一、ST鑫光 收回应收帐款（论文文献综述）
魏绒[1]（2013）在《基于数据挖掘的上市公司财务舞弊识别模式研究》文中认为上市公司财务舞弊是破坏资本市场信息透明和公开的“毒瘤”，直接威胁着资本市场公开、公平和公正的基本原则。然而，大量财务舞弊公司在被揭露之前，往往是作为绩优股、成长股来推荐，人们在感叹之余，更要反思，有什么手段和模式能够实现对财务舞弊公司事前甄别，这一模式应具有广泛的应用性和一定的可靠性。近年崛起的数据挖掘技术，无疑为构建财务舞弊识别模式提供了技术基础。本文结合数据挖掘的方法，在计算机科学基础上寻求有效和可靠的财务舞弊识别之道。本文首先介绍了上市公司财务舞弊的研究现状，从动因、信号识别、及数据挖掘识别方面对财务舞弊的现有研究进行了系统阐述，明确了现有研究所存在的不足。其次，采用了2000-2010年证监会公布的舞弊上市公司以及与之相对应的健康公司为研究样本，分别构建了上市公司财务舞弊静态识别模式和上市公司财务舞弊动态识别模式。静态识别模式主要基于因子分析法与贝叶斯分类法相结合的理论基础，对舞弊当年的静态指标进行处理。动态识别模式以各个舞弊公司的IPO年份为研究起点，舞弊年份为研究终点，建立时间序列特征向量，基于动态时间弯折（DTW）动态思想，应用k邻近（k-Nearest Neighbor，KNN）分类算法进行舞弊识别。结果显示，静态识别模式的效果优于传统的统计模式，动态识别模式由于考虑了历史数据，因此识别效果优于静态识别模式的效果。
冯先涛[2]（2009）在《银行信贷决策与上市公司财务风险识别》文中进行了进一步梳理商业银行是国家金融体系的核心,在经济运行中发挥着重要作用。商业银行的信贷风险问题也越来越受到人们的广泛关注。我国的商业银行同样面临着信贷风险问题。由于债券市场尚不发达,银行借款成为公司负债融资的主要来源。因此,作为债权人的商业银行有效监控公司的财务风险并据此调整其信贷政策就显得非常重要。在我国上市公司中,存在一些被实施特别处理的公司。“特别处理”是我国上市公司中特有的现象,它不是对上市公司的惩罚,而是为了提示重大风险,保护投资者利益。但上市公司被特别处理本身一般表明其已经陷入财务困境,存在较大的偿债风险,并因此成为商业银行的重点关注对象。本文主要检验我国的商业银行能否在上市公司被实施特别处理前3年就已经预测到公司的财务风险,并调整对其的信贷政策。本文在对特别处理公司样本进行配对的基础上,建立了长期借款增量模型,并借助统计软件线性回归,结果发现:商业银行早在T-3年（T年为公司被特别处理当年）就对特别处理公司做出了谨慎性反应——显着降低了长期贷款规模。此外,还发现商业银行在预测特别处理风险时主要考虑资产负债率、流动比率、总资产周转率、公司的融资能力和长期借款是否逾期等因素。
张晓泉[3]（2008）在《我国ST上市公司盈余管理和盈余质量分析》文中进行了进一步梳理无论任何组织形式的经营实体,只要是以盈利为目的的,无不对盈余的数量和质量给予了极大的关注,而盈余管理的存在,会对盈余的数量和质量产生重要的影响。受法律、法规的要求,上市公司有责任和义务定期对外公布其财务报表,因此,相比较于其他类型的公司而言,通过对上市公司对外发布的财务信息来分析盈余管理和盈余质量具有较强的可操作性和现实意义。本文从盈余的结构性、盈余的收现性和盈余的可持续性等三个方面,对2006年沪、深两市中共182家ST上市公司进行了分析。之所以要将注意力放在ST类上市公司,是因为这类公司为了保留上市资格,具有强烈的盈余管理冲动。分析的结果表明,ST上市公司盈利质量普遍不高,且存在着大量的盈余管理行为。ST上市公司往往通过“非经常项目”来达到“扭亏为盈”的目的,这其中尤其以通过“处置资产损益”、“补贴收入”和“减值准备及坏帐转回调增利润”等三类项目来调整利润最为常见。针对上述研究结果,本文建议通过完善相应的法规和会计准则,加强监管等手段来去伪存真,提高盈余的会计信息质量。
方瑞[4]（2008）在《基于神经网络模型的企业财务困境预警研究》文中指出随着全球经济一体化的到来,市场竞争更加激烈,每一个企业在其经营中,企业面临的市场不确定性及风险也在不断加大,随时都必须防范财务风险,财务困境是每个企业都可能面临的问题。所以,财务困境预警已成为现代企业财务管理的重要内容。公司陷入财务困境,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,创建财务困境预警系统,对财务运营做出预测,对于经营者、投资者、银行等金融机构、相关企业、注册会计师等做决策都是有重大意义的,无论从哪个立场来分析都是十分必要的。人工神经网络主要具有自适应、泛化、非线性映射、高度并行处理等优越的功能。本文以企业现代管理理论为指导,神经网络模型与仿真试验相结合,构建基于神经网络模型的具有特色的财务困境预警指标体系,试图建立一种便于操作的财务困境预警模型,一种无需对财务指标进行人工处理的方法。本研究利用Matlab工程软件,对上市公司的财务数据训练样本按照神经网络算法进行迭代和处理,使面向对象神经网络的建模及其样本学习训练的可视化得以实现,最后对网络进行预警能力检验。本文分五部分论述:第一部分,阐述了企业财务困境预警系统的选题背景,研究的目的、意义、思路、方法及国内外研究现状;第二部分,阐述了神经网络模型与企业财务困境预警系统的概念、特点、功能框架、构建原则与建立流程;第三部分,分析了传统的预警系统的方法及缺陷,对神经网络方法在财务困境预警中应用的优势及具体实现方法进行了论述;第四部分,阐述了预警系统的总体功能设计方法与程序,以及基于ANN的预警模型新构思,介绍了神经网络预测程序设计以及企业预警系统的功能开发;第五部分,基于神经网络方法的预警系统设计与实证研究,利用所收集的上市公司财务数据,通过使用Matlab软件,在基于神经网络模型下进行了软件实现,并对企业财务预警结果进行的分析论证;第六部分,全文总结和展望,阐述了本文的主要观点、成果以及存在的不足,并对该领域的未来提出展望。实证研究的结果表明,基于人工神经网络的财务预警方法是可行的。当然该模型也有其自身的缺点,那就是财务指标无法使用上市公司所处行业的平均指标,如果能以所处行业平均数值为标准来分类收集样本数据的话,则其准确性更高,其说服力更强。
