本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)模型的制造業(yè)上市公司財(cái)務(wù)預(yù)警研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年,中國市場經(jīng)濟(jì)和股市迅猛發(fā)展,企業(yè)之間存在著激烈的競爭,各類上市企業(yè)時(shí)刻都面臨著陷入財(cái)務(wù)困境的危險(xiǎn),其中,制造業(yè)企業(yè)尤為突出。因此,對制造業(yè)企業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警,有很重要的現(xiàn)實(shí)意義。 本文構(gòu)建了制造業(yè)上市公司財(cái)務(wù)預(yù)警指標(biāo)體系,并使用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)警分析。選取了相同規(guī)模以及相同時(shí)間段的175家制造業(yè)上市公司作為研究對象,其中,115家制造業(yè)上市公司作為訓(xùn)練樣本,60家作為測試樣本。 以下三方面內(nèi)容是這篇論文的特色： 第一,不同于以往研究中僅僅利用盈利能力、償債能力、現(xiàn)金流狀況等方面的一些經(jīng)驗(yàn)指標(biāo),本文對21個(gè)指標(biāo)進(jìn)行因子分析,篩選出具有代表性的8個(gè)財(cái)務(wù)指標(biāo),把較多的變量,減少為少數(shù)有代表性的變量,在未減少信息含量的基礎(chǔ)上降低了模型計(jì)算的復(fù)雜程度。第二,BP神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行制造業(yè)上市公司財(cái)務(wù)預(yù)警方面準(zhǔn)確性較高,可以廣泛推廣。第三,使用案例分析,進(jìn)一步證明BP神經(jīng)網(wǎng)絡(luò)模型適合制造業(yè)上市公司的財(cái)務(wù)預(yù)警分析。 本文的結(jié)論為：第一,選取同一階段,相似規(guī)模,相同時(shí)間段的制造業(yè)上市公司作為研究對象,預(yù)測結(jié)果較好。第二,相對于單一變量模型、Z值判別模型、邏輯判別模型,BP神經(jīng)網(wǎng)絡(luò)模型擁有容錯(cuò)性、自學(xué)習(xí)性,預(yù)測精度更高,適用性更強(qiáng)。第三,BP神經(jīng)網(wǎng)絡(luò)模型對于預(yù)測我國制造業(yè)上市公司的三種警度的財(cái)務(wù)狀況,預(yù)測精度能達(dá)到86.7%,預(yù)測準(zhǔn)確性較高。第四,本文構(gòu)建的制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型不僅可以幫助制造業(yè)上市公司的投資者和債權(quán)人正確判斷上市公司的財(cái)務(wù)狀況,在他們做出投融資決策時(shí)提供有效的參考依據(jù),而且能幫助制造業(yè)公司的管理者及時(shí)察覺公司的危機(jī)征兆,盡早做出補(bǔ)救措施。
【關(guān)鍵詞】：財(cái)務(wù)預(yù)警 BP神經(jīng)網(wǎng)絡(luò) 因子分析 制造業(yè)上市公司
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F406.7;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-17
• 1.1 研究背景問題及意義10-11
• 1.1.1 研究背景10
• 1.1.2 研究問題10
• 1.1.3 研究意義10-11
• 1.2 文獻(xiàn)綜述11-14
• 1.2.1 國外文獻(xiàn)綜述11-12
• 1.2.2 國內(nèi)文獻(xiàn)綜述12-14
• 1.2.3 國內(nèi)外研究評價(jià)14
• 1.3 研究思路與主要內(nèi)容14-15
• 1.4 本文創(chuàng)新點(diǎn)15-17
• 2 財(cái)務(wù)危機(jī)預(yù)警的相關(guān)理論綜述17-28
• 2.1 財(cái)務(wù)危機(jī)理論綜述17-21
• 2.1.1 財(cái)務(wù)危機(jī)涵義17-18
• 2.1.2 財(cái)務(wù)危機(jī)特點(diǎn)18
• 2.1.3 財(cái)務(wù)危機(jī)成因18-20
• 2.1.4 制造業(yè)上市公司財(cái)務(wù)危機(jī)特殊成因20-21
• 2.2 財(cái)務(wù)預(yù)警21-22
• 2.2.1 財(cái)務(wù)危機(jī)預(yù)警理論21
• 2.2.2 財(cái)務(wù)危機(jī)預(yù)警模型的功能21-22
• 2.3 財(cái)務(wù)預(yù)警模型22-28
• 2.3.1 傳統(tǒng)財(cái)務(wù)危機(jī)預(yù)警方法22-25
• 2.3.2 基于人工神經(jīng)網(wǎng)絡(luò)預(yù)警方法25-26
• 2.3.3 現(xiàn)有財(cái)務(wù)預(yù)警模型評價(jià)26-28
• 3 制造業(yè)上市公司財(cái)務(wù)預(yù)警指標(biāo)體系構(gòu)建28-34
• 3.1 研究樣本和研究數(shù)據(jù)的選取28-30
• 3.1.1 研究樣本的選取28
• 3.1.2 財(cái)務(wù)危機(jī)樣本和配對樣本的確定28-30
• 3.2 財(cái)務(wù)預(yù)警指標(biāo)的確定30
• 3.3 指標(biāo)體系的建立30-34
• 4 制造業(yè)上市公司財(cái)務(wù)預(yù)警模型實(shí)證研究34-43
• 4.1 研究樣本的設(shè)計(jì)34
• 4.2 數(shù)據(jù)的處理34-38
• 4.2.1 非綱量歸一化34
• 4.2.2 Bartlett球體檢驗(yàn)以及KMO檢驗(yàn)34-35
• 4.2.3 因子分析35-38
• 4.3 BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)預(yù)警實(shí)證38-43
• 4.3.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)38-40
• 4.3.2 分析結(jié)果40-43
• 5 “江鈴汽車”財(cái)務(wù)危機(jī)預(yù)警分析43-47
• 5.1 企業(yè)概況43
• 5.2 江鈴汽車的財(cái)務(wù)預(yù)警論證43-45
• 5.3 案例總結(jié)45-47
• 6 總結(jié)與展望47-49
• 6.1 總結(jié)47-48
• 6.2 不足與展望48-49
• 參考文獻(xiàn)49-51
• 附錄A51-57
• 附錄B57-63
• 附錄C63-70
• 附錄D70-73
• 作者簡歷73-75
• 學(xué)位論文數(shù)據(jù)集75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳新桂;;財(cái)務(wù)困境上市公司治理失敗的實(shí)證研究[J];財(cái)經(jīng)科學(xué);2007年04期

