| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题的背景及研究意义 | 第9-10页 |
| 1.1.1 选题的背景 | 第9页 |
| 1.1.2 研究的意义 | 第9-10页 |
| 1.2 国内外研究现状的综述 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文的研究思路及主要的研究方法 | 第12-13页 |
| 1.3.1 研究思路 | 第12-13页 |
| 1.3.2 主要的研究内容 | 第13页 |
| 1.4 本文技术路线 | 第13-14页 |
| 2 理论基础 | 第14-19页 |
| 2.1 企业财务风险概述 | 第14页 |
| 2.2 电子元件行业概述 | 第14-16页 |
| 2.2.1 电子元件行业的现状 | 第14-15页 |
| 2.2.2 电子元件行业的特点 | 第15-16页 |
| 2.3 BP神经网络 | 第16-19页 |
| 2.3.1 BP神经网络简介 | 第16-17页 |
| 2.3.2 BP神经网络算法的学习步骤 | 第17-18页 |
| 2.3.3 BP神经网络应用于财务风险预警系统的优势 | 第18-19页 |
| 3 样本的选取和预警指标的初选 | 第19-24页 |
| 3.1 研究样本的确定 | 第19-20页 |
| 3.1.1 样本数据来源 | 第19页 |
| 3.1.2 样本的选取标准 | 第19页 |
| 3.1.3 样本的选取结果 | 第19-20页 |
| 3.2 财务风险预警指标的初选 | 第20-23页 |
| 3.2.1 财务指标的选取 | 第21-22页 |
| 3.2.2 非财务指标的分析 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 4 预警模型自变量的确定 | 第24-40页 |
| 4.1 初选财务指标的显著性检验 | 第24-28页 |
| 4.2 非财务指标的显著性检验 | 第28页 |
| 4.3 因子分析 | 第28-39页 |
| 4.3.1 T-2 年预警模型指标数据的因子分析 | 第28-33页 |
| 4.3.2 T-1 年预警模型指标数据的因子分析 | 第33-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 电子元件行业上市公司财务风险预警模型的构建 | 第40-48页 |
| 5.1 BP神经网络的设计及构建 | 第40-42页 |
| 5.2 预警模型的运行和结果 | 第42-46页 |
| 5.2.1 样本训练及测试 | 第42-43页 |
| 5.2.2 运行结果 | 第43-45页 |
| 5.2.3 BP神经网络与回归分析算法的比较 | 第45-46页 |
| 5.3 预防财务风险的对策 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-52页 |