刘艳琴[5]（2008）在《我国上市公司退市制度研究》文中进行了进一步梳理我国于2001年正式启动上市公司退市机制,目的是使上市公司优胜劣汰,促进资本市场的良性发展。但是,从我国上市公司退市制度的具体实践来看,退市制度的实施效果不如人意,相当一部分劣质公司迟迟不肯退市。如何解释我国证券市场这一独特现象,增强上市公司退市制度的可操作性,以形成有进有退、优胜劣汰、良性循环的局面,对我国证券市场的长远发展和经济增长,具有重要的现实意义。本论文从制度比较和实证分析两方面对我国上市公司退市制度及其实施效果进行研究,分析退市制度实施效果不佳的原因,探讨改善退市制度实施效果的措施。全文由四部分内容组成。第一部分为全文的绪论,主要讲述研究背景及意义、国内外文献综述,同时介绍本论文结构与研究方法。第二部分为制度比较,主要分析我国的退市制度,包括退市制度的演变过程、退市程序及退市标准。并将国外的退市制度与我国进行了比较。结果表明,我国上市公司退市制度的数量化标准太少,非数量化标准操作性不强且覆盖范围有限,不利于发挥交易所的主观判断作用。第三部分为实证研究,包括文章的第三、四章,分别针对已退市股票、仍旧被特别处理（简称为ST）类股票及特别处理公司摘帽现象展开研究,旨在通过对我国上市公司退市制度推行以来所有经过特别处理公司的样本数据分析,研究我国退市制度的具体实施效果。研究发现,由于我国长期以来执行的退市制度过于温和,退市制度对劣质公司施加的处罚偏低,一方面上市公司可以轻易规避退市制度,相当一部分劣质公司得以残留在市场上。另一方面,上市公司挂牌上市所能带来的益处远远超过成本,因此普遍具有保留上市资格的强烈意愿。而过于温和的退市制度使得特别处理公司大多能够通过短效性的、低成本的手段免于退市,但从长远来看却不利于提升ST公司的质量,撤销特别处理后公司普遍出现业绩下滑。logistic分析也表明被特别处理的上市公司在争取保留上市资格的过程中,资产质量的好坏和盈利能力的高低对其能否摘帽并无显着影响。这使得上市公司对本身的质量提升缺少足够的关注,最终导致退市制度对提升上市公司整体质量的正面效应长期弱化。第四部分在以上研究的基础上,提出相关措施,以改善我国上市公司退市制度的实施效果。
栗巍[6]（2007）在《上市公司财务报告舞弊识别研究》文中指出随着我国证券市场的日益发展,上市公司公开披露的会计信息越来越成为投资者进行决策的重要信息来源,但是由于我国证券市场上的财务报告舞弊事件频频发生,损害了广大报告使用者的利益,在很大程度上造成他们对证券市场的信心不足,破坏了我国证券市场的健康发展。新会计准则的颁布实施,将会使上市公司发生一些新的变化,加上计算机领域的发展使财务报告舞弊更加复杂、隐蔽性更好,使得如何对企业管理当局财务报告舞弊进行早期预警,如何对财务报告舞弊进行有效地识别成为当前迫切需要解决的问题。本文的研究主要分为五个部分:第一部分概述研究背景、文章的组织结构、研究创新,并通过财务舞弊和反舞弊理论以及国内外财务报告舞弊识别特征及模型的研究回顾,提出了本文的整体研究思路。第二部分通过对我国舞弊上市公司的研究,从会计和非会计两个角度对舞弊手段加以提炼,从管理、关系、行业、组织结构、财务结果及经营等五个层面对舞弊特征加以概括,在上述分析中结合了实际案例。第三部分在前面论述的基础上,分析了新会计准则实施对财务报告舞弊手段的影响,提炼了新财务报表体系下报表风险科目的经验识别要点。第四部分在理论上证明了运用数据挖掘技术识别舞弊的必要性和可行性,并通过选取样本和指标、运用统计分析软件对数据挖掘技术的识别效果进行了检验。第三和第四部分论述的两类识别技术是相得益彰,互为补充的。最后一部分概述了本文的研究结论,指出了本文研究的不足之处。
王佳雯[7]（2007）在《上市公司财务舞弊形成机理研究和投资风险防范》文中研究说明会计信息作为企业经营行为和经营结果的表现形式，其质量的高低不仅影响到国家的宏观经济管理和整个社会的经济运行秩序，而且直接涉及到广大投资者和债权人的切身利益。本文以上市公司为研究对象，从理论和实务的角度，对上市公司会计舞弊的类型、动因、机会及采用的主要方法进行了深入剖析，并就如何防范会计舞弊提出了相应对策，以提高会计信息质量，充分发挥会计信息在经济管理中的重要作用。本文采用了调查问卷形式，主要调查个人投资者(散户)对于上市公司财务舞弊现象的反应，以及该人群在分析上市公司时可能出现的问题，为个人投资者识别上市公司财务舞弊现象提供参考。本文以博弈论作为基本分析工具，对证券市场会计信息披露失真问题进行了研究。从博弈论角度揭示了会计信息披露失真的深层次原因。笔者认为在证券市场信息披露问题上，不同利益主体如投资者、上市公司、会计师事务所、监管机构各有其自身利益，它们之间利益冲突的发生是不可避免的。信息披露失真正是由于不同利益主体利益冲突而不断博弈造成的结果，信息披露制度是博弈的均衡。要治理信息披露失真，实现理想的纳什均衡，便需要改变各博弈主体体现个体理性但不利于博弈中集休理性的因素。还需要通过对博弈规则的改变来影响博弈结果，主要从强化信息披露制度建设，完善会计制度方面来着手。
