本文選題：汽車制造業(yè) + 財務預警�。� 參考：《廣西科技大學》2015年碩士論文

【摘要】：制造業(yè)是國民財富的源泉,而汽車制造業(yè)又是其中的重中之重。盡管我國汽車制造業(yè)企業(yè)的規(guī)模和數(shù)量都在日益壯大,但是整個行業(yè)抵抗風險的能力卻相當薄弱,極易受到總體經(jīng)濟環(huán)境和國家相關政策的影響,進而引發(fā)嚴重的財務危機。因此,構建汽車制造業(yè)財務預警模型,提升汽車制造業(yè)應對財務危機的能力具有十分重要的意義。本文首先介紹了研究的背景、理論及現(xiàn)實意義,在借鑒國內(nèi)外學者在財務預警方面的研究成果的基礎之上,提出了本文的研究方法、思路及創(chuàng)新之處。然后介紹了本文所認定的財務業(yè)預警的相關概念,ANFIS及本文中采用的3種聚類算法以及ANFIS和聚類算法的結合方法。接著,在參考前人研究假設的基礎之上,明確了汽車制造業(yè)財務預警的影響因素,包括財務方面和非財務方面。財務因素有現(xiàn)金流量、長短期償債能力、運營能力、成長能力、盈利能力七個因素,非財務因素有股權結構、公司治理兩個因素。財務預警指標體系是預警模型構建的基礎,也是直接影響預警效果的重要因素之一。為了更全面、客觀、真實反映汽車制造業(yè)的財務狀況,償債能力、現(xiàn)金流量能力、盈利能力、成長能力及運營能力等方面的26個財務指標用來衡量財務因素,第一大股東持股比例等7個非財務指標來構建財務預警指標體系。在實證研究部分,本文從深圳和上海證券交易所中A股中選取了54家汽車整車制造或零部件制造上市企業(yè)以構建研究所需的樣本集,其時間跨度為11年(2003-2013)。在該樣本集中,三分之一由財務危機企業(yè)構成,三分之二是與之配對的非財務危機企業(yè)。對所有樣本的上述33個財務和非財務指標同時進行顯著性檢驗和主成份分析,剔除了某些相關性不明顯的財務和非財務指標,并對所篩選的財務指標進行了降維處理,最終得到5個綜合財務指標因子和4個非財務指標,從而構建了我國汽車制造業(yè)上市公司財務預警指標體系。利用上述指標體系及樣本集中的數(shù)據(jù),運用基于聚類算法的ANFIS方法構建汽車制造企業(yè)的預警模型和BP神經(jīng)網(wǎng)絡、SVM(支持向量機)及Logit回歸這三種常用的預警模型進行建模,通過模型的檢驗、比較分析可以得出以下結論:基于聚類算法的ANFIS的汽車制造業(yè)上市公司財務預警模型明顯優(yōu)于其他模型,此外該模型與BP神經(jīng)網(wǎng)絡模型及SVM(支持向量)等人工智能模型一道,明顯優(yōu)于Logit回歸這一非人工智能模型。通過上述研究,本文針對汽車制造業(yè)上市公司財務預警實踐提出了兩點建議:(1)構建汽車制造業(yè)財務預警指標體系時,應剔除某些干擾指標。(2)選取建模工具時,應優(yōu)先考慮人工智能建模預測工具。
[Abstract]:Manufacturing industry is the source of national wealth, and automobile manufacturing industry is one of the most important. Although the scale and quantity of automobile manufacturing enterprises in our country are growing day by day, the ability of the whole industry to resist the risk is quite weak, which is easily affected by the overall economic environment and the relevant policies of the country, and then causes the serious financial crisis. Therefore, it is of great significance to construct the financial warning model of automobile manufacturing industry and improve the ability of automobile manufacturing industry to deal with financial crisis. Firstly, this paper introduces the background, theory and practical significance of the research, and puts forward the research methods, ideas and innovations of this paper based on the research results of domestic and foreign scholars in financial early warning. Then this paper introduces the related concepts of financial industry early warning, such as ANFIS, three clustering algorithms used in this paper, and the combination of ANFIS and clustering algorithm. Then, on the basis of the previous research hypothesis, the paper clarifies the influencing factors of automobile manufacturing financial early warning, including financial and non-financial aspects. Financial factors include cash flow, long-term and short-term solvency, operation ability, growth capacity, profitability, non-financial factors have equity structure, corporate governance two factors. The financial early warning index system is the foundation of the early warning model and one of the important factors directly affecting the early warning effect. In order to more comprehensively, objectively and realistically reflect the financial situation, solvency, cash flow capacity, profitability, growth ability and operation ability of the automobile manufacturing industry, 26 financial indicators are used to measure financial factors. The first major shareholder holding ratio and other seven non-financial indicators to build a financial warning index system. In the part of empirical research, this paper selects 54 listed enterprises of automobile manufacturing or parts manufacturing from the A shares of Shenzhen and Shanghai Stock Exchange to construct the sample set needed for the research, whose time span is 11 years from 2003 to 2013. In this sample set, 1/3 is composed of financial crisis enterprises and 2/3 is a matched non-financial crisis enterprise. The above 33 financial and non-financial indicators of all samples were tested simultaneously with the principal component analysis, and some uncorrelated financial and non-financial indicators were excluded, and the selected financial indicators were treated with dimensionality reduction. Finally, five comprehensive financial index factors and four non-financial indicators are obtained, and the financial early-warning index system of Chinese automobile manufacturing listed companies is constructed. Using the above index system and the data of sample set, using the ANFIS method based on clustering algorithm to build the early warning model of automobile manufacturing enterprise and BP neural network SVM (support vector machine) and Logit regression three commonly used early warning models to model. Through the test of the model, the comparative analysis can draw the following conclusions: the financial early-warning model of automobile manufacturing listed companies based on clustering algorithm ANFIS is obviously superior to other models. In addition, this model, together with BP neural network model and SVM (support vector) artificial intelligence model, is obviously superior to the non-artificial intelligence model such as Logit regression. According to the above research, this paper puts forward two suggestions on the financial early warning practice of listed companies in automobile manufacturing industry: 1) when constructing the financial warning index system of automobile manufacturing industry, we should eliminate some interference indexes. 2) when we select the modeling tools, Priority should be given to artificial intelligence modeling and prediction tools.
【學位授予單位】：廣西科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F426.471;F406.7

