在激烈的國(guó)內(nèi)外市場(chǎng)競(jìng)爭(zhēng)中,我國(guó)紡織服裝業(yè)正面臨著勞動(dòng)力成本優(yōu)勢(shì)逐步減弱、生產(chǎn)成本上升、庫(kù)存連年增長(zhǎng)等許多嚴(yán)重問(wèn)題,公司隨時(shí)都有可能陷入財(cái)務(wù)困境。建立有效的財(cái)務(wù)危機(jī)預(yù)警模型能使上市公司的管理者提前發(fā)現(xiàn)財(cái)務(wù)危機(jī),及早地制定相應(yīng)的處理措施,有利于公司的長(zhǎng)期健康發(fā)展。預(yù)警模型的構(gòu)建方法仍在不斷地發(fā)展變化之中,本文將證據(jù)理論應(yīng)用于財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域,以紡織服裝行業(yè)的公司為研究對(duì)象,構(gòu)建基于證據(jù)理論的財(cái)務(wù)危機(jī)預(yù)警模型,對(duì)分別用Logistic回歸和支持向量機(jī)建立的單個(gè)預(yù)警模型得到的結(jié)果進(jìn)行融合處理,為財(cái)務(wù)危機(jī)預(yù)警模型的研究提供新思路。本文在了解國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,首先將被ST公司界定為財(cái)務(wù)危機(jī)公司。其次結(jié)合紡織服裝行業(yè)的現(xiàn)狀,對(duì)公司財(cái)務(wù)危機(jī)的內(nèi)外部成因進(jìn)行了分析,以便有效地選取預(yù)警指標(biāo)。再次,通過(guò)對(duì)幾種預(yù)警模型的比較和分析,選擇Logistic和支持向量機(jī)兩種模型用于證據(jù)合成,期望提高預(yù)警準(zhǔn)確率。在實(shí)證設(shè)計(jì)部分,針對(duì)紡織服裝業(yè),選取了10家被ST公司和40家非ST公司用于建模,5家ST公司和12家非ST公司來(lái)測(cè)試模型的準(zhǔn)確性。根據(jù)針對(duì)性、可比性、科學(xué)性、系統(tǒng)性和可獲得性原則,初步選取了48個(gè)財(cái)務(wù)指標(biāo)和8個(gè)非財(cái)務(wù)指標(biāo)。財(cái)務(wù)指標(biāo)經(jīng)篩選提取出了7個(gè)公共因子,與通過(guò)顯著性檢驗(yàn)的3個(gè)非財(cái)務(wù)指標(biāo)共同構(gòu)成預(yù)警指標(biāo)體系。通過(guò)實(shí)證檢驗(yàn),Logistic、支持向量機(jī)兩種單個(gè)模型對(duì)研究樣本的判別準(zhǔn)確率分別為96%和98%,對(duì)測(cè)試樣本的預(yù)測(cè)準(zhǔn)確率分別為94.12%和88.24%�；谧C據(jù)理論的融合預(yù)警模型對(duì)研究樣本和測(cè)試樣本的準(zhǔn)確率高達(dá)98%和100%,比較兩種單個(gè)模型,將總體誤判率從4.48%降至1.49%,這說(shuō)明證據(jù)理論可以提高預(yù)警的準(zhǔn)確率,將其應(yīng)用于公司的財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域具有一定的有效性與可行性。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F426.81;F406.7
【部分圖文】：

哈爾濱工業(yè)大學(xué)管理學(xué)碩士學(xué)位論文預(yù)警的財(cái)務(wù)與非財(cái)務(wù)指標(biāo)。通過(guò)比較幾種模型的優(yōu)缺點(diǎn)，來(lái)為實(shí)證研究選擇合適的模型方法。接下來(lái)介紹證據(jù)理論的基本原理，在此基礎(chǔ)上，將其引入公司的財(cái)務(wù)危機(jī)預(yù)警模型中，闡述預(yù)警模型的構(gòu)建思路。（3）實(shí)證研究 先對(duì)樣本和指標(biāo)體系進(jìn)行設(shè)計(jì)，選擇紡織服裝行業(yè)的市公司進(jìn)行研究，通過(guò)指標(biāo)選取原則來(lái)選擇財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)，然后對(duì)指標(biāo)進(jìn)行篩選構(gòu)建預(yù)警指標(biāo)體系。用指標(biāo)體系分別構(gòu)建 Logistic 和支持向量機(jī)個(gè)預(yù)警模型，最后運(yùn)用合成規(guī)則進(jìn)行融合計(jì)算，將計(jì)算得到的預(yù)警準(zhǔn)確率與單個(gè)模型的準(zhǔn)確率進(jìn)行比較，實(shí)證檢驗(yàn)其有效性和可行性。1.4.2 技術(shù)路線圖

