上市公司财务危机预警优化方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题研究背景及意义 | 第10-13页 |
| ·课题的研究背景 | 第10-11页 |
| ·课题的研究意义 | 第11-13页 |
| ·国内外研究现状综述 | 第13-16页 |
| ·国内研究现状 | 第13-14页 |
| ·国外研究现状 | 第14-16页 |
| ·课题研究思路、内容及方法 | 第16-18页 |
| ·课题的研究思路 | 第16页 |
| ·课题的研究内容 | 第16-17页 |
| ·课题的研究方法 | 第17-18页 |
| ·本章小节 | 第18-19页 |
| 第二章 数据挖掘技术 | 第19-28页 |
| ·数据挖掘的演变历程 | 第19-21页 |
| ·数据挖掘商业需求分析 | 第20页 |
| ·数据挖掘技术支持分析 | 第20-21页 |
| ·数据挖掘及数据挖掘系统分析 | 第21-23页 |
| ·数据挖掘概念 | 第21-22页 |
| ·数据挖掘系统分析 | 第22-23页 |
| ·数据挖掘的分类与知识表现 | 第23-27页 |
| ·数据挖掘不同分类方法 | 第23-24页 |
| ·数据挖掘的知识表现形式 | 第24-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 财务危机预警 | 第28-38页 |
| ·财务危机与财务危机预警 | 第28-30页 |
| ·财务危机 | 第28-29页 |
| ·财务危机预警 | 第29-30页 |
| ·研究样本的选取 | 第30-31页 |
| ·财务危机预警指标与变量分析 | 第31-37页 |
| ·筛选财务危机预警指标 | 第31-32页 |
| ·确定财务危机预警变量 | 第32-37页 |
| ·本章小节 | 第37-38页 |
| 第四章 上市公司财务危机预警优化方法 | 第38-51页 |
| ·人工神经网络数据挖掘 | 第38-45页 |
| ·神经网络的基本原理 | 第38-39页 |
| ·三类神经网络模型介绍 | 第39-42页 |
| ·BP神经网络的基本过程 | 第42-44页 |
| ·BP神经网络应用于财务预警 | 第44-45页 |
| ·粗糙集优化神经网络 | 第45-47页 |
| ·粗糙集理论约简技术 | 第45-46页 |
| ·粗糙集约简技术与BP神经网络的结合 | 第46-47页 |
| ·遗传算法优化神经网络 | 第47-50页 |
| ·遗传算法的基本原理 | 第47-48页 |
| ·遗传算法与BP神经网络的结合 | 第48-50页 |
| ·本章小节 | 第50-51页 |
| 第五章 优化方法在财务危机预警中的应用 | 第51-62页 |
| ·BP神经网络在财务预警模型构建中的应用及仿真 | 第51-55页 |
| ·BP神经网络财务危机预警模型构建的技术难点 | 第51-53页 |
| ·模型的训练及精度检测 | 第53-55页 |
| ·粗糙集优化神经网络财务预警模型的构建及应用 | 第55-57页 |
| ·粗糙集优化神经网络的财务危机预警模型构建 | 第55-56页 |
| ·模型训练及精度检测 | 第56-57页 |
| ·遗传算法优化神经网络的财务预警模型构建及应用 | 第57-61页 |
| ·遗传优化神经网络的财务危机预警模型构建 | 第57-59页 |
| ·模型的训练及精度检测 | 第59-61页 |
| ·优化后模型与传统BP模型实证对比分析 | 第61页 |
| ·本章小节 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·后续工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间主要研究成果 | 第70-71页 |
