在中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)、政府鼓勵(lì)“大眾創(chuàng)新,萬(wàn)眾創(chuàng)業(yè)”的情況下,國(guó)內(nèi)的經(jīng)濟(jì)環(huán)境正在飛速發(fā)展。政府監(jiān)管機(jī)構(gòu)、專業(yè)金融機(jī)構(gòu)、企業(yè)決策者以及投資者等都需要能夠及時(shí)的掌握最新的企業(yè)數(shù)據(jù)信息,并期望從企業(yè)當(dāng)前的財(cái)務(wù)數(shù)據(jù)中預(yù)知企業(yè)的進(jìn)一步發(fā)展方向,提前做出下一步的籌劃。這就需要建立一種可根據(jù)歷史數(shù)據(jù)信息進(jìn)行動(dòng)態(tài)分析的財(cái)務(wù)危機(jī)預(yù)警體系。針對(duì)該研究目標(biāo),本文提出了一種K折隨機(jī)森林算法與時(shí)間序列分析模型相結(jié)合的企業(yè)財(cái)務(wù)危機(jī)預(yù)警算法。該算法利用時(shí)間序列分析模型能夠?qū)v史數(shù)據(jù)進(jìn)行短期預(yù)測(cè)的能力,使用時(shí)間序列分析模型對(duì)新構(gòu)建的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)。利用K折隨機(jī)森林對(duì)預(yù)測(cè)所得的財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)狀況分析,實(shí)現(xiàn)了動(dòng)態(tài)財(cái)務(wù)危機(jī)預(yù)警的目的。在本研究過(guò)程中,利用隨機(jī)森林具有的不需要過(guò)多的先驗(yàn)知識(shí)以及良好的抗噪能力和較高的分類精確度的優(yōu)點(diǎn),來(lái)實(shí)現(xiàn)企業(yè)財(cái)務(wù)狀況分類。在進(jìn)行財(cái)務(wù)危機(jī)預(yù)警過(guò)程中對(duì)傳統(tǒng)隨機(jī)森林算法的分類回歸決策樹(shù)的樣本集抽樣方式進(jìn)行了改進(jìn),提出了一種K折隨機(jī)森林算法。該算法使得決策樹(shù)分裂時(shí)選取的特征屬性更優(yōu)于原算法,提高了原算法的分類精度。此外,根據(jù)特征重要程度算法將財(cái)務(wù)指標(biāo)進(jìn)行重要性排序,實(shí)現(xiàn)了財(cái)務(wù)指標(biāo)降維,建... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究綜述
        1.2.1 財(cái)務(wù)危機(jī)預(yù)警模型研究綜述
        1.2.2 預(yù)警指標(biāo)選擇的研究綜述
        1.2.3 存在的問(wèn)題
    1.3 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第2章 相關(guān)理論介紹
    2.1 財(cái)務(wù)危機(jī)與財(cái)務(wù)預(yù)警
    2.2 隨機(jī)森林
        2.2.1 算法流程
        2.2.2 Bagging思想和隨機(jī)子空間思想
        2.2.3 泛化誤差
    2.3 時(shí)間序列分析
        2.3.1 時(shí)間序列分析的步驟
        2.3.2 時(shí)間序列分析的方法
        2.3.3 平穩(wěn)性檢驗(yàn)
        2.3.4 純隨機(jī)性檢驗(yàn)
    2.4 本章小結(jié)
第3章 基于財(cái)務(wù)數(shù)據(jù)的隨機(jī)森林算法研究
    3.1 數(shù)據(jù)收集模塊
        3.1.1 指標(biāo)體系設(shè)計(jì)
        3.1.2 財(cái)務(wù)數(shù)據(jù)的來(lái)源
    3.2 基于財(cái)務(wù)數(shù)據(jù)的隨機(jī)森林算法改進(jìn)
        3.2.1 K折隨機(jī)森林算法
        3.2.2 算法分析
    3.3 財(cái)務(wù)指標(biāo)的重要性度量
        3.3.1 樣本選擇和數(shù)據(jù)處理
        3.3.2 重要性度量
        3.3.3 分類精度分析
    3.4 本章小結(jié)
第4章 基于隨機(jī)森林和時(shí)間序列的財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究
    4.1 時(shí)間序列建模
        4.1.1 時(shí)間序列模型的確定
        4.1.2 時(shí)間序列模型檢驗(yàn)
    4.2 基于時(shí)間序列的財(cái)務(wù)預(yù)測(cè)實(shí)證
        4.2.1 2018年度第三季度財(cái)務(wù)指標(biāo)的預(yù)測(cè)
        4.2.2 預(yù)測(cè)值的檢驗(yàn)
    4.3 基于隨機(jī)森林和時(shí)間序列的財(cái)務(wù)危機(jī)預(yù)警算法
        4.3.1 算法流程圖
        4.3.2 實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 主要工作與創(chuàng)新點(diǎn)
    5.2 論文的不足
    5.3 后續(xù)研究工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)FOA算法的上市公司Z-Score模型財(cái)務(wù)預(yù)警[J]. 康彩紅,王秋萍,肖燕婷.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(11)
[2]集成學(xué)習(xí)之隨機(jī)森林算法綜述[J]. 王奕森,夏樹(shù)濤.  信息通信技術(shù). 2018(01)
[3]金融危機(jī)下我國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警研究[J]. 施衛(wèi)珍.  中國(guó)國(guó)際財(cái)經(jīng)(中英文). 2017(11)
[4]上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究[J]. 周丹,管河山.  財(cái)會(huì)通訊. 2016(29)
[5]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]. 張亮,張玲玲,陳懿冰,騰偉麗.  中國(guó)管理科學(xué). 2015(10)
[6]基于大數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警研究[J]. 宋彪,朱建明,李煦.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2015(06)
[7]粗集-遺傳支持向量機(jī)在制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用[J]. 葛新旗,周虹.  商業(yè)研究. 2015(06)
[8]基于多元概率比回歸模型的上市公司財(cái)務(wù)危機(jī)預(yù)警分析[J]. 高小雪.  企業(yè)經(jīng)濟(jì). 2015(04)
[9]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]. 趙海蕾,周方召,金德環(huán).  財(cái)經(jīng)理論與實(shí)踐. 2015(02)
[10]單位根相關(guān)過(guò)程:理論的發(fā)展與比較[J]. 鄧偉,唐齊鳴.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2014(02)

碩士論文
[1]基于時(shí)間序列模型的房?jī)r(jià)預(yù)測(cè)與波動(dòng)分析[D]. 丁月芝.山東大學(xué) 2018
[2]基于集成算法的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D]. 史立新.暨南大學(xué) 2018
[3]基于隨機(jī)森林—人工神經(jīng)網(wǎng)絡(luò)企業(yè)財(cái)務(wù)預(yù)警研究[D]. 王元坤.山東大學(xué) 2017
[4]基于機(jī)器學(xué)習(xí)構(gòu)建的公司財(cái)務(wù)預(yù)警系統(tǒng)研究[D]. 胥光華.廈門大學(xué) 2014



本文編號(hào)：3396097