圖 2-1 支持向量機(jī)基本思想形點(diǎn)和圓形點(diǎn)分別代表兩類線性可分樣本（Xi，Yi），i=1，2，…，N，則 Xi∈Rn變量，Yi∈{+1，-1}，即一般取值為+1 和中距離 H 最近的樣本并且平行于 H 的直線優(yōu)分類線推廣到高維空間，就變?yōu)樽顑?yōu)分化為凸二次優(yōu)化問(wèn)題，詳細(xì)推導(dǎo)過(guò)程不在優(yōu)分類函數(shù)值 yi>0，則樣本被分為+1 類；題一般是非線性的，無(wú)法用一條直線或分類問(wèn)題，可以通過(guò)非線性變換，即核函數(shù)本映射到高維數(shù)據(jù)空間中，在高維空間里用的核函數(shù)包括線性核函數(shù)、多項(xiàng)式核函數(shù)數(shù)，其中高斯徑向基核函數(shù)的應(yīng)用最廣。

圖 2-3 命題的不確定性描述據(jù)理論的合成規(guī)則及性質(zhì)識(shí)別框架中存在多個(gè)證據(jù)源時(shí)，會(huì)有多個(gè)基本概率分配函數(shù)，證是通過(guò)對(duì)兩個(gè)或多個(gè)基本概率分配函數(shù)進(jìn)行正交運(yùn)算，實(shí)現(xiàn)多源而得到一個(gè)新的概率分配函數(shù)，即聯(lián)合信任分配函數(shù)。1）兩個(gè)證據(jù)源的合成規(guī)則 設(shè)某識(shí)別框架下有兩個(gè)不同的證這兩個(gè)證據(jù)源對(duì)應(yīng)的基本概率分配函數(shù)是 m1和 m2，焦元分別，An 和 B1，B2，…，Bn，利用合成公式可以將 m1和 m2合成，分配函數(shù) m12，合成規(guī)則見(jiàn)公式（2-5）：m12(A) =1-Km(A)m(B)AiA1i2j Bj ，A 0 ，A= 中 K= Ai Bj 1i2jm(A)m(B)。到的信任函數(shù)為 m與 m的正交和，可以記做 m m。K 為沖

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張亮;張玲玲;陳懿冰;騰偉麗;;基于信息融合的數(shù)據(jù)挖掘方法在公司財(cái)務(wù)預(yù)警中的應(yīng)用[J];中國(guó)管理科學(xué);2015年10期

2 陳收;賴柏純;楊寬;;基于信息披露質(zhì)量的財(cái)務(wù)預(yù)警研究[J];經(jīng)濟(jì)與管理研究;2015年08期

3 鮑新中;陶秋燕;傅宏宇;;基于變量聚類和COX比例風(fēng)險(xiǎn)模型的企業(yè)財(cái)務(wù)預(yù)警研究[J];系統(tǒng)管理學(xué)報(bào);2015年04期

4 宋彪;朱建明;李煦;;基于大數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警研究[J];中央財(cái)經(jīng)大學(xué)學(xué)報(bào);2015年06期

5 顧蓓蓓;盧寧文;駱陽(yáng);;上市公司財(cái)務(wù)預(yù)警探析[J];財(cái)會(huì)通訊;2015年10期

6 趙海蕾;周方召;金德環(huán);;基于人群搜索算法的上市公司的Z-Score模型財(cái)務(wù)預(yù)警研究[J];財(cái)經(jīng)理論與實(shí)踐;2015年02期

7 王宗勝;尚姣姣;;我國(guó)制造業(yè)上市公司財(cái)務(wù)困境預(yù)警分析[J];統(tǒng)計(jì)與決策;2015年03期

8 何勝美;方茂揚(yáng);王響;;財(cái)務(wù)預(yù)警模型中的樣本配比分析及其對(duì)策研究[J];廣西財(cái)經(jīng)學(xué)院學(xué)報(bào);2014年06期

9 倪志偉;薛永堅(jiān);倪麗萍;肖宏旺;;基于流形學(xué)習(xí)的多核SVM財(cái)務(wù)預(yù)警方法研究[J];系統(tǒng)工程理論與實(shí)踐;2014年10期

10 詹磊磊;徐笑;曾琦;;DS證據(jù)理論在醫(yī)院醫(yī)療質(zhì)量管理綜合評(píng)價(jià)中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2014年05期

相關(guān)碩士學(xué)位論文 前2條

1 吳睛宇;基于BP神經(jīng)網(wǎng)絡(luò)的中國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警研究[D];江蘇大學(xué);2017年

2 杜明威;基于DS證據(jù)理論SVM集成的企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究[D];東南大學(xué);2016年

本文編號(hào)：2811439