本文關(guān)鍵詞：基于支持向量機(jī)的我國制造業(yè)上市公司財(cái)務(wù)預(yù)警模型研究

  更多相關(guān)文章： 制造業(yè) 財(cái)務(wù)預(yù)警 顯著性檢驗(yàn) 主成分分析 支持向量機(jī)

【摘要】：隨著我國市場經(jīng)濟(jì)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(fù)雜多變的,機(jī)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(jì)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(jì)具有重大影響。然而,近年來我國制造業(yè)上市公司由于財(cái)務(wù)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(cái)務(wù)危機(jī)具有重要意義。本文首先對國內(nèi)外學(xué)者在財(cái)務(wù)預(yù)警模型研究方面的取得的成果進(jìn)行了回顧,對財(cái)務(wù)危機(jī)的定義和特征進(jìn)行了闡述,界定了財(cái)務(wù)預(yù)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(cái)務(wù)危機(jī)的原因。在此基礎(chǔ)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(cái)務(wù)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(cái)務(wù)數(shù)據(jù)作為研究期間,選擇36家公司的作為訓(xùn)練樣本,16家公司作為測試樣本。在財(cái)務(wù)預(yù)警指標(biāo)體系方面,本文選擇了從不同方面反映企業(yè)財(cái)務(wù)狀況的21個(gè)財(cái)務(wù)指標(biāo)。最后,本文以支持向量機(jī)算法為基礎(chǔ),構(gòu)建了三種針對制造業(yè)上市公司的財(cái)務(wù)預(yù)警模型,主要內(nèi)容包括:(1)鑒于不同財(cái)務(wù)指標(biāo)對財(cái)務(wù)危機(jī)公司和非財(cái)務(wù)危機(jī)公司的區(qū)分能力不同,提出一種基于指標(biāo)的顯著性檢驗(yàn)和支持向量機(jī)的財(cái)務(wù)預(yù)警模型。該模型通過對財(cái)務(wù)指標(biāo)進(jìn)行顯著性檢驗(yàn),找出最能區(qū)分財(cái)務(wù)危機(jī)公司和非財(cái)務(wù)危機(jī)的財(cái)務(wù)指標(biāo),進(jìn)而構(gòu)建支持向量機(jī)模型。實(shí)驗(yàn)結(jié)果表明,該模型對16個(gè)測試樣本全部判別準(zhǔn)確,具有很高的判別準(zhǔn)確率。(2)鑒于用于構(gòu)建財(cái)務(wù)預(yù)警模型的財(cái)務(wù)指標(biāo)較多,各指標(biāo)間存在一定的相關(guān)性,直接用于建模影響模型的預(yù)測效果,本文將主成分分析方法和支持向量機(jī)相結(jié)合構(gòu)建財(cái)務(wù)預(yù)警模型。該模型首先利用主成分分析方法,對財(cái)務(wù)指標(biāo)進(jìn)行主成分分析,進(jìn)而構(gòu)建支持向量機(jī)模型。通過實(shí)證分析表明,該方法的判別準(zhǔn)確率為93.75%,可有效預(yù)測財(cái)務(wù)危機(jī)。(3)鑒于支持向量機(jī)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(jī)的財(cái)務(wù)預(yù)警模型。該模型利用粒子群算法對支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu),以提高支持向量機(jī)算法的預(yù)測能力。實(shí)驗(yàn)結(jié)果表明,該模型預(yù)測準(zhǔn)確率為93.75%,適合用于制造業(yè)上市公司財(cái)務(wù)危機(jī)的預(yù)測。
【關(guān)鍵詞】：制造業(yè) 財(cái)務(wù)預(yù)警 顯著性檢驗(yàn) 主成分分析 支持向量機(jī)
【學(xué)位授予單位】：吉林財(cái)經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(xiàn)綜述11-15
• 1.2.1 國內(nèi)研究文獻(xiàn)綜述11-13
• 1.2.2 國外研究文獻(xiàn)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(cái)務(wù)危機(jī)預(yù)警概述及制造業(yè)上市公司財(cái)務(wù)危機(jī)原因分析18-24
• 2.1 財(cái)務(wù)危機(jī)18-19
• 2.1.1 財(cái)務(wù)危機(jī)的概念18-19
• 2.1.2 財(cái)務(wù)危機(jī)的特征19
• 2.2 財(cái)務(wù)預(yù)警19-21
• 2.2.1 財(cái)務(wù)預(yù)警的概念19-20
• 2.2.2 財(cái)務(wù)預(yù)警的功能20
• 2.2.3 財(cái)務(wù)預(yù)警的程序20-21
• 2.3 制造業(yè)上市企業(yè)財(cái)務(wù)危機(jī)原因分析21-24
• 第3章 支持向量機(jī)概述24-29
• 3.1 支持向量機(jī)的統(tǒng)計(jì)學(xué)基礎(chǔ)24-25
• 3.1.1 VC維24
• 3.1.2 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則24-25
• 3.2 線性支持向量機(jī)25-27
• 3.3 非線性支持向量機(jī)27-28
• 3.4 支持向量機(jī)算法的特點(diǎn)28-29
• 第4章 制造業(yè)上市公司研究樣本的選擇和指標(biāo)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(cái)務(wù)預(yù)警指標(biāo)的選擇29-34
• 第5章 基于指標(biāo)顯著性檢驗(yàn)和支持向量機(jī)的財(cái)務(wù)預(yù)警模型34-39
• 5.1 指標(biāo)的顯著性檢驗(yàn)34-37
• 5.1.1 K-S正態(tài)分布檢驗(yàn)34-35
• 5.1.2 獨(dú)立樣本T檢驗(yàn)35-36
• 5.1.3 MANN-WHITNEY U檢驗(yàn)36-37
• 5.2 支持向量機(jī)訓(xùn)練和預(yù)測結(jié)果37-39
• 第6章 基于主成分分析和支持向量機(jī)的財(cái)務(wù)預(yù)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(shí)證分析41-46
• 6.2.1 指標(biāo)的主成分分析41-44
• 6.2.2 支持向量機(jī)的訓(xùn)練和預(yù)測44-46
• 第7章 基于粒子群優(yōu)化支持向量機(jī)的財(cái)務(wù)預(yù)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(shí)證分析47-50
• 第8章 結(jié)論和建議50-53
• 8.1 研究結(jié)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(xiàn)59-63
• 后記63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫菁華,潘莉;企業(yè)運(yùn)用財(cái)務(wù)預(yù)警模型的適用性[J];統(tǒng)計(jì)與決策;2005年18期