赵艳芳[8]（2007）在《我国上市公司经营失败风险预警研究》文中指出上市公司作为我国企业中的特殊群体和证券市场的基石，其经营质量和经营业绩的优劣直接影响证券市场的建设和发展，进而间接影响着我国国民经济体系的稳定和健康发展。近些年来，我国上市公司业绩滑坡、经营质量低下，发生经营风险甚至导致经营失败问题日益突出，上市公司经营失败的影响较之一般企业更为深远。一旦上市公司陷入经营失败境地，会对社会和经济造成相当程度的伤害，严重者会造成经济危机、社会冲击，甚至对政治经济大环境造成不良的影响。为避免上市公司经营失败所导致的经济资源的浪费以及严重的社会后果和影响，对上市公司经营失败进行风险预警研究意义重大。鉴于此，本论文对上市公司失败预警问题展开了全面而系统性的研究。本论文从以下方面对我国上市公司经营失败风险预警问题进行研究：第一章为导论，阐述了所研究课题提出的背景、目的和意义，研究的主要内容和拟解决的问题以及结构安排、使用的研究方法和研究创新。第二章对企业经营失败的相关理论进行综述和评价。国内外关于企业经营失败的实证应用研究起步较早，但关于企业经营失败问题的理论研究仍处于探索阶段，迄今尚无系统的研究。本章从新古典资本结构框架、企业失败路径、代理框架、行为学视角下的企业失败模式等不同的角度对企业经营失败理论加以归纳研究，以期对企业经营失败理论作较为全面的综述，构建企业经营失败理论体系，奠定关于企业经营失败的理论基础。第三章对经典的企业经营失败风险预警技术和方法进行分析，如单变量分析模型（UAM）和多变量判别模型（MDA）、逻辑斯特模型（LM）和概率比回归模型（PM）等，并对经典失败预警模型和技术研究进行比较分析，分析经典失败预警模型和技术研究中存在的问题。第四章对企业经营失败风险预警技术和方法的前沿研究进行分析，如生存分析模型（SAM）、人工神经网络技术（ANN）、案例推理分析（CBR）、累计和模型（CUSUM）、粗糙集技术（RST）、故障树理论（VIA）、多维尺度分析技术（MDS）、基于非均衡理论的混沌技术预测方法（CA）以及灾害理论预测方法（CT）等进行研究探索，并对前沿的企业经营失败风险预警模型和技术方法进行了评析。上述四章构成本论文的理论篇。第五章之后为实证和应用篇，就中国上市公司经营失败风险预警问题进行全面展开。第五章是对我国上市公司经营失败状况的全面剖析，并对我国上市公司进行结构性风险预警研究。首先给出了本论文对我国上市公司经营失败的界定；接下来对我国上市公司经营失败的总体情况进行了描述性分析；然后着重对我国上市公司经营失败情况进行结构性分析，包括经营失败上市公司的时间分布特征、经营失败上市公司的规模分布特征、经营失败上市公司的行业分布特征、经营失败上市公司的地区分布特征、经营失败上市公司的比例特征、经营失败上市公司的生存时间特征等方面。接下来，作出了关于上市公司经营失败问题中关键的行业、区域和规模等结构性风险预警研究结论，并依据经营失败上市公司的生存时间特征，得出上市公司生存时间风险预警研究结论并由此推导出“中国公司上市后生存周期论”以及“中国公司上市后生存周期模式图”。本章进一步利用研究数据进行拓展分析，得出了中国企业生存时间风险预警研究结论，并推导出“中国企业生存周期论”以及“中国企业生存周期模式图”。第六章就我国上市公司经营失败问题探因，对上市公司存在的主要问题进行剖析，并详细探讨导致上市公司经营失败的重要因素，从以下几个方面展开：制度性缺陷、政府干预、行业影响以及宏观环境变化、企业内部风险，包括上市公司的公司治理问题、核心竞争力问题、主业脆弱和多元化经营风险、资本结构风险、不规范担保风险、大股东占用问题以及关联交易风险、诚信水平低下和企业家道德风险问题等。本章对我国上市公司经营失败的因素探究基于实证研究数据分析得出。对上市公司经营失败原因进行探讨既丰富了企业失败的理论研究，也为下一章构建企业经营失败预警函数以及建立企业经营失败预警模型奠定基础，只有深入分析影响企业经营失败的内在原因和种种影响因素，才能科学合理取舍函数变量以及确定模型解释变量，进而开发出有效、灵敏的企业经营失败预警模型。第七章是我国上市公司经营失败风险预警模型构建研究，是关于我国上市公司经营失败风险预警模型的实证分析。借鉴中西方关于企业经营失败风险预警的最新理论和模型，在分析我国上市公司群体特征的基础上，采用国际上先进的风险预警技术，通过对我国上市公司的考察和分析，利用所建立的庞大数据库作出了详尽和深入的实证研究，建立了对我国上市公司经营失败进行风险预警的三种不同技术模型；多变量判别预警（EW/MDA）模型、逻辑回归预警模型（EW/LOGIT）、生存分析（EW/SA）预警模型。应用所建立的上市公司经营失败风险预警模型，进行了相应的案例应用研究，剖析和判断上市公司的真实状况，并对研究结果的科学性进行全面检验。最后，对所建立的三种我国上市公司经营失败风险预警模型进行了比较和评析。第八章是关于经营失败风险预警研究应用的若干思考，对我国经营失败风险预警模型的应用价值进行探讨；对经营失败风险预警模型中若干问题进行全面阐述，并提出了经营失败风险预警的后续研究建议。
张琰[9]（2006）在《化工类上市公司财务危机预警模型构建研究》文中认为每个企业都有其各自的生命周期，从诞生开始就面对衰亡，而现代社会日益激烈的竞争似乎加剧了这一进程。对企业财务危机预警的研究是一个被广泛关注的研究课题，它不仅具有较高的学术价值，而且有着巨大的应用价值。使用在客观、公允基础上披露的上市公司财务报告数据，构造合理的预测模型非常重要。这样可以大大提高企业的抗风险能力，并且无论对增强单个企业的生命力还是改善整个社会经济环境都具有重要的现实意义。本文针对化工类上市公司建立财务危机预警模型。首先，阐述了财务危机预警研究的背景，意义和目前的研究现状，介绍了企业财务危机预警的基本理论和研究方法。然后，选定了本文实证分析的研究样本，使用公开披露的年报财务数据与信息设计了财务指标体系，并对其进行了说明。同时，确立了本文实证研究的思路和方法。从实证研究的角度，国内的研究人员普遍选择被特别处理（ST）作为财务危机的标志。这一思路实质上借鉴了国外研究将财务危机定义为破产的做法，把财务危机的内涵简单化了。财务危机具有累积性特征，ST意味着企业的财务危机达到某种严重的程度，但非ST企业事实上也面临不同程度的财务危机。而本文采用聚类分析法将样本公司识别为财务健康、一般财务危机和严重财务危机公司，借以评价多元判别分析在样本三分类情况下的判别效果。为此，分别单一年度财务指标和四年财务指标的均值，配合相应的样本数据建立两分类费舍尔判别方程，根据判别效果的优劣确定变量和样本数据的最优组合后，利用年度样本平均数据，使用因子分析法和判别分析法建立了实证研究的财务危机预警模型并对模型应用的效果进行了检验和分析，结果显示所建立的财务危机预警模型具有良好的预测价值。最后，总结了实证分析的研究成果即三种统计方法的综合运用构建了预测效率较高的财务危机预警模型；笼统地把非ST公司划分为财务安全公司的划分方法不够严谨；反映盈利能力，成长能力和偿债能力的财务指标预测价值较高。同时，指出了研究的局限性和未来的研究拓展方向。
