本文關鍵詞：基于支持向量機的我國制造業(yè)上市公司財務預警模型研究

  更多相關文章： 制造業(yè) 財務預警 顯著性檢驗 主成分分析 支持向量機

【摘要】：隨著我國市場經(jīng)濟的迅速發(fā)展和資本市場的不斷完善,我國上市公司不斷發(fā)展壯大,然而,市場是復雜多變的,機遇與挑戰(zhàn)并存,我國的上市公司也面臨著新的挑戰(zhàn)。制造業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè),我國制造業(yè)上市公司占上市公司總數(shù)的比重在60%以上,對國民經(jīng)濟具有重大影響。然而,近年來我國制造業(yè)上市公司由于財務困難而被特殊處理的比比皆是,因此,研究制造業(yè)上市公司如何防范財務危機具有重要意義。本文首先對國內(nèi)外學者在財務預警模型研究方面的取得的成果進行了回顧,對財務危機的定義和特征進行了闡述,界定了財務預警的定義、功能和步驟,從不同方面分析了我國制造業(yè)企業(yè)發(fā)生財務危機的原因。在此基礎上,本文選取滬深兩市A股主板2013年和2014年被ST或被*ST的制造業(yè)上市公司26家,按照資產(chǎn)規(guī)模相近原則,選擇數(shù)目相同的財務正常制造業(yè)上市公司作為配對樣本,將上市公司被特殊處理前兩年的財務數(shù)據(jù)作為研究期間,選擇36家公司的作為訓練樣本,16家公司作為測試樣本。在財務預警指標體系方面,本文選擇了從不同方面反映企業(yè)財務狀況的21個財務指標。最后,本文以支持向量機算法為基礎,構建了三種針對制造業(yè)上市公司的財務預警模型,主要內(nèi)容包括:(1)鑒于不同財務指標對財務危機公司和非財務危機公司的區(qū)分能力不同,提出一種基于指標的顯著性檢驗和支持向量機的財務預警模型。該模型通過對財務指標進行顯著性檢驗,找出最能區(qū)分財務危機公司和非財務危機的財務指標,進而構建支持向量機模型。實驗結果表明,該模型對16個測試樣本全部判別準確,具有很高的判別準確率。(2)鑒于用于構建財務預警模型的財務指標較多,各指標間存在一定的相關性,直接用于建模影響模型的預測效果,本文將主成分分析方法和支持向量機相結合構建財務預警模型。該模型首先利用主成分分析方法,對財務指標進行主成分分析,進而構建支持向量機模型。通過實證分析表明,該方法的判別準確率為93.75%,可有效預測財務危機。(3)鑒于支持向量機模型的參數(shù)難以確定,提出一種基于粒子群算法優(yōu)化支持向量機的財務預警模型。該模型利用粒子群算法對支持向量機的參數(shù)進行尋優(yōu),以提高支持向量機算法的預測能力。實驗結果表明,該模型預測準確率為93.75%,適合用于制造業(yè)上市公司財務危機的預測。
【關鍵詞】：制造業(yè) 財務預警 顯著性檢驗 主成分分析 支持向量機
【學位授予單位】：吉林財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F406.7;F425
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 引言9-18
• 1.1 研究的背景和意義9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10-11
• 1.2 國內(nèi)外研究文獻綜述11-15
• 1.2.1 國內(nèi)研究文獻綜述11-13
• 1.2.2 國外研究文獻綜述13-15
• 1.3 論文的研究方法和研究內(nèi)容15-18
• 1.3.1 研究方法15
• 1.3.2 研究內(nèi)容15-16
• 1.3.3 研究框架16-18
• 第2章 財務危機預警概述及制造業(yè)上市公司財務危機原因分析18-24
• 2.1 財務危機18-19
• 2.1.1 財務危機的概念18-19
• 2.1.2 財務危機的特征19
• 2.2 財務預警19-21
• 2.2.1 財務預警的概念19-20
• 2.2.2 財務預警的功能20
• 2.2.3 財務預警的程序20-21
• 2.3 制造業(yè)上市企業(yè)財務危機原因分析21-24
• 第3章 支持向量機概述24-29
• 3.1 支持向量機的統(tǒng)計學基礎24-25
• 3.1.1 VC維24
• 3.1.2 結構風險最小化原則24-25
• 3.2 線性支持向量機25-27
• 3.3 非線性支持向量機27-28
• 3.4 支持向量機算法的特點28-29
• 第4章 制造業(yè)上市公司研究樣本的選擇和指標體系的確定29-34
• 4.1 研究樣本的選擇29
• 4.1.1 樣本公司的選擇29
• 4.1.2 研究所屬期間的選擇29
• 4.2 財務預警指標的選擇29-34
• 第5章 基于指標顯著性檢驗和支持向量機的財務預警模型34-39
• 5.1 指標的顯著性檢驗34-37
• 5.1.1 K-S正態(tài)分布檢驗34-35
• 5.1.2 獨立樣本T檢驗35-36
• 5.1.3 MANN-WHITNEY U檢驗36-37
• 5.2 支持向量機訓練和預測結果37-39
• 第6章 基于主成分分析和支持向量機的財務預警模型39-46
• 6.1 主成分分析法概述39-41
• 6.1.1 主成分分析的基本原理39
• 6.1.2 主成分分析的步驟39-41
• 6.2 實證分析41-46
• 6.2.1 指標的主成分分析41-44
• 6.2.2 支持向量機的訓練和預測44-46
• 第7章 基于粒子群優(yōu)化支持向量機的財務預警模型46-50
• 7.1 粒子群算法概述46-47
• 7.1.1 粒子群算法基本原理46
• 7.1.2 粒子群算法的步驟46-47
• 7.2 實證分析47-50
• 第8章 結論和建議50-53
• 8.1 研究結論50
• 8.2 研究局限性及展望50-51
• 8.3 對策建議51-53
• 附錄53-59
• 參考文獻59-63
• 后記63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫菁華,潘莉;企業(yè)運用財務預警模型的適用性[J];統(tǒng)計與決策;2005年18期

