本文關(guān)鍵詞：基于DS證據(jù)理論SVM集成的企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：改革開放以來,我國(guó)市場(chǎng)經(jīng)濟(jì)取得了快速的發(fā)展,這也使國(guó)內(nèi)企業(yè)獲得了更多的發(fā)展機(jī)會(huì),但與此同時(shí)企業(yè)也面臨更多的風(fēng)險(xiǎn)和挑戰(zhàn)。由于這些因素企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)甚至破產(chǎn)清算的概率也明顯增加。企業(yè)作為我國(guó)市場(chǎng)經(jīng)濟(jì)的基本組成部分,對(duì)人民生活水平的提高以及國(guó)家經(jīng)濟(jì)的發(fā)展起十分重要的促進(jìn)作用,企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)將會(huì)危及銀行體系、債權(quán)人等眾多主體,嚴(yán)重時(shí)甚至?xí)䦟?dǎo)致經(jīng)濟(jì)蕭條、造成社會(huì)動(dòng)蕩。因此,對(duì)企業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究成為了一個(gè)十分必要和緊迫的課題。近年來企業(yè)財(cái)務(wù)危機(jī)預(yù)警受到了廣泛關(guān)注和研究,學(xué)術(shù)界和企業(yè)界提出了很多不同的模型用于財(cái)務(wù)危機(jī)預(yù)警,例如單變量模型、Logistic回歸模型和神經(jīng)網(wǎng)絡(luò)等。這些預(yù)警模型有著各自的特點(diǎn),但同時(shí)也存在一些不足,并不能完全適應(yīng)現(xiàn)代市場(chǎng)經(jīng)濟(jì)的發(fā)展要求,因此學(xué)術(shù)界和企業(yè)界一直在尋找新理論、新方法來進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警。支持向量機(jī)是一種相對(duì)較新的財(cái)務(wù)危機(jī)預(yù)警方法,具有較強(qiáng)的學(xué)習(xí)和推廣能力,在解決高維度、非線性和小樣本等問題上具有獨(dú)特的優(yōu)勢(shì),近年來被廣泛的應(yīng)用于財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域。傳統(tǒng)的財(cái)務(wù)危機(jī)預(yù)警模型主要采用單分類器,近年來學(xué)術(shù)界研究表明,使用多分類器進(jìn)行集成能夠充分利用各單分類器的特點(diǎn),從而有效提高財(cái)務(wù)危機(jī)預(yù)警的精度。DS證據(jù)理論由于其結(jié)構(gòu)簡(jiǎn)單、在不確定性度量等方面的靈活性等特點(diǎn),近年來受到廣泛研究,并被用于財(cái)務(wù)危機(jī)預(yù)警模型。以往的財(cái)務(wù)危機(jī)預(yù)警模型往往忽略了盈余管理這一因素。盈余管理是一種操縱公司財(cái)務(wù)報(bào)表的行為,會(huì)對(duì)公司財(cái)務(wù)報(bào)表的真實(shí)性和可靠性造成影響,從而使得進(jìn)行了盈余管理的公司的財(cái)務(wù)報(bào)表相比于沒有進(jìn)行盈余管理公司的財(cái)務(wù)報(bào)表有不同的特征。因此在財(cái)務(wù)危機(jī)預(yù)警模型中考慮盈余管理這一因素,根據(jù)公司是否進(jìn)行盈余管理將其分為兩大類分別進(jìn)行訓(xùn)練是有意義的。綜上所述,本文提出了一種基于DS證據(jù)理論支持向量機(jī)集成的財(cái)務(wù)危機(jī)預(yù)警模型,并在模型中考慮盈余管理這一因素。首先,本文使用公司三年的財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警,根據(jù)公司是否進(jìn)行了盈余管理,將每一年的樣本公司分為兩類。對(duì)于每一年的兩類不同類別的樣本公司的財(cái)務(wù)數(shù)據(jù),分別使用三種基于不同核函數(shù)的支持向量機(jī)進(jìn)行訓(xùn)練。然后,本文提出一種改進(jìn)的DS集成方法對(duì)SVM分類器的輸出結(jié)果進(jìn)行集成。本文提出的改進(jìn)的證據(jù)理論集成方法將分類器在測(cè)試集樣本上獲得的支持度、在訓(xùn)練集樣本上獲得的支持度的平均值以及在訓(xùn)練集上的分類精度納入考慮。在進(jìn)行集成的時(shí)候首先使用本文提出的改進(jìn)的DS集成方對(duì)每一年內(nèi)的使用三種不同核函數(shù)訓(xùn)練的SVM分類器的輸出結(jié)果進(jìn)行集成,得到每一年的集成結(jié)果,然后再使用本文提出的改進(jìn)的DS集成方法將這三年的結(jié)果進(jìn)行集成,從而得到最終的結(jié)果。本文選取中國(guó)A股市場(chǎng)制造業(yè)公司作為樣本進(jìn)行實(shí)證研究,其結(jié)果表明本文提出的基于DS證據(jù)理論和盈余管理的支持向量機(jī)集成的財(cái)務(wù)危機(jī)預(yù)警模型能夠有效提高出財(cái)務(wù)危機(jī)預(yù)警的精度。
【關(guān)鍵詞】：財(cái)務(wù)危機(jī)預(yù)警 DS證據(jù)理論 盈余管理 支持向量機(jī) 分類器集成
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F424;F406.7
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-19
• 1.1 研究背景和意義11-12
• 1.2 財(cái)務(wù)危機(jī)預(yù)警國(guó)內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 單變量預(yù)警模型12-13
• 1.2.2 多元判別模型13
• 1.2.3 Logistic回歸分析模型13-14
• 1.2.4 神經(jīng)網(wǎng)絡(luò)判別模型14-15
• 1.2.5 支持向量機(jī)15
• 1.2.6 分類器集成15-16
• 1.3 本文主要工作16-17
• 1.3.1 本文主要研究?jī)?nèi)容16
• 1.3.2 本文創(chuàng)新點(diǎn)16-17
• 1.4 論文組織結(jié)構(gòu)17-19
• 第二章 理論綜述19-32
• 2.1 財(cái)務(wù)危機(jī)預(yù)警的基本概念19-20
• 2.1.1 財(cái)務(wù)危機(jī)的概念19
• 2.1.2 本文對(duì)財(cái)務(wù)危機(jī)的界定19
• 2.1.3 財(cái)務(wù)危機(jī)預(yù)警相關(guān)概念19-20
• 2.2 支持向量機(jī)的基本理論20-25
• 2.2.1 統(tǒng)計(jì)學(xué)習(xí)理論20-21
• 2.2.2 支持向量機(jī)概述21-22
• 2.2.3 線性可分問題22-23
• 2.2.4 線性不可分問題23
• 2.2.5 非線性問題23-25
• 2.3 DS證據(jù)理論基本理論25-29
• 2.3.1 證據(jù)理論的發(fā)展和應(yīng)用25
• 2.3.2 證據(jù)理論基本概念25-27
• 2.3.3 證據(jù)理論的集成規(guī)則27-29
• 2.4 盈余管理基本理論29-32
• 2.4.1 盈余管理定義和動(dòng)機(jī)29-30
• 2.4.2 盈余管理計(jì)量模型30-32
• 第三章 基于DS證據(jù)理論SVM集成的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究32-42
• 3.1 基于DS證據(jù)理論SVM集成的財(cái)務(wù)危機(jī)預(yù)警模型32-35
• 3.2 本文模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的步驟35-36
• 3.3 改進(jìn)的DS集成規(guī)則36-41
• 3.4 本章小結(jié)41-42
• 第四章 實(shí)證分析42-52
• 4.1 樣本數(shù)據(jù)集和指標(biāo)體系42-44
• 4.1.1 樣本數(shù)據(jù)的選擇42
• 4.1.2 財(cái)務(wù)指標(biāo)體系的建立42-44
• 4.2 實(shí)證結(jié)果分析44-51
• 4.3 本章小結(jié)51-52
• 第五章 總結(jié)和展望52-54
• 5.1 本文的主要工作和結(jié)論52
• 5.2 本文的不足及研究展望52-54
• 致謝54-55
• 參考文獻(xiàn)55-59
• 作者簡(jiǎn)介59

