基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的我國(guó)上市公司財(cái)務(wù)困境預(yù)警研究
發(fā)布時(shí)間:2020-05-14 14:35
【摘要】: 財(cái)務(wù)困境已成為一個(gè)世界問題,因?yàn)樗鼤?huì)極大地影響投資者、信貸者以及銀行官員的財(cái)務(wù)決策,審計(jì)人員也需要通過財(cái)務(wù)困境的判別和預(yù)測(cè)來獲取財(cái)務(wù)信息.公司陷入財(cái)務(wù)困境是一個(gè)逐步的過程,不但具有先兆,而且可以預(yù)測(cè).正確預(yù)測(cè)公司財(cái)務(wù)困境,對(duì)于保護(hù)公司投資者和債權(quán)人的利益、對(duì)于管理者防范財(cái)務(wù)危機(jī)、對(duì)于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場(chǎng)風(fēng)險(xiǎn),都具有重要的現(xiàn)實(shí)意義. 有很多方法可以用于解決財(cái)務(wù)困境預(yù)測(cè)問題,其中用的最多的是統(tǒng)計(jì)方法,包括多元判別分析法(MDA)、Logit法和Probit法.由于有些變量分布并不符合MDA所需要的統(tǒng)計(jì)假設(shè),所以使用MDA方法有可能導(dǎo)致判別結(jié)果產(chǎn)生偏差.決策樹、Logit法和Probit法是MDA的替代方法.但它們同樣要求樣本滿足一定的統(tǒng)計(jì)假設(shè),而這些統(tǒng)計(jì)假設(shè)也限制了這些方法的應(yīng)用. 本文首先依據(jù)對(duì)財(cái)務(wù)困境的具體界定,選取了60家處于財(cái)務(wù)困境的企業(yè)和同期60家正常企業(yè)為研究樣本,參考國(guó)內(nèi)外的研究模型,對(duì)上市公司t-3年的常規(guī)財(cái)務(wù)指標(biāo)數(shù)據(jù)和現(xiàn)金流量財(cái)務(wù)數(shù)據(jù)進(jìn)行了正態(tài)性檢驗(yàn)、均值差異非參數(shù)檢驗(yàn)和Spearman非參數(shù)相關(guān)分析,從28個(gè)財(cái)務(wù)指標(biāo)中選取了具有較強(qiáng)判別能力的14個(gè)財(cái)務(wù)指標(biāo)作為模型的輸入變量.然后針對(duì)傳統(tǒng)統(tǒng)計(jì)方法的局限性,建立了BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)困境預(yù)警模型.最后針對(duì)BP網(wǎng)絡(luò)的不足建立了粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)預(yù)警模型.研究結(jié)果表明:在上市公司ST發(fā)生的t-3年,這14個(gè)指標(biāo)都能具有較強(qiáng)的信息時(shí)效性,兩種預(yù)警模型對(duì)檢驗(yàn)樣本的預(yù)測(cè)準(zhǔn)確率分別為80%、85%,實(shí)證結(jié)果顯示這兩種模型都具有較好的預(yù)測(cè)效果,其中粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果.因此,本文提出的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型適合于解決企業(yè)財(cái)務(wù)困境的判別和預(yù)測(cè)問題,在分析和研究我國(guó)上市公司的財(cái)務(wù)困境預(yù)警方面,具有較好的應(yīng)用前景和應(yīng)用價(jià)值.
【學(xué)位授予單位】:河南大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2008
【分類號(hào)】:F275;F832.51;F224
本文編號(hào):2663497
【學(xué)位授予單位】:河南大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2008
【分類號(hào)】:F275;F832.51;F224
【引證文獻(xiàn)】
相關(guān)博士學(xué)位論文 前1條
1 覃光華;人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D];四川大學(xué);2003年
相關(guān)碩士學(xué)位論文 前4條
1 趙微;市場(chǎng)條件下城網(wǎng)電纜化改造效益綜合評(píng)價(jià)及融資研究[D];華北電力大學(xué);2011年
2 曹晶人;基于特征向量和神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)算法研究[D];東北大學(xué);2009年
3 劉建博;基于不平衡支持向量機(jī)的上市公司財(cái)務(wù)預(yù)警系統(tǒng)研究[D];吉林大學(xué);2012年
4 聶瓊;基于PSO的BP神經(jīng)網(wǎng)絡(luò)紗線質(zhì)量預(yù)測(cè)研究[D];新疆大學(xué);2013年
,本文編號(hào):2663497
本文鏈接:http://sikaile.net/guanlilunwen/zhqtouz/2663497.html
最近更新
教材專著