盛文臻[10]（2006）在《关联并购的绩效、盈余管理与股权结构影响因素 ——来自中国资本市场的实证证据》文中进行了进一步梳理中国资本市场运行十多年来,其发展速度有目共睹,公司并购事件频频发生。我国上市公司利用关联交易实现并购是非常普遍的现象。关联并购的影响范围很广,不仅影响证券市场,而且还动用大量的社会资源,牵涉到全社会资源在各个相关利益团体之间的再分配,所以,关联并购已日益成为人们关注的焦点。研究上市公司关联并购中的问题无疑具有重要的现实意义。本文以在上海和深圳证交所上市的2002年发生关联并购的公司为样本展开研究,试图回答以下问题:1、关联并购（本文中特指上市公司向关联方出售资产和转让股权）对于被并购方来说是否改善了公司业绩?2、在并购过程中,发生关联并购的公司有没有盈余管理的迹象?并购公司业绩的变化是不是盈余管理的结果?3、这些关联并购的交易额和股权结构有何关系?在运用实证研究方法的基础上,本文验证了以下假设:1、关联并购并没有给被并购方公司带来绩效上显着的改善。2、发生关联转让的公司在转让的前一会计年度,存在降低利润的盈余管理行为,可操纵应计利润表现为负值。3、发生关联转让的公司在转让当年,存在提高利润的盈余管理行为,可操纵应计利润表现为正值。4、关联并购的发生金额与第一大股东持股比例正相关。5、关联并购发生金额与多个大股东之间的制衡能力相关,多个大股东之间的制衡能力越弱,关联并购发生金额越大。本研究结论为政府制订监管政策提供了一定理论参考。本文共分为四章:第一章:关联并购的有关理论问题。本章在阐述关联并购的定义、形式、存在原因以及关联交易的形式的基础上,说明了研究关联并购相关问题的意义。第二章:文献综述。本章主要包括关联并购绩效的文献综述、关联并购中盈余管理问题的文献综述以及关联并购的股权结构影响因素的文献综述。第三章:实证研究。本章提出了本项研究的研究假设,介绍了在实证研究中使用的并购绩效度量模型和盈余管理计量模型,说明了本研究中所使用的数据样本,并对实证结果进行了解释。第四章:结论与建议。本章概况了本文的研究结论,结合结论提出了一些政策建议,同时指出了本文研究的局限性。
二、ST鑫光 收回应收帐款（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、ST鑫光 收回应收帐款（论文提纲范文）
（1）基于数据挖掘的上市公司财务舞弊识别模式研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 . 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 研究方法 |
| 1.4 创新点 |
| 1.5 论文结构安排 |
| 第二章 . 财务舞弊研究综述 |
| 2.1 财务舞弊动因研究 |
| 2.1.1 财务舞弊“冰山理论” |
| 2.1.2 财务舞弊“三角形理论” |
| 2.1.3 财务舞弊“GONE 理论” |
| 2.1.4 财务舞弊“风险因子理论” |
| 2.1.5 财务舞弊“内外驱动”因素 |
| 2.2 财务舞弊识别信号研究 |
| 2.3 财务舞弊传统识别模式研究 |
| 2.4 财务舞弊数据挖掘识别模式研究 |
| 2.4.1 人工神经网络方法 |
| 2.4.2 支持向量机方法 |
| 2.4.3 关联规则方法 |
| 2.4.4 决策树方法 |
| 2.4.5 现有研究的不足 |
| 2.5 本章小结 |
| 第三章 . 基于数据挖掘的财务舞弊识别模式理论基础 |
| 3.1 财务舞弊的定义 |
| 3.1.1 政府监管部门的定义 |
| 3.1.2 学者们的定义 |
| 3.1.3 本文的定义 |
| 3.2 基于数据挖掘的财务舞弊静态识别模式理论基础 |
| 3.2.1 贝叶斯分类法 |
| 3.2.2 因子分析法 |
| 3.3 基于数据挖掘的财务舞弊动态识别模式理论基础 |
| 3.3.1 时间序列概念 |
| 3.3.2 KNN 算法思想 |
| 3.3.3 DTW 算法原理 |
| 3.3.4 DTW 高效算法 |
| 3.4 本章小结 |
| 第四章 . 基于数据挖掘的上市公司财务舞弊静态识别模式 |
| 4.1 样本与变量 |
| 4.1.1 数据来源 |
| 4.1.2 样本选取 |
| 4.1.3 变量描述 |
| 4.2 建立上市公司财务舞弊静态识别模式 |
| 4.2.1 静态识别模式基本思想 |
| 4.2.2 静态识别模式核心算法 |
| 4.3 实验分析 |
| 4.3.1 数据准备 |
| 4.3.2 实验结果及评价 |
| 4.4 本章小结 |
| 第五章 . 基于数据挖掘的上市公司财务舞弊动态识别模式 |
| 5.1 样本与变量 |
| 5.1.1 数据来源 |
| 5.1.2 样本选取 |
| 5.1.3 变量描述 |
| 5.2 建立上市公司财务舞弊动态识别模式 |
| 5.2.1 动态识别模式基本思想 |
| 5.2.2 动态识别模式核心算法 |
| 5.3 实验结果及评价 |
| 5.4 本章小结 |
| 第六章 . 结论 |
| 6.1 研究结论 |
| 6.2 局限性 |
| 致谢 |
| 参考文献 |
| 附录1：舞弊公司样本（部分） |
| 附录2：配对公司样本（部分） |
| 附录3：静态识别模式代码 |
| 附录4：动态识别模式代码 |
| 攻读学位期间所发表的学术论文 |
| 详细摘要 |
（2）银行信贷决策与上市公司财务风险识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 银行信贷风险和ST 公司 |
| 1.2 本文结构 |
| 2 我国上市公司的特别处理制度 |
| 2.1 我国特别处理制度的形成及其变迁 |
| 2.1.1 1998 年3 月——特别处理制度的诞生 |
