財(cái)務(wù)信息是企業(yè)各利益相關(guān)者進(jìn)行分析與決策的基礎(chǔ),高質(zhì)量的財(cái)務(wù)信息不僅可以準(zhǔn)確反映企業(yè)的財(cái)務(wù)狀況和經(jīng)營風(fēng)險(xiǎn),還可以幫助信息使用者做出科學(xué)合理的經(jīng)濟(jì)決策。西北五省作為國家“絲綢之路經(jīng)濟(jì)帶”的重要環(huán)節(jié),對于國家政策的施行有較大影響。但目前關(guān)于財(cái)務(wù)信息質(zhì)量的評價(jià)多以我國上市公司為研究對象,以西北上市公司為研究對象的較少。因此,對西北上市公司的財(cái)務(wù)信息質(zhì)量進(jìn)行深入研究,發(fā)現(xiàn)其經(jīng)營過程中的財(cái)務(wù)信息短板并及時(shí)彌補(bǔ),從而提高企業(yè)的財(cái)務(wù)信息質(zhì)量,對西北地區(qū)經(jīng)濟(jì)的發(fā)展十分必要。首先,論文在梳理財(cái)務(wù)信息質(zhì)量特征、研究內(nèi)容等相關(guān)文獻(xiàn)的基礎(chǔ)上,界定了財(cái)務(wù)信息和財(cái)務(wù)信息質(zhì)量的內(nèi)涵,得出財(cái)務(wù)信息是會(huì)計(jì)信息的延伸和拓展的結(jié)論。其次,通過分析西北上市公司財(cái)務(wù)信息質(zhì)量現(xiàn)狀,針對其披露質(zhì)量較差的短板,以結(jié)果導(dǎo)向?yàn)橹?過程導(dǎo)向?yàn)檩o的評價(jià)思路,構(gòu)建了包含3個(gè)一級指標(biāo),21個(gè)二級指標(biāo)的西北上市公司財(cái)務(wù)信息質(zhì)量評價(jià)指標(biāo)體系。再次,對人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì),確定評價(jià)模型中的隱含層層數(shù)、各層節(jié)點(diǎn)數(shù),運(yùn)用層次分析法,綜合考慮審計(jì)意見、財(cái)務(wù)風(fēng)險(xiǎn)、披露質(zhì)量作為人工神經(jīng)網(wǎng)絡(luò)模型的期望值。然后將西北上市公司數(shù)據(jù)標(biāo)準(zhǔn)化處理后輸入人工神經(jīng)網(wǎng)絡(luò),經(jīng)過訓(xùn)... 

【文章來源】：青海大學(xué)青海省 211工程院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

36節(jié)點(diǎn)數(shù)1激活函數(shù)Sigmoid函數(shù)5.3人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果分析將樣本數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡(luò)，我們可得到以下結(jié)果：圖5.1個(gè)案處理摘要圖從圖5.1我們可以看到，進(jìn)行培訓(xùn)的樣本有835個(gè)，占樣本總量的69.6%。進(jìn)行測試的樣本有365個(gè)，占樣本總量的30.4%，一共1200個(gè)數(shù)據(jù)。實(shí)驗(yàn)的所有數(shù)據(jù)沒有缺失，均為有效數(shù)據(jù)。圖5.2模型摘要圖模型摘要中的相對錯(cuò)誤表示輸出結(jié)果與期望值的誤差范圍，相對錯(cuò)誤越小，則說明模型的有效性越好，準(zhǔn)確性也越高。通過圖5.2模型摘要圖我們可以得到，該神經(jīng)網(wǎng)絡(luò)的培訓(xùn)輸出結(jié)果與期望值的相對錯(cuò)誤為2.2%，驗(yàn)證輸出結(jié)果與

36節(jié)點(diǎn)數(shù)1激活函數(shù)Sigmoid函數(shù)5.3人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果分析將樣本數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡(luò)，我們可得到以下結(jié)果：圖5.1個(gè)案處理摘要圖從圖5.1我們可以看到，進(jìn)行培訓(xùn)的樣本有835個(gè)，占樣本總量的69.6%。進(jìn)行測試的樣本有365個(gè)，占樣本總量的30.4%，一共1200個(gè)數(shù)據(jù)。實(shí)驗(yàn)的所有數(shù)據(jù)沒有缺失，均為有效數(shù)據(jù)。圖5.2模型摘要圖模型摘要中的相對錯(cuò)誤表示輸出結(jié)果與期望值的誤差范圍，相對錯(cuò)誤越小，則說明模型的有效性越好，準(zhǔn)確性也越高。通過圖5.2模型摘要圖我們可以得到，該神經(jīng)網(wǎng)絡(luò)的培訓(xùn)輸出結(jié)果與期望值的相對錯(cuò)誤為2.2%，驗(yàn)證輸出結(jié)果與

