| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1. 绪论 | 第9-13页 |
| ·选题的背景 | 第9页 |
| ·选题的意义 | 第9-11页 |
| ·研究框架 | 第11-13页 |
| 2. 文献综述 | 第13-22页 |
| ·国外研究现状 | 第13-18页 |
| ·从解释变量角度来看 | 第13-14页 |
| ·从预警的方法来看 | 第14-18页 |
| ·国内研究现状 | 第18-21页 |
| ·小结 | 第21-22页 |
| 3. 财务危机阶段性预警理论概述 | 第22-27页 |
| ·财务危机定义 | 第22-24页 |
| ·财务危机预警的含义 | 第24-25页 |
| ·财务危机预警的功能 | 第25-27页 |
| 4. 我国上市公司财务危机预警模型的构建及实证 | 第27-57页 |
| ·样本的选取 | 第27-28页 |
| ·财务指标体系的建立 | 第28-32页 |
| ·财务指标体系建立的原则 | 第28页 |
| ·本文建立模型初选的财务指标及其含义 | 第28-32页 |
| ·主成分分析法对指标的筛选 | 第32-37页 |
| ·主成分分析法的原理 | 第32页 |
| ·主成分分析法的数学描述 | 第32-33页 |
| ·本研究数据分析结果 | 第33-37页 |
| ·离散因变量模型的实证及检验 | 第37-41页 |
| ·离散因变量分析法原理 | 第37页 |
| ·离散因变量分析法原理的数学描述 | 第37-38页 |
| ·模型构建及实证结果 | 第38-41页 |
| ·逐步判别模型的实证及检验 | 第41-48页 |
| ·逐步判别法原理 | 第41-42页 |
| ·逐步判别模型构建及检验结果 | 第42-48页 |
| ·SVM支持向量机模型的实证及检验 | 第48-53页 |
| ·支持向量机模型原理 | 第48-49页 |
| ·支持向量机模型原理的数学描述 | 第49-52页 |
| ·支持向量机模型构建与实证结果 | 第52-53页 |
| ·BP神经网络的模型的实证分析 | 第53-57页 |
| ·概念引入 | 第53-54页 |
| ·BP神经网络的设计 | 第54页 |
| ·BP神经网络训练结果及分析 | 第54-57页 |
| 5. 研究结论 | 第57-60页 |
| ·研究结论 | 第57-58页 |
| ·来自财务指标的结论 | 第57页 |
| ·来自几种模型的结论 | 第57-58页 |
| ·本文研究的局限性 | 第58-59页 |
| ·后续展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 中文文献 | 第60-61页 |
| 英文文献 | 第61-63页 |
| 附录 | 第63-69页 |
| 附录A 附表 | 第63-68页 |
| 附表一 离散因变量模型对60个企业的财务指标检测值 | 第63-64页 |
| 附表二 逐步判别模型对60个企业财务指标的检测值 | 第64-65页 |
| 附表三 BP神经网络模型对200只开发样本的检测结果 | 第65-67页 |
| 附表四 BP神经网络模型对60只开发样本的检测结果 | 第67-68页 |
| 附录B 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69-70页 |
