.2 管理建议 | 第57-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 攻读学位期间发表的论文 | 第66-67页 |
| 附录B 68家样本企业 | 第67-68页 |
| 附录C 神经网络模型程序 | 第68-69页 |
| 附录D 神经网络模型输出结果 | 第69-71页 |
| 致谢 | 第71页 |