2 苗洛濤;湯亞莉;王杏芬;;財(cái)務(wù)危機(jī)預(yù)警工具:基于EVA的BP神經(jīng)網(wǎng)絡(luò)模型[J];財(cái)會月刊;2008年05期

3 管杜娟;;商業(yè)銀行信用風(fēng)險(xiǎn)評估指標(biāo)體系的構(gòu)建研究[J];經(jīng)濟(jì)研究導(dǎo)刊;2011年10期

4 張玲;劉翠屏;楊少華;;財(cái)務(wù)危機(jī)預(yù)警的行業(yè)視角[J];金融經(jīng)濟(jì);2007年22期

5 龐建敏;;企業(yè)信用風(fēng)險(xiǎn)度量和預(yù)警決策支持系統(tǒng)研究[J];金融研究;2006年03期

6 沈軍彩;徐繼紅;;神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險(xiǎn)評估應(yīng)用研究[J];計(jì)算機(jī)仿真;2012年03期

7 任惠光;班博;;中國A股上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建及實(shí)證研究[J];山東大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版);2007年06期

8 姜守志,林淑輝;談現(xiàn)金流量表的分析[J];山西財(cái)經(jīng)大學(xué)學(xué)報(bào);2000年03期

9 張曉莉;劉大為;;一種基于遺傳算法的企業(yè)信用風(fēng)險(xiǎn)分析方法[J];企業(yè)經(jīng)濟(jì);2012年08期

10 殷尹,梁j,吳成慶;財(cái)務(wù)困境概率貝葉斯估計(jì)[J];系統(tǒng)工程理論方法應(yīng)用;2004年01期

  本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)模型的制造業(yè)上市公司財(cái)務(wù)預(yù)警研究，由筆耕文化傳播整理發(fā)布。

本文編號：317401