【摘要】：作為我國(guó)國(guó)民經(jīng)濟(jì)建設(shè)的重要的支柱性行業(yè),鋼鐵行業(yè)的長(zhǎng)足穩(wěn)定發(fā)展對(duì)于我國(guó)的工業(yè)化及城鎮(zhèn)化的進(jìn)程有著至關(guān)重要的作用。但是近年來(lái),在全球經(jīng)濟(jì)增長(zhǎng)持續(xù)放緩、鐵礦石和能源價(jià)格高位運(yùn)行的背景下,伴隨著經(jīng)濟(jì)下行壓力加大、市場(chǎng)需求回落,鋼鐵行業(yè)在之前快速發(fā)展過(guò)程中積累的矛盾和問(wèn)題逐漸暴露。其中產(chǎn)能過(guò)剩問(wèn)題尤為突出,導(dǎo)致企業(yè)利潤(rùn)率大幅度下滑,財(cái)務(wù)風(fēng)險(xiǎn)加劇。鋼鐵行業(yè)一旦發(fā)生財(cái)務(wù)風(fēng)險(xiǎn),不僅危及自身的生存和發(fā)展,還會(huì)給其他關(guān)聯(lián)產(chǎn)業(yè)帶來(lái)風(fēng)險(xiǎn)。因此如何準(zhǔn)確預(yù)測(cè)進(jìn)而有效控制企業(yè)風(fēng)險(xiǎn)與財(cái)務(wù)危機(jī),進(jìn)而保障企業(yè)的健康長(zhǎng)遠(yuǎn)發(fā)展,是目前我國(guó)鋼鐵行業(yè)所面臨的重要課題。本文首先對(duì)國(guó)內(nèi)外學(xué)者關(guān)于財(cái)務(wù)危機(jī)的內(nèi)涵以及財(cái)務(wù)危機(jī)預(yù)警方面的研究做了文獻(xiàn)綜述,然后對(duì)邏輯回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的相關(guān)理論進(jìn)行闡述。在對(duì)財(cái)務(wù)危機(jī)內(nèi)涵進(jìn)行界定的基礎(chǔ)上,結(jié)合我國(guó)鋼鐵行業(yè)上市公司發(fā)展的現(xiàn)狀,從公開(kāi)披露的55個(gè)指標(biāo)中,最終篩選構(gòu)建了包含22個(gè)財(cái)務(wù)指標(biāo)和9個(gè)非財(cái)務(wù)指標(biāo)的鋼鐵行業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。本文采用財(cái)務(wù)危機(jī)預(yù)警研究領(lǐng)域應(yīng)用較為廣泛的邏輯回歸模型以及最近幾年新興的BP神經(jīng)網(wǎng)絡(luò)模型,基于兩套預(yù)警指標(biāo)(現(xiàn)有研究常用的財(cái)務(wù)指標(biāo)體系,以及本文所構(gòu)建的包含非財(cái)務(wù)指標(biāo)的預(yù)警指標(biāo)體系)分別進(jìn)行實(shí)證分析,并對(duì)四個(gè)模型的結(jié)果做出比較與評(píng)價(jià)。研究結(jié)果表明,采用兩套指標(biāo)體系分別構(gòu)建的邏輯回歸模型對(duì)發(fā)生財(cái)務(wù)危機(jī)公司的預(yù)測(cè)準(zhǔn)確率達(dá)到16.7%和33.3%,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確率分別達(dá)到50%和83.3%,可見(jiàn)基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的財(cái)務(wù)危機(jī)預(yù)警模型準(zhǔn)確率比邏輯回歸模型有明顯的提升;同時(shí),引入非財(cái)務(wù)指標(biāo)的指標(biāo)體系對(duì)財(cái)務(wù)危機(jī)預(yù)警的效果比財(cái)務(wù)指標(biāo)體系有明顯的提升。另外本文模型的輸出結(jié)果均為概率值,預(yù)警體現(xiàn)在當(dāng)概率值的大小超過(guò)閾值時(shí),我們就可以判定企業(yè)財(cái)務(wù)狀況不容樂(lè)觀,需要采取措施來(lái)控制風(fēng)險(xiǎn);同時(shí),本文的研究還可以作為鋼鐵行業(yè)及企業(yè)自身進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究時(shí)的參考方法。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：F426.31;F406.7;F832.51
【圖文】：

二、ＢＰ神經(jīng)網(wǎng)絡(luò)理論概述逡逑經(jīng)網(wǎng)絡(luò)是一種利用類(lèi)似于大腦神經(jīng)結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，４０年代被最先提出，神經(jīng)網(wǎng)絡(luò)由大量的神經(jīng)元之間相互連接構(gòu)成，神身也是對(duì)某種算法和函數(shù)的無(wú)限逼近�，F(xiàn)今的神經(jīng)網(wǎng)絡(luò)最常用于分類(lèi)工神經(jīng)網(wǎng)絡(luò)有著多種衍生算法，其中最重要的有感知機(jī)、反向傳播、Ｈｏｐｆｉ自組織映射等，而感知機(jī)的概念是其基礎(chǔ)。逡逑（一）感知機(jī)的概念逡逑知機(jī)１３２１邋（Ｐｅｒｃｅｐｔｒｏｎ）由Ｒｏｓｅｎｂｌａｔｔ于１９５７年提出，是神經(jīng)網(wǎng)絡(luò)和支理論基礎(chǔ)，盡管作用十分有限，主要用于線性分類(lèi)，但是感知機(jī)在人的發(fā)展史上有著非常突出的地位。逡逑知機(jī)的基本結(jié)構(gòu)如圖２－１所示：逡逑ｉｎｐｕｔｓ邋ｗｅｉｇｈｔｓ逡逑