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的會(huì)計(jì)信息質(zhì)量評價(jià)[J]. 耿聰慧.  財(cái)會(huì)通訊. 2019(31)
[2]上市公司財(cái)務(wù)狀況質(zhì)量:理論框架與評價(jià)體系[J]. 張新民,錢愛民,陳德球.  管理世界. 2019(07)
[3]融券機(jī)制對上市公司信息披露違規(guī)行為存在治理效應(yīng)嗎[J]. 楊慧輝,劉偉.  財(cái)貿(mào)研究. 2018(09)
[4]戰(zhàn)略差異、信息透明度與財(cái)務(wù)分析師盈余預(yù)測質(zhì)量——基于深市上市公司的經(jīng)驗(yàn)證據(jù)[J]. 謝獲寶,石佳,惠麗麗.  南京審計(jì)大學(xué)學(xué)報(bào). 2018(04)
[5]異常審計(jì)費(fèi)用、審計(jì)質(zhì)量與IPO定價(jià)——基于A股市場的分析[J]. 朱宏泉,朱露.  審計(jì)與經(jīng)濟(jì)研究. 2018(04)
[6]基于“互聯(lián)網(wǎng)+”的上市公司會(huì)計(jì)信息質(zhì)量智能評估研究[J]. 孫凡,鄭濟(jì)孝.  會(huì)計(jì)研究. 2018(03)
[7]IASB會(huì)計(jì)信息質(zhì)量特征修訂:國際爭論與思考[J]. 任永平,鞏滿霞.  上海大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(01)
[8]政府財(cái)務(wù)信息披露質(zhì)量評價(jià)研究:基于環(huán)境起點(diǎn)論的分析[J]. 潘俊,徐穎,竇笑晨.  會(huì)計(jì)與經(jīng)濟(jì)研究. 2017(06)
[9]社會(huì)責(zé)任信息披露、財(cái)務(wù)信息質(zhì)量與投資效率——基于“強(qiáng)制披露時(shí)代”中國上市公司的證據(jù)[J]. 鐘馬,徐光華.  管理評論. 2017(02)
[10]我國會(huì)計(jì)信息質(zhì)量檢查十年回顧與改進(jìn)建議[J]. 王竹泉,江瑋瀅.  財(cái)政監(jiān)督. 2017(02)

碩士論文
[1]上市公司會(huì)計(jì)信息質(zhì)量對股權(quán)融資成本的影響研究[D]. 李奇霞.山西財(cái)經(jīng)大學(xué) 2018
[2]上市公司會(huì)計(jì)信息質(zhì)量的智能評價(jià)研究[D]. 雷佳寧.山西財(cái)經(jīng)大學(xué) 2018
[3]我國ST企業(yè)財(cái)務(wù)舞弊動(dòng)因與手段研究[D]. 王小琦.云南財(cái)經(jīng)大學(xué) 2018
[4]基于BP神經(jīng)網(wǎng)絡(luò)的太鋼不銹公司盈余質(zhì)量評價(jià)研究[D]. 康慧莉.西安工業(yè)大學(xué) 2018
[5]A企業(yè)會(huì)計(jì)信息質(zhì)量評價(jià)研究[D]. 高墐焫.西安科技大學(xué) 2016
[6]上市公司內(nèi)部控制披露質(zhì)量與會(huì)計(jì)信息質(zhì)量相關(guān)性研究[D]. 李雪.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2016
[7]基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D]. 涂海燕.南華大學(xué) 2014
[8]上市公司會(huì)計(jì)信息質(zhì)量對投資者信心的影響[D]. 廖倩.西南財(cái)經(jīng)大學(xué) 2014
[9]中小企業(yè)會(huì)計(jì)信息質(zhì)量評價(jià)研究[D]. 李海蘭.東北林業(yè)大學(xué) 2014
[10]我國A股上市公司財(cái)務(wù)數(shù)據(jù)質(zhì)量檢查與評價(jià)的實(shí)證研究[D]. 李響.廈門大學(xué) 2014



本文編號：3213169