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張紅霞;;我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J];輕工科技;2016年01期

2 丁德臣;呂志勇;;基于粗糙集與分類器集成的財(cái)險(xiǎn)公司全面風(fēng)險(xiǎn)預(yù)警研究[J];保險(xiǎn)研究;2014年06期

3 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

4 韓德強(qiáng);楊藝;韓崇昭;;DS證據(jù)理論研究進(jìn)展及相關(guān)問題探討[J];控制與決策;2014年01期

5 雷蕾;王曉丹;;結(jié)合SVM與DS證據(jù)理論的信息融合分類方法[J];計(jì)算機(jī)工程與應(yīng)用;2013年11期

6 丁德臣;;混合HOGA-SVM財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型實(shí)證研究[J];管理工程學(xué)報(bào);2011年02期

7 孫潔;李輝;韓建光;;基于滾動(dòng)時(shí)間窗口支持向量機(jī)的財(cái)務(wù)困境預(yù)測(cè)動(dòng)態(tài)建模[J];管理工程學(xué)報(bào);2010年04期

8 金宏斌;藍(lán)江橋;;基于多類支持向量機(jī)的基本信度分配確定方法[J];通信學(xué)報(bào);2010年S1期

9 全春光;程曉娟;;企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)篩選探究[J];當(dāng)代經(jīng)濟(jì)管理;2010年08期

10 劉博;干勝道;;盈余管理的計(jì)量方法及計(jì)量模型述評(píng)[J];統(tǒng)計(jì)與決策;2010年09期

  本文關(guān)鍵詞：基于DS證據(jù)理論SVM集成的企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：272285