| 2.1.2 2000 年——特别处理制度第一次修订 |
| 2.1.3 2001 年——特别处理制度第二次修订 |
| 2.1.4 2004 年——特别处理制度第三次修订 |
| 2.1.5 2006 年——特别处理制度第四次修订 |
| 2.1.6 PT 制度 |
| 2.2 特别处理制度的意义 |
| 2.2.1 警示 |
| 2.2.2 监管 |
| 2.2.3 公司治理 |
| 2.3 财务预警研究文献回顾 |
| 2.3.1 国外研究文献回顾 |
| 2.3.2 国内研究文献回顾 |
| 2.3.3 目前研究特点 |
| 3 银行信贷与风险 |
| 3.1 银行信贷概述 |
| 3.1.1 信贷定义、特征和原则 |
| 3.1.2 信贷风险 |
| 3.2 巴塞尔协议 |
| 3.2.1 巴塞尔委员会和早期的巴塞尔协议 |
| 3.2.2 协议的补充完善 |
| 3.2.3 新巴塞尔协议 |
| 3.3 银行信贷与预警 |
| 3.3.1 应用财务比率判定 |
| 3.3.2 信贷综合评分法 |
| 3.3.3 以现象或行为特征判定信贷风险 |
| 3.4 银行信贷研究文献 |
| 3.4.1 国外的研究 |
| 3.4.2 国内的研究 |
| 4 银行信贷决策与上市公司财务风险识别 |
| 4.1 研究方法 |
| 4.1.1 国内财务预警模型的适用问题 |
| 4.1.2 本文的研究方法 |
| 4.2 变量的选取和模型的建立 |
| 4.2.1 变量的选取 |
| 4.2.2 模型的建立 |
| 4.3 样本和配对样本 |
| 4.4 结果分析 |
| 5 本文结论 |
| 5.1 本文的主要研究成果 |
| 5.2 本文的缺陷和不足 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（3）我国ST上市公司盈余管理和盈余质量分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 选题背景及研究意义 |
| 1.2 研究现状分析 |
| 1.3 研究方法 |
| 1.4 论文结构 |
| 1.5 本章小结 |
| 2 盈余管理与盈余分析概述 |
| 2.1 盈余管理的定义综述 |
| 2.2 盈余管理的负面影响 |
| 2.3 盈余管理的动因 |
| 2.4 当前盈余分析现状与缺陷分析 |
| 2.5 本章小结 |
| 3 盈余质量的特征体系 |
| 3.1 盈余质量的定义 |
| 3.2 会计信息暨盈余信息的质量特征 |
| 3.2.1 基本层次的质量特征 |
| 3.2.2 次级层次的质量特征 |
| 3.3 盈余质量的考察原则及重点 |
| 3.4 本章小结 |
| 4 盈余质量分析指标体系设计 |
| 4.1 盈余的结构性分析指标 |
| 4.2 盈余的收现性分析指标 |
| 4.3 盈余的持续性分析指标 |
| 4.4 本章小结 |
| 5 ST上市公司盈余质量的实证分析 |
| 5.1 盈余的结构性实证分析 |
| 5.2 盈余的收现性实证分析 |
| 5.3 盈余的持续性实证分析 |
| 5.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（4）基于神经网络模型的企业财务困境预警研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 导言 |
| 1.1 选题背景 |
| 1.2 研究目的和意义 |
| 1.2.1 选题目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究动态 |
| 1.3.1 国外研究动态 |
| 1.3.2 国内研究动态 |
| 1.3.3 国内外研究综述及存在问题 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 论文可能的创新之处 |
| 第二章 神经网络与企业财务困境预警的相关理论 |
| 2.1 财务困境概述 |
| 2.2 财务困境与财务预警 |
| 2.3 企业财务预警系统 |
| 2.3.1 财务预警系统的概念 |
| 2.3.2 财务预警系统的特点 |
| 2.3.3 财务预警系统的功能框架 |
| 2.3.4 财务预警系统的构建原则 |
| 2.3.5 财务预警系统的建立流程 |
| 2.4 神经网络计算模型 |
| 2.4.1 神经网络的基本原理 |
| 2.4.2 神经网络的建模原理及数学描述 |
| 2.4.3 神经网络算法 |
| 第三章 神经网络方法在财务困境预警中的应用 |
| 3.1 传统的企业预警系统的方法及缺陷 |
| 3.2 人工神经网络用于企业财务预警系统的优势 |
| 3.2.1 人工神经网络的功能 |
| 3.2.2 人工神经网络用于预警的优势 |
| 3.3 BP 神经网络预测模型的构建方法 |
| 3.4 预测模型的原理与实现 |
| 3.4.1 预测模型的原理 |
| 3.4.2 BP 神经网络的预测步骤 |
| 3.4.3 输入输出层的设计 |
| 3.4.4 隐层单元的确定 |
| 3.4.5 训练样本的确定 |
| 3.4.6 输入输出数据的处理 |
| 3.5 神经网络预测模型的特点 |
| 第四章 基于神经网络方法预警系统设计 |
| 4.1 企业财务预警系统的总体功能设计 |
| 4.1.1 数据库的建立 |
| 4.1.2 财务预警指标选取的原则 |
| 4.1.3 财务预警指标的选取 |
| 4.2 基于ANN 的企业财务困境预警模型的新构思 |
| 4.2.1 BP 算法的缺陷 |
| 4.2.2 BP 算法改进的具体方法 |
| 4.3 神经网络预测程序设计 |
| 4.4 企业预警系统功能开发 |
| 第五章 基于神经网络方法预警的实证研究 |
| 5.1 研究样本的选取 |
| 5.2 财务指标的确定 |
| 5.3 实证研究结果及评价 |
| 5.3.1 模型的建立 |
| 5.3.2 样本训练及测试 |
