本文關(guān)鍵詞：基于現(xiàn)金流量的制造業(yè)上市公司財務危機預警研究，由筆耕文化傳播整理發(fā)布。

【摘要】：世界經(jīng)濟復蘇乏力、國內(nèi)經(jīng)濟增速放緩,作為國民經(jīng)濟最主要支柱產(chǎn)業(yè)的制造業(yè)面臨前所未有的壓力,企業(yè)經(jīng)濟效益低,負債率畸高,越來越多的企業(yè)面臨財務危機甚至破產(chǎn)。通過對企業(yè)財務預警的研究,可以及早識別財務危機并采取有效措施避免企業(yè)破產(chǎn),為投資者、債權(quán)人、管理者以及其他利益相關(guān)者提供決策依據(jù)。因此,企業(yè)財務預警研究具有重要的理論價值和現(xiàn)實意義。本文在回顧和總結(jié)國內(nèi)外經(jīng)典文獻的基礎上,分析了基于現(xiàn)金流量的企業(yè)財務預警理論,比較了各類典型的財務預警模型的優(yōu)缺點及其適用性;提出了基于現(xiàn)金流量的制造業(yè)企業(yè)財務預警指標體系指標選取原則,并據(jù)此分別從獲現(xiàn)能力、償債能力、盈利質(zhì)量、財務彈性與發(fā)展的角度選擇了17個現(xiàn)金流量指標,構(gòu)建了基于現(xiàn)金流量的制造業(yè)企業(yè)財務預警指標體系;選取在2011-2014年間因財務異常首次被特別處理的全部61家制造業(yè)ST公司及其配對公司為樣本,收集其在被特別處理前近3年的年報和前1年的半年報數(shù)據(jù),通過顯著性檢驗和因子分析篩選出10個關(guān)鍵指標作為模型變量,并運用BP神經(jīng)網(wǎng)絡建立了基于現(xiàn)金流量的制造業(yè)企業(yè)財務預警模型;之后利用Adaboost算法對BP神經(jīng)網(wǎng)絡進行優(yōu)化,構(gòu)建了BP-Adaboost組合預警模型。實證分析結(jié)果表明:BP-Adaboost組合預警模型的預測準確度高于BP神經(jīng)網(wǎng)絡模型,具有較好的預測能力。財務危機前3年訓練樣本預測準確度91.46%,檢驗樣本預測準確度82.50%;危機前2年訓練樣本預測準確度95.12%,檢驗樣本預測準確度92.50%;危機前1年訓練樣本預測準確度93.90%,檢驗樣本預測準確度90.00%;危機前半年訓練樣本預測準確度91.46%,檢驗樣本預測準確度80.00%。從而證明了本文選取的現(xiàn)金流量指標是科學的,Adaboost算法是可行的,基于BP-Adaboost的組合預警模型是有效的。最后根據(jù)基于現(xiàn)金流量的財務預警指標體系和BP-Adaboost組合預警模型實證結(jié)果,分析了代表性企業(yè)財務危機發(fā)生的原因,并結(jié)合現(xiàn)階段制造業(yè)面臨的主要風險,提出了避免財務危機的對策建議。
【關(guān)鍵詞】：制造業(yè) 現(xiàn)金流量 財務危機預警 BP神經(jīng)網(wǎng)絡 Adaboost算法
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F406.7
【目錄】：

