| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 引言 | 第9-11页 |
| 1.1 背景 | 第9页 |
| 1.2 本论文的工作与贡献 | 第9页 |
| 1.3 本论文的内容结构 | 第9-11页 |
| 2 人工神经网络技术与数据挖掘 | 第11-23页 |
| 2.1 数据挖掘相关知识 | 第11-12页 |
| 2.2 人工神经网络技术概述 | 第12-19页 |
| 2.3 神经网络方法在数据挖掘中的应用 | 第19-21页 |
| 2.3.1 神经网络方法与其他方法之比较 | 第19-21页 |
| 2.4 基于BP 神经网络的数据挖掘算法 | 第21-23页 |
| 2.4.1 BP 神经网络简介 | 第21页 |
| 2.4.2 BP 神经网络的改进 | 第21-23页 |
| 3 风险预警 | 第23-45页 |
| 3.1 财务风险预警的研究 | 第23-27页 |
| 3.1.1 Logit 模型 | 第24页 |
| 3.1.2 Z 评分模型 | 第24-25页 |
| 3.1.3 多元判别分析 | 第25-27页 |
| 3.2 财务报表分析 | 第27-45页 |
| 4 人工神经网络技术在财务风险预警上应用 | 第45-49页 |
| 4.1 人工神经网络在财务风险预警中的应用 | 第45-46页 |
| 4.2 国内人工神经网络在财务风险预警中应用的现状 | 第46页 |
| 4.3 人工神经网络分类器 | 第46-49页 |
| 5 实际应用过程 | 第49-60页 |
| 5.1 选取实验公司 | 第49-50页 |
| 5.2 预测指标的选择 | 第50-51页 |
| 5.3 BP 人工神经网络结构 | 第51-52页 |
| 5.4 训练数据集合和测试数据集合 | 第52-60页 |
| 6 结论和展望 | 第60-62页 |
| 6.1 本论文的工作 | 第60页 |
| 6.2 进一步的研究方向 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |