上市公司财务危机预警模型研究及实证分析
日期:2018年01月15日
编辑:
作者:无忧论文网
点击次数:2120
论文价格:150元/篇
论文编号:lw201004021001134934
论文字数:33000
所属栏目:财务管理论文
论文地区:中国
论文语种:中文
论文用途:硕士毕业论文 Master Thesis
【中文题名】 上市公司财务危机预警模型研究及实证分析
【英文题名】 The Model and Empirical Study on Pre-waming of Financial Crisis for Listed Company
【中文摘要】 竞争激烈的市场经济孕育发展机遇的同时,也暗藏着无尽的风险和危机。对于上市公司而言,因财务危机沦为“ST”板块甚至被迫退市的情况愈演愈烈。公司陷入财务危机,不仅危及其自身的生存和发展,也给投资者、债权人带来巨大的损失。因此,构建一个有效实用的财务危机预警模型,满足利益相关者日益迫切的需要,已不单单是一个学术问题,而且成为影响我国资本市场健康发展的重要因素,具有很重要的现实意义。 本文在前人研究成果的基础上,对我国上市公司财务危机预警的理论和模型进行了比较系统的研究和探讨。论文首先阐明了财务危机预警基础理论,界定了财
【英文摘要】 While the dog-eat-dog market economy is pregnant with the opportunity for development, there are countless risk and crisis hided in it. As to listed company, the situation that it is occupied in "ST" plate and even forced to quit listing because of financial crisis grows more and more serious. It is not only the threat to existence and development of the company that falling into the financial crisis, but also brings enormous loss to investors, creditors. So to establish a effective practical pre-warning
【中文关键词】 财务危机. 预警. BP神经网络. 组合预测. 实证研究.
【英文关键词】 Financial Crisis . Pre-warnning . BP Neural Network. Combination Forecast . Empirical Study.
【论文级别】 硕士
【学科专业名称】 管理科学与工程
【论文提交日期】 2005-05-01
摘要 2-3
ABSTRACT 3-6
第0章 绪论 6-12
0.1 论文的研究背景及研究意义 6-8
0.1.1 研究背景 6-7
0.1.2 研究意义 7-8
0.2 国内外财务危机预警研究文献综述 8-11
0.2.1 国外财务危机预警研究文献回顾 8-9
0.2.2 国内财务危机预警研究文献回顾 9-12
0.3 论文的研究思路 11-12
第1章 财务危机预警的理论基础 12-20
1.1 财务危机 12-14
1.1.1 财务危机的定义 12-13
1.1.2 财务危机企业的界定 13-14
1.2 预警理论 14-18
1.2.1 经济预警理论 14-16
1.2.2 企业预警理论 16-21
1.3 财务危机预警理论 18-20
第2章 财务危机预警指标体系的建立 20-27
2.1 财务危机预警指标的选取原则 20-21
2.2 财务危机预警指标体系 21-27
2.2.1 表内信息指标 21-25
2.2.2 表外信息指标 25-27
第3章 上市公司财务危机预警模型的构建 27-36
3.1 传统财务危机预警方法评析 27-31
3.1.1 传统财务危机预警方法的回顾 27-30
3.1.2 传统财务危机预警方法的局限性分析 30-31
3.2 基于BP神经网络的非线性组合预测方法 31-35
3.2.1 组合预测方法 31-33
3.2.2 BP神经网络 33-34
3.2.3 基于BP神经网络的组合预测方法 34-38
3.3 基于BP神经网络的财务危机组合预警模型的构建 35-36
第4章 实证研究 36-53
4.1 研究样本的设计 36-38
4.2 模型自变量的确定 38-42
4.2.1 显著性分析 38-40
4.2.2 因子分析 40-43
4.3 基于BP神经网络的组合预测模型在上市公司财务预警中的应用 42-51
4.3.1 Fisher判别分析模型 43-46
4.3.2 Logistic回归分析模型 46-49
4.3.3 基于BP神经网络的组合预测模型 49-59
4.4 模型测试结果比较 51-53
第5章 结论与建议 53-55
5.1 结论 53-53
5.2 建议 53-59
致谢 55-56
参考文献 56-59
附录 59-66