第1章 绪论 1
1. 1研究背景及问题的提出 1
1. 1. 1研究背景 1
1. 1.2问题的提出 2
1.2研究的目的和意义 2
1.3国内外研究现状及分析 3
1.3.1财务危机概念界定的研究现状 3
1.3.2财务危机预警模型的研究现状 6
1.3.3财务危机预警指标体系的研究现状 15
1.3.4财务危机预警实证研究的现状 19
1.3.5国内外研究现状评述 21
1.4本书的内容、方法和技术路线 23
1. 4. 1研究内容 23
1.4. 2主要研究方法&2. 5
1.4.3技术路线 26
第2章 财务危机动态预警的理论基础 27
2. 1财务危机的内涵 27
2.1.1财务危机和财务危机预警的界定 27
2.1.2财务危机的特征 29
2. 1.3财务危机的原因分析 31
2.2动态预警的理论基础 36
2.2. 1预警理论 36
2.2.2企业生命周期理论 38
2.2.3质量过程控制理论 39
2.3引发财务危机的影响因素分析 40
2.3. 1财务状况恶化对财务危机的影响 40
2.3.2经营质量降低对财务危机的影响 42
2.3.3公司治理结构对财务危机的影响 44
2.4动态预警指标体系的确定及定义 49
2.5本章小结 54
第3章 财务危机预警动态数据分析与检验 55
3. 1样本公司的选择 55
3. 1. 1样本公司选择的依据 55
3. 1.2样本的选择 55
3. 1. 3样本公司选择结果 56
3.2动态系统数据的统计描述和检验 56
3.2. 1动态系统数据的描述性统计和噪声预处理 56
3.2.2时间序列数据的参数检验和非参数检验 57
3. 2. 3变量间相关性分析 58
3.2.4动态系统数据空间维度的确定 59
3.3公司治理截面数据的统计描述和检验 59
3.4动态系统数据的标准正态化处理 60
3. 5全局主成分分析动态系统数据 61
3.5. 1全局主成分法 61
3.5. 2分析结果 63
3. 6本章小结 64
第4章 基于Kalman滤波构建企业财务危机预警模型 65
4.1动态系统的状态空间描述 65
4. 1. 1时间序列分析 65
4.1.2状态空间模型 66
4.2 Kalman滤波算法 67
4.2.1 Kalman滤波 67
4.2.2扩展Kalman滤波 70
4.3 Kalman滤波在财务危机预警中的适用性分析 72
4.3.1应用Kalman滤波的研究现状 72
4.3.2 Kalman滤波在财务危机预警中的适用性 74
4.4财务危机预警状况空间模型的建立 74
4.5极大似然估计在模型参数辨识中的应用 76
4.5.1极大似然估计 76
4. 5. 2参数辨识 77
4. 6本章小结 80
第5章 动态模型有效性的分析与检验 85
5. 1分警度的财务危机阈值的确定 85
5.1.1不同警度的判定标准 85
5. 1.2不同警度划分的结果 86
5. 1.3预警阈值的确定 88
5.2 Kalman滤波模型结果的动态分析 90
5. 2. 1检测样本的财务状态结果 90
5.2.2检测样本的财务预测结果 90
5. 2. 3模型结果的动态分析与讨论 96
5.3总体判别正确率分析 97
5. 3.1预测精度的分析 97
5.3. 2模型分类识别能力的检验 98
5. 4本章小结 98
第6章 公司治理视角下的BP神经网络财务危机预警模型 100
6. 1公司治理研究视角的完善 100
6.1.1公司治理指标的引入 100
6.1.2新近上市公司的特点 101
6. 1.3神经网络的优势 101
6. 2 BP神经网络的基本概念 101
6. 2.1神经元模型 101
6. 2. 2 BP神经网络及其结构 102
6. 3 BP神经网络的设计和创建 103
6. 3. 1 BP神经网络的设计 103
6. 3. 2 BP神经网络的创建 106
6. 4 BP神经网络的训练和仿真结果 109
6. 4. 1 BP神经网络的训练 109
6. 4. 2 BP神经网络的仿真及结果分析 110
6. 5两种财务危机动态预警模型的对比分析 114
6. 6本章小结 115
第7章 结论与展望 116
7. 1结论 116
7.2进一步研究的方向 117
附录 118
附录1样本公司信息 118
附录2备选财务指标和经营指标的描述性统计 123
附录3备选财务指标的非参数检验 132
附录4备选财务指标的Person检验 133
附录5备选治理指标的描述性统计 136
附录6备选治理指标的非参数检验 136
附录7备选财务指标的全局主成分分析 137
附录8 Matlab主程序内容 141
参考文献 145
后记 156