2 李曉明;;淺談我國企業(yè)財務預警模型的建立[J];商業(yè)時代;2005年36期

3 李春華;李建華;;財務預警模型的八大研究趨勢[J];財會月刊;2005年17期

4 吳曙霞;淺談企業(yè)財務預警模型[J];技術經(jīng)濟與管理研究;2005年02期

5 何榮華;;財務預警模型——分析、比較、評價[J];會計之友;2006年08期

6 任忠奇;梁水源;;財務預警模型的局限及財務預警的實施途徑[J];財會通訊(理財版);2006年11期

7 周駿;;我國企業(yè)在構建和使用財務預警模型中存在的問題及解決建議[J];經(jīng)濟師;2007年03期

8 孫金莉;;財務預警模型在我國的運用動態(tài)研究[J];太原城市職業(yè)技術學院學報;2007年04期

9 賀海燕;沈貞瑋;;內(nèi)部信息使用者視角的財務預警模型應用[J];時代經(jīng)貿(mào)(中旬刊);2007年S9期

10 常艷;;我國上市公司財務預警模型的實證分析[J];金融經(jīng)濟;2008年02期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 李洪偉;艾文國;陳葉飛;;基于模糊集的財務預警模型研究[A];中國會計學會高等工科院校分會2006年學術年會暨第十三屆年會論文集[C];2006年

2 杜軍;徐建;;基于神經(jīng)網(wǎng)絡的制造業(yè)上市公司財務預警模型研究[A];第七屆（2012）中國管理學年會會計與財務分會場論文集（選編）[C];2012年

3 田青;王寶帥;;基于數(shù)據(jù)挖掘技術的上市公司財務預警模型的比較研究[A];第十二屆中國管理科學學術年會論文集[C];2010年

4 宋力;李堯;;基于貝葉斯網(wǎng)絡的上市公司財務預警模型[A];2006中國控制與決策學術年會論文集[C];2006年

5 吳娜;蓋地;;上市公司資產(chǎn)結構與負債結構的財務預警模型研究[A];第六屆（2011）中國管理學年會——會計與財務分會場論文集[C];2011年

6 張根明;向曉驥;王殊偉;;基于BP神經(jīng)網(wǎng)絡的上市公司財務預警研究[A];第八屆中國管理科學學術年會論文集[C];2006年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 楊秀麗;基于灰色系統(tǒng)理論的JB公司財務預警模型研究[D];哈爾濱工業(yè)大學;2015年

2 李迪鋒;基于SD的財務預警模型研究[D];北京化工大學;2015年

3 程俊敏;運用主成分分析的統(tǒng)計方法構建財務預警模型[D];東北大學;2014年

4 程林;我國房地產(chǎn)上市公司財務預警模型實證研究[D];廣西師范大學;2015年

5 尹慧萍;區(qū)分度概念下動態(tài)財務預警模型的實證研究[D];太原理工大學;2016年

6 馬明;我國制造業(yè)上市公司財務預警模型的實證研究[D];中國海洋大學;2014年

7 褚軒妤;ZGY公司財務預警模型的選擇及應用研究[D];天津財經(jīng)大學;2014年

8 代陳陳;基于EVA的上市公司財務預警研究[D];天津財經(jīng)大學;2014年

9 朱濤;我國創(chuàng)業(yè)板上市公司財務預警模型研究[D];西南林業(yè)大學;2015年

10 汪政;上市公司財務預警模型的比較研究[D];合肥工業(yè)大學;2016年

，

本文編號：539289