本文選題：財務(wù)預(yù)測 + 邏輯回歸　； 參考：《山東財經(jīng)大學(xué)》2013年碩士論文

【摘要】：我國的資本市場已走過了二十多年的歷程，，企業(yè)所面臨的競爭日趨激烈，企業(yè)經(jīng)營稍有不慎就可能陷入財務(wù)困境，上市公司因財務(wù)狀況異常而陷入困境的情況卻屢見不鮮。因此，利用上市公司的財務(wù)數(shù)據(jù)，建立上市公司財務(wù)困境預(yù)測模型以揭示風(fēng)險，己成為上市公司管理者、投資者和債權(quán)人等相關(guān)利益方共同關(guān)注的問題。 本文共選取來自于多個行業(yè)的146家上市公司的財務(wù)數(shù)據(jù)，包括73家被特別處理（用ST表示）的上市公司的財務(wù)數(shù)據(jù)和與之配對的73家運行良好的公司的財務(wù)數(shù)據(jù)，把它們分為49對訓(xùn)練樣本和24對測試樣本。根據(jù)國內(nèi)外學(xué)者對企業(yè)財務(wù)困境預(yù)測的研究成果，選擇了20個財務(wù)指標(biāo)構(gòu)建了財務(wù)預(yù)警指標(biāo)體系。利用T檢驗和非參數(shù)檢驗對原始預(yù)測變量進行顯著性檢驗，使得預(yù)測的指標(biāo)體系更具有合理性，并運用因子分析法消除指標(biāo)間的共線性，得到了7個因子。分別采用多元判別分析、Logit回歸分析和最小二乘支持向量機對訓(xùn)練樣本數(shù)據(jù)進行了分類判斷，構(gòu)建了三個單項財務(wù)困境預(yù)測模型；并在此基礎(chǔ)上，構(gòu)建了一個線性組合預(yù)測模型和一個基于神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型，最后利用測試樣本對五個模型進行了有效的驗證，并對五個檢驗結(jié)果進行了比較。研究結(jié)果表明：組合預(yù)測模型對上市公司財務(wù)困境的預(yù)測效果，跟單一方法比較，預(yù)測精度沒有顯著提高，但組合預(yù)測模型更具有穩(wěn)定性；基于神經(jīng)網(wǎng)絡(luò)方法的組合效果好于線性組合模型。
[Abstract]:The capital market of our country has gone through the course of more than 20 years, the competition that the enterprise faces is becoming fiercer day by day, the enterprise manages a little carelessly may fall into the financial distress, the listed company because of the financial condition unusual but the predicament situation is common but common. Therefore, using the financial data of listed companies to establish a prediction model of financial distress of listed companies to reveal the risks, they have become the managers of listed companies. This paper selects the financial data of 146 listed companies from many industries. It includes financial data of 73 listed companies specially processed (expressed in St) and 73 well-run companies matched with them, which are divided into 49 pairs of training samples and 24 pairs of test samples. According to the research results of domestic and foreign scholars on financial distress prediction of enterprises, 20 financial indicators were selected to construct the financial warning index system. Using T-test and non-parametric test to test the significance of the original predictive variables, the prediction index system is more reasonable, and the co-linearity between the indicators is eliminated by factor analysis, and seven factors are obtained. The training sample data are classified and judged by multivariate discriminant analysis logit regression analysis and least square support vector machine, and three single financial distress prediction models are constructed. A linear combination prediction model and a combined prediction model based on neural network are constructed. Finally, five models are validated with test samples, and the five test results are compared. The results show that: compared with single method, the forecasting accuracy of the combined forecasting model is not significantly improved, but the combined forecasting model is more stable; The combination effect based on neural network method is better than that of linear combination model.
【學(xué)位授予單位】：山東財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F275;F832.51;F224

【參考文獻】

相關(guān)期刊論文 前10條

1 李小榮;;審計意見與財務(wù)困境預(yù)測——基于中國上市公司的實證研究[J];財會通訊;2009年18期

2 呂長江,徐麗莉,周琳;上市公司財務(wù)困境與財務(wù)破產(chǎn)的比較分析[J];經(jīng)濟研究;2004年08期

3 鄒睿蓉;王址道;陶艷珍;;關(guān)于上市公司財務(wù)預(yù)警機制的思考[J];九江職業(yè)技術(shù)學(xué)院學(xué)報;2007年03期

4 崔偉東,周志華,李星;支持向量機研究[J];計算機工程與應(yīng)用;2001年01期

5 岑涌;鐘萍;羅林開;;基于GA-SVM的企業(yè)財務(wù)困境預(yù)測[J];計算機工程;2008年07期

6 谷祺,劉淑蓮;財務(wù)危機企業(yè)投資行為分析與對策[J];會計研究;1999年10期

7 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J];自動化學(xué)報;2000年01期

8 沈樂平;黃維民;饒?zhí)熨F;;基于支持向量機的上市公司違規(guī)預(yù)警模型研究[J];中大管理研究;2008年02期

9 惠守博;王文杰;;基于支持向量機的財務(wù)預(yù)警模型與應(yīng)用研究[J];計算機工程與設(shè)計;2006年07期

10 陳凱;朱鈺;;機器學(xué)習(xí)及其相關(guān)算法綜述[J];統(tǒng)計與信息論壇;2007年05期

相關(guān)博士學(xué)位論文 前2條

1 姚宏善;基于支持向量機的財務(wù)困境預(yù)測研究[D];華中科技大學(xué);2006年

2 彭靜;網(wǎng)絡(luò)環(huán)境中企業(yè)財務(wù)危機預(yù)警研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 盧賢義;我國上市公司財務(wù)困境預(yù)測的實證研究[D];廈門大學(xué);2001年

2 王宏煒;我國上市公司財務(wù)困境預(yù)測的實證研究[D];西南財經(jīng)大學(xué);2002年

3 閆哲;基于logistic模型的上市公司財務(wù)危機預(yù)測的實證研究[D];東北財經(jīng)大學(xué);2007年

4 宋姣;基于支持向量機的上市公司財務(wù)危機預(yù)警研究[D];哈爾濱工業(yè)大學(xué);2007年

5 周元元;基于RS-SVM數(shù)據(jù)挖掘技術(shù)的財務(wù)困境預(yù)測模型研究[D];重慶工學(xué)院;2008年

6 楊濤;基于SVM的中國醫(yī)藥制造企業(yè)財務(wù)危機預(yù)警研究[D];廈門大學(xué);2009年

本文編號：1988193