| 5.4 企业预警结果分析 |
| 第六章 全文总结与展望 |
| 6.1 基于神经网络方法的财务困境预警总结 |
| 6.2 研究的局限性 |
| 6.3 有关研究领域未来展望 |
| 参考文献 |
| 附录1 25 家ST 公司 |
| 附录2 25 家非ST 公司 |
| 致谢 |
| 作者简介 |
（5）我国上市公司退市制度研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.3 论文结构与研究方法 |
| 第2章 中外退市制度相关法规的比较分析 |
| 2.1 我国退市制度的演变过程 |
| 2.2 我国的退市程序及退市标准 |
| 2.2.1 我国的退市程序 |
| 2.2.2 我国的退市标准 |
| 2.3 国内外退市制度的比较 |
| 2.3.1 上市公司退市批准权限的比较 |
| 2.3.2 上市公司退市标准的比较 |
| 2.3.3 上市公司的退市程序 |
| 2.4 本章小结 |
| 第3章 中外退市制度实施效果的比较分析 |
| 3.1 国外退市制度的实施效果 |
| 3.2 国内退市制度的实施效果 |
| 3.2.1 ST样本事件统计分析 |
| 3.2.2 我国已退市股票的分析 |
| 3.2.3 我国仍旧ST类股票的分析 |
| 3.3 本章小结 |
| 第4章 ST、PT公司摘帽现象的实证分析 |
| 4.1 ST股票戴帽原因分析 |
| 4.2 摘帽样本股票的实证分析——摘帽前 |
| 4.2.1 变量选择及定义 |
| 4.2.2 均值差异检验 |
| 4.2.3 两分类logistic回归分析 |
| 4.3 摘帽样本股票的实证分析——摘帽后 |
| 4.4 本章小结 |
| 第5章 完善我国上市公司退市制度的政策建议 |
| 5.1 论文主要结论 |
| 5.2 政策建议 |
| 5.3 进一步研究展望 |
| 参考文献 |
| 附录1 已退市股票信息 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）上市公司财务报告舞弊识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外文献回顾 |
| 1.2.1 舞弊与反舞弊理论 |
| 1.2.2 财务报告舞弊识别特征的研究 |
| 1.2.3 财务报告舞弊识别模型的研究 |
| 1.2.4 国内外文献回顾评述 |
| 1.3 研究的内容及框架 |
| 1.4 研究的创新点 |
| 第二章 上市公司财务报告舞弊手段及特征分析 |
| 2.1 现行上市公司财务报告舞弊手段 |
| 2.1.1 会计手段 |
| 2.1.2 非会计手段 |
| 2.2 现行上市公司财务报告舞弊特征 |
| 2.2.1 管理层面特征 |
| 2.2.2 关系层面特征 |
| 2.2.3 行业层面特征 |
| 2.2.4 组织结构层面特征 |
| 2.2.5 财务结果和经营层面特征 |
| 2.3 本章小结 |
| 第三章 基于新财务报表体系的上市公司财务报告舞弊的经验识别 |
| 3.1 实施新会计准则对上市公司财务报告舞弊手段的影响分析 |
| 3.1.1 实施新会计准则对舞弊的遏制 |
| 3.1.2 实施新会计准则创造的舞弊空间 |
| 3.2 基于新财务报表中风险科目的经验识别 |
| 3.2.1 资产负债表风险科目分析 |
| 3.2.2 利润表风险科目分析 |
| 3.2.3 现金流量表风险科目分析 |
| 3.2.4 三大报表勾稽关系分析 |
| 3.2.5 财务比率分析 |
| 3.3 基于非财务信息的经验识别 |
| 3.3.1 基本层面分析法 |
| 3.3.2 审计意见分析法 |
| 3.3.3 表外信息分析法 |
| 3.3.4 剔除法 |
| 3.4 本章小结 |
| 第四章 基于数据挖掘技术的上市公司财务报告舞弊的识别 |
| 4.1 运用数据挖掘技术识别舞弊性财务报告的必要性分析 |
| 4.2 运用数据挖掘技术识别舞弊性财务报告的可行性分析 |
| 4.3 基于SEMMA的数据挖掘识别流程 |
| 4.3.1 数据抽样(Sample) |
| 4.3.2 数据特征探索、分析和预处理(Explore) |
| 4.3.3 数据调整(Modify) |
| 4.3.4 模型的选择和建立(Model) |
| 4.3.5 模型的综合分析与评价(Assess) |
| 4.4 数据挖掘识别技术的拓展研究——专家系统与神经网络的结合 |
| 4.4.1 专家系统的特点 |
| 4.4.2 专家系统与神经网络的结合 |
| 4.4.3 神经网络专家系统的舞弊识别流程 |
| 4.5 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 附录A 舞弊样本与控制样本 |
| 在学研究成果 |
| 致谢 |
（7）上市公司财务舞弊形成机理研究和投资风险防范（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究路线 |
| 2 基本理论与国内外的相关研究 |
| 2.1 上市公司财务舞弊的概念及其分类 |
| 2.2 国外关于财务报告舞弊的研究现状 |
| 2.3 国内关于财务报告舞弊的研究现状 |
| 2.4 国内外舞弊理论的现实意义 |
| 3 国内外舞弊现状分析 |
| 3.1 国外舞弊现状分析 |
| 3.2 国内舞弊现状分析 |
| 4 我国上市公司财务舞弊手法 |
| 4.1 上市之前财务舞弊手法 |
| 4.2 资产负债表主要项目财务舞弊手法 |
| 4.3 利润表主要项目财务舞弊的手法 |
| 4.4 现金流量表主要项目财务舞弊手法 |
| 4.5 其他财务舞弊手法 |
| 5 中国上市公司财务舞弊的形成机理分析 |
| 5.1 博弈论概述 |
| 5.2 上市公司财务舞弊的博弈论分析 |
| 5.3 结论 |
| 6 上市公司财务舞弊的投资风险防范 |
| 6.1 上市公司财务舞弊识别技术 |
