山东省制造业上市公司财务风险预警研究--基于神经网络模型
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 导论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 国内外研究动态综述 | 第12-17页 |
| 1.3.1 国外研究动态综述 | 第12-14页 |
| 1.3.2 国内研究动态综述 | 第14-16页 |
| 1.3.3 国内外相关研究评述 | 第16-17页 |
| 1.4 研究思路、技术框架和研究方法 | 第17-19页 |
| 1.4.1 研究思路 | 第17页 |
| 1.4.2 技术框架 | 第17-18页 |
| 1.4.3 研究方法 | 第18-19页 |
| 1.5 论文的可能创新之处 | 第19-20页 |
| 第二章 财务风险预警相关理论 | 第20-24页 |
| 2.1 财务风险预警概念 | 第20页 |
| 2.2 财务风险预警的理论基础 | 第20-22页 |
| 2.2.1 风险管理理论 | 第20-21页 |
| 2.2.2 控制论 | 第21页 |
| 2.2.3 系统论 | 第21页 |
| 2.2.4 信息论 | 第21-22页 |
| 2.3 财务风险预警的功能 | 第22页 |
| 2.4 财务风险预警模型建立的程序 | 第22-24页 |
| 第三章 山东省制造业上市公司现状及风险成因 | 第24-30页 |
| 3.1 山东省制造业上市公司概况 | 第24-25页 |
| 3.1.1 山东省上市公司产业分布情况 | 第24页 |
| 3.1.2 山东省制造业上市公司地域分布情况 | 第24-25页 |
| 3.2 山东省制造业上市公司的财务现状 | 第25-27页 |
| 3.2.1 资产负债率高 | 第25-26页 |
| 3.2.2 亏损比例较大 | 第26页 |
| 3.2.3 融资顺序不合理 | 第26-27页 |
| 3.3 山东省制造业上市公司财务风险成因 | 第27-29页 |
| 3.3.1 宏观原因 | 第27页 |
| 3.3.2 微观原因 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 样本及预警指标的筛选 | 第30-39页 |
| 4.1 样本数据的选取 | 第30-31页 |
| 4.2 风险警度的划分 | 第31页 |
| 4.3 财务风险预警指标的选取原则 | 第31-32页 |
| 4.4 财务预警指标的初步筛选 | 第32-33页 |
| 4.5 预警指标的显著性差异分析 | 第33-35页 |
| 4.6 因子分析 | 第35-38页 |
| 4.7 本章小结 | 第38-39页 |
| 第五章 基于神经网络的财务风险预警模型 | 第39-46页 |
| 5.1 BP 神经网络模型的简介 | 第39-40页 |
| 5.2 神经网络结构设计 | 第40-42页 |
| 5.2.1 初步设计 | 第40-41页 |
| 5.2.2 输入层设计 | 第41页 |
| 5.2.3 输出层设计 | 第41页 |
| 5.2.4 隐含层设计 | 第41-42页 |
| 5.3 构建 BP 神经网络 | 第42页 |
| 5.4 神经网络的训练 | 第42页 |
| 5.5 神经网络的测试 | 第42-45页 |
| 5.6 本章小结 | 第45-46页 |
| 第六章 结论及建议 | 第46-50页 |
| 6.1 结论 | 第46-47页 |
| 6.2 山东省制造业上市公司的风险控制建议 | 第47-49页 |
| 6.3 本文不足之处 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 作者简介 | 第54页 |
