上市公司会计信息质量的智能评价研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 引言 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究目标和研究内容 | 第15-16页 |
| 1.2.1 研究的目标 | 第15页 |
| 1.2.2 研究的内容 | 第15-16页 |
| 1.3 研究思路及研究方法 | 第16-17页 |
| 1.3.1 研究主要思路 | 第16-17页 |
| 1.3.2 研究主要方法 | 第17页 |
| 1.4 论文创新点及难点 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 国内外文献综述 | 第19-29页 |
| 2.1 上市公司会计信息质量特征 | 第19-20页 |
| 2.2 上市公司会计信息质量评价方法 | 第20-21页 |
| 2.3 上市公司会计信息质量影响因素 | 第21-26页 |
| 2.3.1 董事会特征 | 第21-23页 |
| 2.3.2 股权结构 | 第23-25页 |
| 2.3.3 外部因素与财务状况 | 第25-26页 |
| 2.4 关于人工神经网络的应用研究 | 第26-27页 |
| 2.5 文献评述 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 上市公司会计信息质量评价指标的选取与量化 | 第29-36页 |
| 3.1 会计信息质量的概述 | 第29-31页 |
| 3.1.1 会计信息的含义 | 第29页 |
| 3.1.2 会计信息质量的概述 | 第29-30页 |
| 3.1.3 会计信息质量特征 | 第30-31页 |
| 3.2 现行上市公司会计信息质量评价方法的不足 | 第31-32页 |
| 3.3 会计信息质量度量的新思路 | 第32-35页 |
| 3.3.1 评价指标的选择 | 第32-33页 |
| 3.3.2 层次分析法的介绍 | 第33-34页 |
| 3.3.3 评价指标影响程度分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 上市公司会计信息质量影响因素量化研究 | 第36-43页 |
| 4.1 董事会特征 | 第36-37页 |
| 4.1.1 董事会规模 | 第36-37页 |
| 4.1.2 独立董事比例 | 第37页 |
| 4.1.3 委员会数量 | 第37页 |
| 4.2 股权结构 | 第37-39页 |
| 4.2.1 股权集中度 | 第38页 |
| 4.2.2 股权制衡度 | 第38-39页 |
| 4.2.3 流通股比例 | 第39页 |
| 4.3 财务状况 | 第39-40页 |
| 4.3.1 盈利能力 | 第39-40页 |
| 4.3.2 资本结构 | 第40页 |
| 4.3.3 公司规模 | 第40页 |
| 4.4 外部因素 | 第40-41页 |
| 4.4.1 产品市场竞争程度 | 第40-41页 |
| 4.4.2 会计事务所的独立性 | 第41页 |
| 4.5 指标的选取 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 上市公司会计信息质量智能评价模型构建 | 第43-51页 |
| 5.1 人工神经网络中BP模型的概述 | 第43-46页 |
| 5.1.2 BP网络的概述 | 第43-44页 |
| 5.1.3 BP算法的概述 | 第44-46页 |
| 5.2 BP神经网络的结构设计 | 第46-48页 |
| 5.2.1 BP神经网络层数的确定 | 第46-47页 |
| 5.2.2 输入层和输出层节点数的确定 | 第47页 |
| 5.2.3 隐含层节点数的确定 | 第47页 |
| 5.2.4 BP模型的激励函数 | 第47-48页 |
| 5.3 数据样本的选取 | 第48页 |
| 5.4 模型训练与算法改进 | 第48-50页 |
| 5.5 结果与讨论 | 第50页 |
| 5.6 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-54页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第63-64页 |