| 6.2 证券市场监管 |
| 6.3 结论 |
| 7 结束语 |
| 附录一: 证券投资者(散户)调查问卷 |
| 附录二: 证券投资者(散户)调查报告1-股权分置之前(2006年1-2月) |
| 附录三: 证券投资者(散户)调查报告2-股权分置之后(2007年2-3月) |
| 附录四: 深交所上市公司信息披评级 |
| 附录五: 被上海证交所谴责的上市公司名单 |
| 参考文献 |
（8）我国上市公司经营失败风险预警研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 导论 |
| 第一节 研究背景和选题意义 |
| 一、研究背景 |
| 二、选题意义 |
| 第二节 研究内容与结构安排 |
| 一、基本研究框架 |
| 二、研究内容概述 |
| 第三节 研究方法与创新之处 |
| 一、主要研究方法 |
| 二、创新之处 |
| 第二章 关于企业经营失败的理论研究 |
| 第一节 关于企业经营失败界定的各类观点 |
| 第二节 新古典资本结构框架下的破产理论模型 |
| 第三节 基于代理框架下的企业经营失败理论——可靠性模型 |
| 第四节 关于企业经营失败路径理论 |
| 一、市场恶化失败路径 |
| 二、市场不适应失败路径 |
| 三、市场份额竞争路径 |
| 四、失去控制的路径 |
| 第五节 行为学视角出发的企业经营失败模式理论 |
| 一、蝌蚪型企业失败模式 |
| 二、牛蛙型企业失败模式 |
| 三、煮蛙型企业失败模式 |
| 四、溺蛙型企业失败模式 |
| 第六节 关于企业经营失败理论的评析 |
| 第三章 经典企业经营失败风险预警模型和技术研究 |
| 第一节 单变量分析模型和多变量判别模型 |
| 一、单变量分析模型(UAM) |
| 二、多变量判别模型(MDA) |
| 第二节 离散应变量模型 |
| 一、逻辑斯特回归模型(LM) |
| 二、概率比回归模型(PM) |
| 第三节 经典企业经营失败风险预警模型和技术的评析 |
| 一、经典企业经营失败风险预警模型和技术的比较分析 |
| 二、经典企业经营失败风险预警模型和技术存在的问题与评析 |
| 第四章 企业经营失败风险预警模型和技术的前沿研究 |
| 第一节 生存分析模型(SAM) |
| 一、生存分析基本原理和Cox比例风险模型(PHM) |
| 二、生存分析模型在企业经营失败风险预警中的应用 |
| 三、应用生存分析模型预测企业经营失败风险的评析 |
| 第二节 人工神经网络分析技术(ANN) |
| 一、人工神经网络概述 |
| 二、人工神经网络在企业经营失败风险预警中的应用 |
| 三、应用人工神经网络技术预测企业经营失败风险的评析 |
| 第三节 案例推理分析(CBR) |
| 一、案例推理分析概述 |
| 二、案例推理在企业经营失败风险预警中的应用 |
| 三、应用案例推理预测企业经营失败风险的评析 |
| 第四节 累积和模型(CUSUNM) |
| 一、累积和模型原理及其在企业经营失败风险预警中的运用 |
| 二、应用累积和模型预测企业经营失败风险的评析 |
| 第五节 其它非主流分析模型和方法 |
| 一、多维尺度分析模型(MDS) |
| 二、粗糙集方法(RST) |
| 三、故障树分析(FTA) |
| 四、基于非均衡理论的混沌技术预测方法(CA)及灾害理论(CT)预测方法 |
| 第六节 前沿企业经营失败风险预警模型和技术方法评析 |
| 第五章 我国上市公司经营失败状况剖析和结构性风险预警 |
| 第一节 我国上市公司经营失败的界定 |
| 第二节 我国上市公司经营失败的总体情况 |
| 第三节 我国上市公司经营失败状况的结构性分析及风险预警 |
| 一、经营失败上市公司的行业分布特征和行业风险预警 |
| 二、经营失败上市公司的地区分布特征和区域风险预警 |
| 三、经营失败上市公司的资产规模分布特征和资产规模风险预警 |
| 四、经营失败上市公司的时间分布特征和年度风险预警 |
| 五、上市公司生存时间风险预警及“中国公司上市后生存周期论” |
| 六、上市公司生存时间风险预警的拓展 |
| 第六章 我国上市公司经营失败风险探因 |
| 第一节 上市公司经营失败的制度性缺陷 |
| 一、上市制度缺陷和发行机制问题 |
| 二、产权制度模糊和股权分裂畸形 |
| 三、政府不当干预和市场机制失灵 |
| 第二节 上市公司经营失败的外部原因 |
| 一、行业风险差异 |
| 二、外部环境和宏观调控风险 |
| 第三节 上市公司经营失败的内部原因 |
| 一、缺乏真正的核心竞争力 |
| 二、公司治理结构不完善 |
| 三、主业脆弱和多元化经营风险 |
| 四、巨大的不规范担保风险 |
| 五、关联交易风险及大股东占用问题 |
| 六、资本结构不合理和现金流量问题 |
| 七、诚信水平低下和企业家道德风险 |
| 第七章 我国上市公司经营失败风险预警模型的构建研究 |
| 第一节 上市公司经营失败风险预警函数的构建 |
| 第二节 上市公司经营失败风险预警模型的样本选择 |
| 一、样本选择 |
| 二、数据来源 |
| 第三节 上市公司经营失败风险预警模型的解释变量 |
| 一、解释变量的确定 |
| 二、关于解释变量的描述性分析 |
| 第四节 上市公司经营失败风险预警模型之一: EW/MDA模型构建研究 |
| 一、EW/MDA模型的实证过程 |
| 二、EW/MDA模型的结果分析 |
| 三、EW/MDA模型的检验 |
| 四、EW/MDA模型预警值分析 |
| 五、EW/MDA模型的案例应用 |
| 第五节 上市公司经营失败风险预警模型之二: EW/LOGISTIC模型构建研究 |
| 一、EW/LOGISTIC模型的实证过程 |
| 二、EW/LOGISTIC模型的结果分析 |
| 三、EW/LOGISTIC模型的检验 |
| 四、EW/LOGISTIC模型预警值分析 |
| 五、EW/LOGISTIC模型的案例应用 |
| 第六节 上市公司经营失败风险预警模型之三: EW/PHM模型构建研究 |