圖２－３邋Ｓｉｇｍｏｉｄ函數(shù)圖像逡逑由圖像可知，Ｓｉｇｍｏｉｄ函數(shù)的輸入值是實(shí)數(shù)，然后將輸入值擠壓到０￣１之間，逡逑由圖像可知，當(dāng)輸入值趨向于負(fù)無(wú)窮時(shí)，則最終的輸出值被映射為０，趨于正無(wú)逡逑

可以確定基于財(cái)務(wù)指標(biāo)的ＢＰ神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)是２２＊８＊１。逡逑第二步，對(duì)ＢＰ神經(jīng)網(wǎng)絡(luò)的誤差反向傳播的迭代次數(shù)進(jìn)行測(cè)試，通過(guò)遍歷逡逑１－５００次的迭代過(guò)程，作圖４－３如下：逡逑§邋－（邐逡逑Ｏ逡逑ｉｔ邋—邐１逡逑煖３邋－邋ｊ逡逑副°逡逑ｍ邐Ｉ逡逑ｅ：邋＼邐逡逑ＣＤ邐ｊ邐｜邐｜邐Ｉ邐Ｉ邐Ｉ逡逑Ｏ邐１００邐２００邐３００邐４００邐５００逡逑訓(xùn)練周期逡逑圖４－３誤差反向傳播迭代次數(shù)試驗(yàn)逡逑可以發(fā)現(xiàn)，當(dāng)模型的訓(xùn)練周期達(dá)到３０次時(shí)，模型誤判率己經(jīng)基本保持不變，逡逑模型誤判率此時(shí)處于收斂狀態(tài)。同時(shí)考慮到過(guò)大的迭代次數(shù)會(huì)引起神經(jīng)網(wǎng)絡(luò)模型逡逑過(guò)擬合的情況，本文在誤差反向傳播修正的次數(shù)上設(shè)置參數(shù)為３０次。逡逑一般在整個(gè)３Ｐ網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，學(xué)習(xí)率確定之后將保持不變，而在梯度逡逑下降尋求最優(yōu)參數(shù)過(guò)程中，學(xué)習(xí)率的選擇對(duì)模型影響較大。若學(xué)習(xí)率值設(shè)置得過(guò)逡逑３８逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉玉敏;劉莉;任廣乾;;基于非財(cái)務(wù)指標(biāo)的上市公司財(cái)務(wù)預(yù)警研究[J];商業(yè)研究;2016年10期

2 趙辰;南星恒;;基于MEA-BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警研究[J];財(cái)會(huì)通訊;2016年01期

3 卜洪運(yùn);張艷鳳;;基于粗糙集的鋼鐵業(yè)上市公司財(cái)務(wù)狀況評(píng)價(jià)[J];會(huì)計(jì)之友;2014年08期

4 李紅梅;田景鮮;;公司財(cái)務(wù)危機(jī)預(yù)警模型比較研究——以A股制造業(yè)上市公司為例[J];財(cái)會(huì)月刊;2013年10期

5 寧青青;祖明;;企業(yè)財(cái)務(wù)危機(jī)誘因的廣角透視與實(shí)證研究[J];華東經(jīng)濟(jì)管理;2013年03期

6 楊洋;吳應(yīng)宇;;董事會(huì)治理對(duì)公司成長(zhǎng)的影響——基于我國(guó)A股上市公司前500強(qiáng)的經(jīng)驗(yàn)數(shù)據(jù)[J];西安電子科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2011年03期

7 劉振棟;劉麗;王中海;;基于因子分析和聚類(lèi)分析的鋼鐵行業(yè)上市公司績(jī)效評(píng)價(jià)[J];冶金經(jīng)濟(jì)與管理;2009年05期

8 陳迅;謝明希;;Logistic模型在鋼鐵行業(yè)上市公司信用風(fēng)險(xiǎn)識(shí)別中的應(yīng)用[J];統(tǒng)計(jì)與決策;2009年19期

9 王智寧;吳應(yīng)宇;葉新鳳;;基于Pulic智力資本模型的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J];數(shù)理統(tǒng)計(jì)與管理;2009年02期

10 劉新允;龐清樂(lè);;基于粗糙集神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警方法[J];統(tǒng)計(jì)與決策;2008年13期

相關(guān)會(huì)議論文 前1條

1 王克敏;姬美光;;公司ST成因與預(yù)警研究——基于財(cái)務(wù)與非財(cái)務(wù)指標(biāo)的比較分析[A];中國(guó)會(huì)計(jì)學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2006年

相關(guān)碩士學(xué)位論文 前3條

1 徐力;基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)診斷研究[D];浙江財(cái)經(jīng)大學(xué);2016年

2 俞璇;結(jié)合股權(quán)結(jié)構(gòu)指標(biāo)構(gòu)建上市公司財(cái)務(wù)預(yù)警模型之研究[D];浙江大學(xué);2006年

3 陳凱凡;企業(yè)財(cái)務(wù)困境混合模型預(yù)測(cè)[D];暨南大學(xué);2005年

本文編號(hào)：2795358