2 李曉明;;淺談我國企業(yè)財(cái)務(wù)預(yù)警模型的建立[J];商業(yè)時(shí)代;2005年36期

3 李春華;李建華;;財(cái)務(wù)預(yù)警模型的八大研究趨勢[J];財(cái)會月刊;2005年17期

4 吳曙霞;淺談企業(yè)財(cái)務(wù)預(yù)警模型[J];技術(shù)經(jīng)濟(jì)與管理研究;2005年02期

5 何榮華;;財(cái)務(wù)預(yù)警模型——分析、比較、評價(jià)[J];會計(jì)之友;2006年08期

6 任忠奇;梁水源;;財(cái)務(wù)預(yù)警模型的局限及財(cái)務(wù)預(yù)警的實(shí)施途徑[J];財(cái)會通訊(理財(cái)版);2006年11期

7 周駿;;我國企業(yè)在構(gòu)建和使用財(cái)務(wù)預(yù)警模型中存在的問題及解決建議[J];經(jīng)濟(jì)師;2007年03期

8 孫金莉;;財(cái)務(wù)預(yù)警模型在我國的運(yùn)用動態(tài)研究[J];太原城市職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年04期

9 賀海燕;沈貞瑋;;內(nèi)部信息使用者視角的財(cái)務(wù)預(yù)警模型應(yīng)用[J];時(shí)代經(jīng)貿(mào)(中旬刊);2007年S9期

10 常艷;;我國上市公司財(cái)務(wù)預(yù)警模型的實(shí)證分析[J];金融經(jīng)濟(jì);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(cái)務(wù)預(yù)警模型研究[A];中國會計(jì)學(xué)會高等工科院校分會2006年學(xué)術(shù)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(luò)的制造業(yè)上市公司財(cái)務(wù)預(yù)警模型研究[A];第七屆（2012）中國管理學(xué)年會會計(jì)與財(cái)務(wù)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(shù)的上市公司財(cái)務(wù)預(yù)警模型的比較研究[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

4 宋力;李堯;;基于貝葉斯網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

5 吳娜;蓋地;;上市公司資產(chǎn)結(jié)構(gòu)與負(fù)債結(jié)構(gòu)的財(cái)務(wù)預(yù)警模型研究[A];第六屆（2011）中國管理學(xué)年會——會計(jì)與財(cái)務(wù)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(luò)的上市公司財(cái)務(wù)預(yù)警研究[A];第八屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2006年

中國碩士學(xué)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(cái)務(wù)預(yù)警模型研究[D];哈爾濱工業(yè)大學(xué);2015年

2 李迪鋒;基于SD的財(cái)務(wù)預(yù)警模型研究[D];北京化工大學(xué);2015年

3 程俊敏;運(yùn)用主成分分析的統(tǒng)計(jì)方法構(gòu)建財(cái)務(wù)預(yù)警模型[D];東北大學(xué);2014年

4 程林;我國房地產(chǎn)上市公司財(cái)務(wù)預(yù)警模型實(shí)證研究[D];廣西師范大學(xué);2015年

5 尹慧萍;區(qū)分度概念下動態(tài)財(cái)務(wù)預(yù)警模型的實(shí)證研究[D];太原理工大學(xué);2016年

6 馬明;我國制造業(yè)上市公司財(cái)務(wù)預(yù)警模型的實(shí)證研究[D];中國海洋大學(xué);2014年

7 褚軒妤;ZGY公司財(cái)務(wù)預(yù)警模型的選擇及應(yīng)用研究[D];天津財(cái)經(jīng)大學(xué);2014年

8 代陳陳;基于EVA的上市公司財(cái)務(wù)預(yù)警研究[D];天津財(cái)經(jīng)大學(xué);2014年

9 朱濤;我國創(chuàng)業(yè)板上市公司財(cái)務(wù)預(yù)警模型研究[D];西南林業(yè)大學(xué);2015年

10 汪政;上市公司財(cái)務(wù)預(yù)警模型的比較研究[D];合肥工業(yè)大學(xué);2016年

，

本文編號：539289