• 摘要6-7
• Abstract7-15
• 第1章 緒論15-27
• 1.1 研究背景15-17
• 1.1.1 世界經(jīng)濟復蘇乏力，國際產(chǎn)業(yè)格局面臨重構(gòu)15
• 1.1.2 國內(nèi)經(jīng)濟增速放緩，制造業(yè)面臨著巨大壓力15-16
• 1.1.3 應對企業(yè)財務危機，亟待加強現(xiàn)金流量財務預警研究16-17
• 1.2 國內(nèi)外研究綜述17-23
• 1.2.1 統(tǒng)計類企業(yè)財務危機預警模型是主流方法17-20
• 1.2.2 非統(tǒng)計類企業(yè)財務危機預警模型異軍突起20-21
• 1.2.3 企業(yè)財務危機現(xiàn)金流量預警研究方興未艾21
• 1.2.4 國內(nèi)外研究文獻評述21-23
• 1.3 論文研究的目的、內(nèi)容與方法23-26
• 1.3.1 研究目的和意義23-24
• 1.3.2 研究的主要內(nèi)容24-25
• 1.3.3 研究思路與方法25-26
• 1.3.4 主要創(chuàng)新點26
• 1.4 本章小結(jié)26-27
• 第2章 企業(yè)財務預警理論基礎27-37
• 2.1 企業(yè)財務危機概述27-29
• 2.1.1 財務危機界定27-28
• 2.1.2 財務危機特征28
• 2.1.3 財務危機信號28-29
• 2.2 現(xiàn)金流量財務預警理論29-32
• 2.2.1 現(xiàn)金流量定義、分類和特征29-30
• 2.2.2 現(xiàn)金流量管理在企業(yè)管理中的作用30-31
• 2.2.3 現(xiàn)金流量分析在財務危機預警中的價值31-32
• 2.3 企業(yè)財務危機預警方法32-36
• 2.3.1 單變量分析模型33
• 2.3.2 多變量分析模型33-35
• 2.3.3 非統(tǒng)計類財務預警模型35-36
• 2.4 本章小結(jié)36-37
• 第3章 現(xiàn)金流量的制造業(yè)企業(yè)財務預警指標體系37-44
• 3.1 制造業(yè)上市公司面臨的主要風險37-38
• 3.1.1 內(nèi)部風險37-38
• 3.1.2 外部風險38
• 3.2 現(xiàn)金流量的財務預警指標選取原則38-39
• 3.3 現(xiàn)金流量的財務預警指標體系建立39-43
• 3.3.1 獲現(xiàn)能力指標39-40
• 3.3.2 償債能力指標40-41
• 3.3.3 盈利質(zhì)量指標41-42
• 3.3.4 財務彈性與發(fā)展指標42-43
• 3.4 本章小結(jié)43-44
• 第4章 制造業(yè)上市公司財務危機預警模型44-72
• 4.1 研究樣本設計及數(shù)據(jù)來源44-45
• 4.1.1 財務危機樣本設計44
• 4.1.2 配對樣本設計44-45
• 4.1.3 研究樣本所屬期間選擇45
• 4.2 財務指標篩選45-53
• 4.2.1 正態(tài)分布檢驗46-48
• 4.2.2 顯著性檢驗48-50
• 4.2.3 因子分析50-53
• 4.3 基于BP神經(jīng)網(wǎng)絡的財務危機預警模型53-63
• 4.3.1 BP神經(jīng)網(wǎng)絡的基本原理53-57
• 4.3.2 財務預警模型的BP神經(jīng)網(wǎng)絡設計57-58
• 4.3.3 財務預警模型的BP神經(jīng)網(wǎng)絡訓練58-62
• 4.3.4 財務預警模型的BP神經(jīng)網(wǎng)絡測試62-63
• 4.4 基于BP-Adaboost的財務危機預警模型63-70
• 4.4.1 Adaboost算法基本原理64-65
• 4.4.2 BP-Adaboost分類器的構(gòu)建65-66
• 4.4.3 訓練與測試66-69
• 4.4.4 實證結(jié)果分析69-70
• 4.5 本章小結(jié)70-72
• 第5章 財務危機原因及對策分析72-77
• 5.1 危機原因分析72-75
• 5.1.1 缺乏獲現(xiàn)能力72-73
• 5.1.2 償債能力不足73
• 5.1.3 盈利質(zhì)量不佳73-74
• 5.1.4 財務彈性與發(fā)展能力較弱74-75
• 5.2 避免財務危機的對策建議75-76
• 5.2.1 提升應收賬款回收能力75
• 5.2.2 提高現(xiàn)金管理水平75
• 5.2.3 構(gòu)建基于現(xiàn)金流量的制造業(yè)的財務危機預警系統(tǒng)75
• 5.2.4 加快產(chǎn)業(yè)結(jié)構(gòu)升級，提高自主創(chuàng)新能力75-76
• 5.3 本章小結(jié)76-77
• 第6章 總結(jié)與展望77-79
• 6.1 研究總結(jié)77-78
• 6.2 研究展望78-79
• 參考文獻79-83
• 附錄83-87
• 攻讀學位期間所取得的相關(guān)科研成果87-89
• 致謝89

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 崔潔;;上市公司財務預警實證研究——來自制造業(yè)數(shù)據(jù)[J];財會通訊;2012年03期

2 李云宏;夏玲;紀璐璐;;財務預警模型研究綜述[J];財會通訊;2014年31期

3 邵坤;;基于非財務指標的財務預警模型研究——房地產(chǎn)企業(yè)中期財務報告分析[J];財會通訊;2014年31期

4 劉鳳嬌;;“Z-Score”模型在企業(yè)財務預警分析中應用的研究[J];經(jīng)濟師;2006年05期

5 呂長江;周現(xiàn)華;;上市公司財務困境預測方法的比較研究[J];吉林大學社會科學學報;2005年06期

6 廖珍珍;應益華;;上市公司財務預警Z分數(shù)模型的改進與應用[J];商業(yè)會計;2011年20期

  本文關(guān)鍵詞：基于現(xiàn)金流量的制造業(yè)上市公司財務危機預警研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：395479