| 一、EW/PHM模型的实证过程 |
| 二、生存分析模型的结果分析 |
| 三、生存模型的检验 |
| 四、生存模型的预警值分析 |
| 五、生存模型的案例应用 |
| 第七节 上市公司经营失败风险预警模型的比较和评析 |
| 一、风险预警模型建模思路及结果示意图 |
| 二、风险预警模型EW/MDA、EW/LOGISTIC和EW/PHM的对比评析 |
| 第八章 经营失败风险预警研究的应用和发展 |
| 第一节 经营失败风险预警研究的应用 |
| 一、提高商业银行授信风险管理水平，实现全过程控制 |
| 二、科学辅助投资者决策，规避投资风险 |
| 三、强化上市公司自身风险控制，化解风险 |
| 四、建立有效的证券市场监管体系，促进市场健康发展 |
| 第二节 关于经营失败风险预警研究中的若干问题 |
| 一、关于经验判断和量化模型的问题 |
| 二、关于研究数据质量和数据真实性的问题 |
| 三、关于风险预警模型的维护和修正问题 |
| 第三节 关于经营失败风险预警的后续研究建议 |
| 一、拓展并细化研究范围，建立不同行业及不同公司群体的风险预警模型 |
| 二、引入宏观经济变量和市场要素，全面透视企业预警问题 |
| 三、应用最新的科学技术，探索创新的风险预警模型和技术方法 |
| 参考文献 |
| 1、中文部分 |
| 2、英文部分 |
| 后记 |
（9）化工类上市公司财务危机预警模型构建研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 财务危机预警的意义 |
| 1.3 文献综述 |
| 1.3.1 国外财务危机预警模型的研究现状 |
| 1.3.2 国内财务危机预警模型的研究现状 |
| 1.4 本文的研究方法、研究内容及创新处 |
| 1.4.1 研究方法和研究内容 |
| 1.4.2 本文的创新处 |
| 第二章 财务危机预警研究相关问题概述 |
| 2.1 财务危机的含义 |
| 2.2 财务危机的基本特征及产生财务危机的原因 |
| 2.2.1 财务危机的基本特征 |
| 2.2.2 产生财务危机的原因 |
| 2.3 财务危机预警研究的方法 |
| 2.3.1 定性方法 |
| 2.3.2 定量方法 |
| 2.3.3 拟定量方法 |
| 2.3.4 其他方法 |
| 2.3.5 不同方法的比较分析 |
| 2.4 财务危机预警理论依据 |
| 2.4.1 规范性理论 |
| 2.4.2 实证性理论 |
| 第三章 化工类上市公司财务危机预警模型的构建(I) |
| 3.1 研究目的和设计思路 |
| 3.1.1 研究目的 |
| 3.1.2 设计思路 |
| 3.2 本文建立财务危机预警模型的方法 |
| 3.2.1 聚类分析的基本方法 |
| 3.2.2 因子分析的基本方法 |
| 3.2.3 判别分析的基本方法 |
| 3.3 研究样本和数据来源 |
| 3.3.1 研究样本 |
| 3.3.2 样本数据来源 |
| 3.4 财务预警指标体系的建立 |
| 3.5 因子分析的结果 |
| 3.6 聚类分析的结果 |
| 第四章 化工类上市公司财务危机预警模型的构建(II) |
| 4.1 建立判别模型的方法及样本数据质量比较 |
| 4.1.1 建立判别模型的方法 |
| 4.1.2 样本数据质量比较 |
| 4.2 多元判别分析模型的建立 |
| 4.2.1 2005年度财务数据的费舍尔三分类判别分析 |
| 4.2.2 对2002-2005年度财务数据的费舍尔三分类判别分析 |
| 4.3 模型的应用与分析 |
| 4.4 模型应用的基础条件 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
| 附录 |
| 在校期间发表的论文目录 |
（10）关联并购的绩效、盈余管理与股权结构影响因素 ——来自中国资本市场的实证证据（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 关联并购的定义与我国关联并购的形式 |
| 一、关联并购的定义 |
| 二、关联交易的形式 |
| 三、关联并购存在的原因 |
| 四、关联并购的形式 |
| 第二章 关联并购相关问题的文献综述 |
| 一、关联并购绩效的文献综述 |
| 二、关联并购中盈余管理问题的文献综述 |
| 三、关联并购股权结构影响因素的文献综述 |
| 第三章 实证研究 |
| 一、样本选择与数据来源 |
| 二、研究模型设计 |
| 三、研究假设 |
| 四、实证研究结果及分析 |
| 第四章 结论与建议 |
| 一、主要结论 |
| 二、政策建议 |
| 三、创新与不足 |
| [参考文献] |
| 附表 |
| 后记 |
四、ST鑫光 收回应收帐款（论文参考文献）
- [1]基于数据挖掘的上市公司财务舞弊识别模式研究[D]. 魏绒. 西安石油大学, 2013(07)
- [2]银行信贷决策与上市公司财务风险识别[D]. 冯先涛. 上海交通大学, 2009(12)
- [3]我国ST上市公司盈余管理和盈余质量分析[D]. 张晓泉. 南京理工大学, 2008(11)
- [4]基于神经网络模型的企业财务困境预警研究[D]. 方瑞. 西北农林科技大学, 2008(12)
- [5]我国上市公司退市制度研究[D]. 刘艳琴. 上海交通大学, 2008(07)
- [6]上市公司财务报告舞弊识别研究[D]. 栗巍. 沈阳工业大学, 2007(03)
- [7]上市公司财务舞弊形成机理研究和投资风险防范[D]. 王佳雯. 华东师范大学, 2007(03)
- [8]我国上市公司经营失败风险预警研究[D]. 赵艳芳. 复旦大学, 2007(06)
- [9]化工类上市公司财务危机预警模型构建研究[D]. 张琰. 江苏大学, 2006(05)
- [10]关联并购的绩效、盈余管理与股权结构影响因素 ——来自中国资本市场的实证证据[D]. 盛文臻. 厦门大学, 2006(01)