在激烈的國內(nèi)外市場競爭中,我國紡織服裝業(yè)正面臨著勞動力成本優(yōu)勢逐步減弱、生產(chǎn)成本上升、庫存連年增長等許多嚴重問題,公司隨時都有可能陷入財務(wù)困境。建立有效的財務(wù)危機預警模型能使上市公司的管理者提前發(fā)現(xiàn)財務(wù)危機,及早地制定相應(yīng)的處理措施,有利于公司的長期健康發(fā)展。預警模型的構(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)用于財務(wù)危機預警領(lǐng)域,以紡織服裝行業(yè)的公司為研究對象,構(gòu)建基于證據(jù)理論的財務(wù)危機預警模型,對分別用Logistic回歸和支持向量機建立的單個預警模型得到的結(jié)果進行融合處理,為財務(wù)危機預警模型的研究提供新思路。本文在了解國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,首先將被ST公司界定為財務(wù)危機公司。其次結(jié)合紡織服裝行業(yè)的現(xiàn)狀,對公司財務(wù)危機的內(nèi)外部成因進行了分析,以便有效地選取預警指標。再次,通過對幾種預警模型的比較和分析,選擇Logistic和支持向量機兩種模型用于證據(jù)合成,期望提高預警準確率。在實證設(shè)計部分,針對紡織服裝業(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公司來測試模型的準確性。根據(jù)針對性、可比性、科學性、系統(tǒng)性和可獲得性原則,初步選取了48個財務(wù)指標和8個非財務(wù)指標。財務(wù)指標經(jīng)篩選提取出了7個公共因子,與通過顯著性檢驗的3個非財務(wù)指標共同構(gòu)成預警指標體系。通過實證檢驗,Logistic、支持向量機兩種單個模型對研究樣本的判別準確率分別為96%和98%,對測試樣本的預測準確率分別為94.12%和88.24%。基于證據(jù)理論的融合預警模型對研究樣本和測試樣本的準確率高達98%和100%,比較兩種單個模型,將總體誤判率從4.48%降至1.49%,這說明證據(jù)理論可以提高預警的準確率,將其應(yīng)用于公司的財務(wù)危機預警領(lǐng)域具有一定的有效性與可行性。
【學位單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F426.81;F406.7
【部分圖文】：

哈爾濱工業(yè)大學管理學碩士學位論文預警的財務(wù)與非財務(wù)指標。通過比較幾種模型的優(yōu)缺點，來為實證研究選擇合適的模型方法。接下來介紹證據(jù)理論的基本原理，在此基礎(chǔ)上，將其引入公司的財務(wù)危機預警模型中，闡述預警模型的構(gòu)建思路。（3）實證研究 先對樣本和指標體系進行設(shè)計，選擇紡織服裝行業(yè)的市公司進行研究，通過指標選取原則來選擇財務(wù)指標和非財務(wù)指標，然后對指標進行篩選構(gòu)建預警指標體系。用指標體系分別構(gòu)建 Logistic 和支持向量機個預警模型，最后運用合成規(guī)則進行融合計算，將計算得到的預警準確率與單個模型的準確率進行比較，實證檢驗其有效性和可行性。1.4.2 技術(shù)路線圖

圖 2-1 支持向量機基本思想形點和圓形點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)化問題，詳細推導過程不在優(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，無法用一條直線或分類問題，可以通過非線性變換，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)識別框架中存在多個證據(jù)源時，會有多個基本概率分配函數(shù)，證是通過對兩個或多個基本概率分配函數(shù)進行正交運算，實現(xiàn)多源而得到一個新的概率分配函數(shù)，即聯(lián)合信任分配函數(shù)。1）兩個證據(jù)源的合成規(guī)則 設(shè)某識別框架下有兩個不同的證這兩個證據(jù)源對應(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】

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)挖掘方法在公司財務(wù)預警中的應(yīng)用[J];中國管理科學;2015年10期

2 陳收;賴柏純;楊寬;;基于信息披露質(zhì)量的財務(wù)預警研究[J];經(jīng)濟與管理研究;2015年08期

3 鮑新中;陶秋燕;傅宏宇;;基于變量聚類和COX比例風險模型的企業(yè)財務(wù)預警研究[J];系統(tǒng)管理學報;2015年04期

4 宋彪;朱建明;李煦;;基于大數(shù)據(jù)的企業(yè)財務(wù)預警研究[J];中央財經(jīng)大學學報;2015年06期

5 顧蓓蓓;盧寧文;駱陽;;上市公司財務(wù)預警探析[J];財會通訊;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模型財務(wù)預警研究[J];財經(jīng)理論與實踐;2015年02期

7 王宗勝;尚姣姣;;我國制造業(yè)上市公司財務(wù)困境預警分析[J];統(tǒng)計與決策;2015年03期

8 何勝美;方茂揚;王響;;財務(wù)預警模型中的樣本配比分析及其對策研究[J];廣西財經(jīng)學院學報;2014年06期

9 倪志偉;薛永堅;倪麗萍;肖宏旺;;基于流形學習的多核SVM財務(wù)預警方法研究[J];系統(tǒng)工程理論與實踐;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)量管理綜合評價中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2014年05期

相關(guān)碩士學位論文 前2條

1 吳睛宇;基于BP神經(jīng)網(wǎng)絡(luò)的中國制造業(yè)上市公司財務(wù)預警研究[D];江蘇大學;2017年

2 杜明威;基于DS證據(jù)理論SVM集成的企業(yè)財務(wù)危機預警的研究[D];東南大學;2016年

本文編號：2811439