【相似文獻】

相關期刊論文 前10條

1 高春霞;閉樂華;;財務預警的Z-計分模型檢出力實證研究[J];中國水運(理論版);2006年05期

2 黃海輪;;基于支持向量機模型的財務預警應用研究[J];長江大學學報(自科版)理工卷;2007年03期

3 趙玉梅;李亞婕;;我國高校財務預警的應用現(xiàn)狀及管理問題探析[J];北華航天工業(yè)學院學報;2008年02期

4 孫偉;葉如意;;基于案例推理的平衡計分法在財務預警體系構建應用研究[J];科技與管理;2011年02期

5 黃燕;;財務預警,防患于未然——從中航油事件看風險管理體系的構建[J];廣西電業(yè);2006年10期

6 張祥,陳榮秋;財務預警的模型分析[J];科技與管理;2003年05期

7 黃艷芬;;企業(yè)財務風險及財務預警[J];內(nèi)蒙古科技與經(jīng)濟;2005年22期

8 丁曉蓮;;略論汽車制造企業(yè)的財務預警體系實施[J];企業(yè)研究;2011年10期

9 牟偉明;;基于現(xiàn)金流量的財務預警實證研究——來自上海證券交易所A股數(shù)據(jù)[J];常州工學院學報;2013年01期

10 胡磊;;“Z—Score”模型在我國中小企業(yè)板上市公司財務預警中的應用研究[J];企業(yè)科技與發(fā)展;2008年08期

相關會議論文 前6條

1 高建來;辛磊;;天津市上市公司財務預警實證研究[A];新規(guī)劃·新視野·新發(fā)展——天津市社會科學界第七屆學術年會優(yōu)秀論文集《天津?qū)W術文庫》（下）[C];2011年

2 周曉斌;崔寶同;;應用判別分析模型對上市企業(yè)進行財務預警[A];2007中國控制與決策學術年會論文集[C];2007年

3 宋貴奇;;構建軍工科研事業(yè)單位財務預警體系的探討[A];2008年度中國總會計師優(yōu)秀論文選[C];2009年

4 王玲玲;;基于LVQ神經(jīng)網(wǎng)絡的上市公司財務預警[A];第八屆中國青年運籌信息管理學者大會論文集[C];2006年

5 張曾蓮;;基于主成分分析BP神經(jīng)網(wǎng)絡的高校財務預警研究[A];第十屆全國會計信息化年會論文集[C];2011年

6 吳德勝;梁j;;概率神經(jīng)網(wǎng)絡在財務預警實證中的應用[A];2003年中國管理科學學術會議論文集[C];2003年

相關重要報紙文章 前7條

1 王芳　葉飛;財務預警也需“量體裁衣”[N];中國財經(jīng)報;2004年

2 張燕;淺談財務預警實證研究的發(fā)展[N];中國審計報;2005年

3 高立法 杜泰斌 文兆祥;財務預警診斷分析(二)[N];財會信報;2012年

4 朱玉奎 王一;財務預警保安全[N];中國財經(jīng)報;2006年

5 宋光磊;“油價風暴”的啟示[N];中國稅務報;2006年

6 宋光磊;“油價風暴”中的啟示[N];中國財經(jīng)報;2006年

7 高紅海;現(xiàn)金流緣何成為財務預警核心指標？[N];經(jīng)理日報;2011年

相關博士學位論文 前2條

1 馮征;數(shù)據(jù)挖掘方法在財務預警中的應用研究[D];天津大學;2007年

2 王滿玲;公司財務預警監(jiān)控機理模型及其應用方法研究[D];大連理工大學;2006年

相關碩士學位論文 前10條

1 林卓敏;F集團基于績效評價的財務預警研究[D];西南交通大學;2014年

2 張懿巍;引入EVA的發(fā)電類上市公司財務預警研究[D];華北電力大學;2015年

3 朱洪婷;我國制造業(yè)上市公司財務預警研究[D];長春理工大學;2015年

4 常紅;基于平衡計分卡的企業(yè)預警研究[D];財政部財政科學研究所;2014年

5 陳婧;我國制造業(yè)上市公司財務預警模型實證研究[D];東華理工大學;2014年

6 侯沁芳;MY公司財務預警問題研究[D];湘潭大學;2015年

7 荊婷婷;改進的近鄰傳播算法在財務預警中的應用研究[D];合肥工業(yè)大學;2015年

8 韓江雪;我國制造業(yè)上市公司財務預警統(tǒng)計研究[D];北方工業(yè)大學;2016年

9 高婷婷;制造業(yè)上市公司財務預警研究[D];北方工業(yè)大學;2016年

10 張超;WT地產(chǎn)財務預警研究[D];江蘇大學;2016年

，

本文編號：1791911