【摘要】：作為我國國民經(jīng)濟建設(shè)的重要的支柱性行業(yè),鋼鐵行業(yè)的長足穩(wěn)定發(fā)展對于我國的工業(yè)化及城鎮(zhèn)化的進程有著至關(guān)重要的作用。但是近年來,在全球經(jīng)濟增長持續(xù)放緩、鐵礦石和能源價格高位運行的背景下,伴隨著經(jīng)濟下行壓力加大、市場需求回落,鋼鐵行業(yè)在之前快速發(fā)展過程中積累的矛盾和問題逐漸暴露。其中產(chǎn)能過剩問題尤為突出,導(dǎo)致企業(yè)利潤率大幅度下滑,財務(wù)風(fēng)險加劇。鋼鐵行業(yè)一旦發(fā)生財務(wù)風(fēng)險,不僅危及自身的生存和發(fā)展,還會給其他關(guān)聯(lián)產(chǎn)業(yè)帶來風(fēng)險。因此如何準確預(yù)測進而有效控制企業(yè)風(fēng)險與財務(wù)危機,進而保障企業(yè)的健康長遠發(fā)展,是目前我國鋼鐵行業(yè)所面臨的重要課題。本文首先對國內(nèi)外學(xué)者關(guān)于財務(wù)危機的內(nèi)涵以及財務(wù)危機預(yù)警方面的研究做了文獻綜述,然后對邏輯回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的相關(guān)理論進行闡述。在對財務(wù)危機內(nèi)涵進行界定的基礎(chǔ)上,結(jié)合我國鋼鐵行業(yè)上市公司發(fā)展的現(xiàn)狀,從公開披露的55個指標中,最終篩選構(gòu)建了包含22個財務(wù)指標和9個非財務(wù)指標的鋼鐵行業(yè)上市公司財務(wù)危機預(yù)警指標體系。本文采用財務(wù)危機預(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(現(xiàn)有研究常用的財務(wù)指標體系,以及本文所構(gòu)建的包含非財務(wù)指標的預(yù)警指標體系)分別進行實證分析,并對四個模型的結(jié)果做出比較與評價。研究結(jié)果表明,采用兩套指標體系分別構(gòu)建的邏輯回歸模型對發(fā)生財務(wù)危機公司的預(yù)測準確率達到16.7%和33.3%,而BP神經(jīng)網(wǎng)絡(luò)的預(yù)測準確率分別達到50%和83.3%,可見基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的財務(wù)危機預(yù)警模型準確率比邏輯回歸模型有明顯的提升;同時,引入非財務(wù)指標的指標體系對財務(wù)危機預(yù)警的效果比財務(wù)指標體系有明顯的提升。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)概率值的大小超過閾值時,我們就可以判定企業(yè)財務(wù)狀況不容樂觀,需要采取措施來控制風(fēng)險;同時,本文的研究還可以作為鋼鐵行業(yè)及企業(yè)自身進行財務(wù)危機預(yù)警研究時的參考方法。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：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)是一種利用類似于大腦神經(jīng)結(jié)構(gòu)進行信息處理的數(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，神身也是對某種算法和函數(shù)的無限逼近�，F(xiàn)今的神經(jīng)網(wǎng)絡(luò)最常用于分類工神經(jīng)網(wǎng)絡(luò)有著多種衍生算法，其中最重要的有感知機、反向傳播、Ｈｏｐｆｉ自組織映射等，而感知機的概念是其基礎(chǔ)。逡逑（一）感知機的概念逡逑知機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，但是感知機在人的發(fā)展史上有著非常突出的地位。逡逑知機的基本結(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)輸入值趨向于負無窮時，則最終的輸出值被映射為０，趨于正無逡逑

可以確定基于財務(wù)指標的ＢＰ神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)是２２＊８＊１。逡逑第二步，對ＢＰ神經(jīng)網(wǎng)絡(luò)的誤差反向傳播的迭代次數(shù)進行測試，通過遍歷逡逑１－５００次的迭代過程，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)試驗逡逑可以發(fā)現(xiàn)，當(dāng)模型的訓(xùn)練周期達到３０次時，模型誤判率己經(jīng)基本保持不變，逡逑模型誤判率此時處于收斂狀態(tài)。同時考慮到過大的迭代次數(shù)會引起神經(jīng)網(wǎng)絡(luò)模型逡逑過擬合的情況，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３Ｐ網(wǎng)絡(luò)的訓(xùn)練過程中，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)過程中，學(xué)習(xí)率的選擇對模型影響較大。若學(xué)習(xí)率值設(shè)置得過逡逑３８逡逑

【參考文獻】

相關(guān)期刊論文 前10條

1 劉玉敏;劉莉;任廣乾;;基于非財務(wù)指標的上市公司財務(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)的財務(wù)危機預(yù)警研究[J];財會通訊;2016年01期

3 卜洪運;張艷鳳;;基于粗糙集的鋼鐵業(yè)上市公司財務(wù)狀況評價[J];會計之友;2014年08期

4 李紅梅;田景鮮;;公司財務(wù)危機預(yù)警模型比較研究——以A股制造業(yè)上市公司為例[J];財會月刊;2013年10期

5 寧青青;祖明;;企業(yè)財務(wù)危機誘因的廣角透視與實證研究[J];華東經(jīng)濟管理;2013年03期

6 楊洋;吳應(yīng)宇;;董事會治理對公司成長的影響——基于我國A股上市公司前500強的經(jīng)驗數(shù)據(jù)[J];西安電子科技大學(xué)學(xué)報(社會科學(xué)版);2011年03期

7 劉振棟;劉麗;王中海;;基于因子分析和聚類分析的鋼鐵行業(yè)上市公司績效評價[J];冶金經(jīng)濟與管理;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)險識別中的應(yīng)用[J];統(tǒng)計與決策;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務(wù)危機預(yù)警研究[J];數(shù)理統(tǒng)計與管理;2009年02期

10 劉新允;龐清樂;;基于粗糙集神經(jīng)網(wǎng)絡(luò)的財務(wù)危機預(yù)警方法[J];統(tǒng)計與決策;2008年13期

相關(guān)會議論文 前1條

1 王克敏;姬美光;;公司ST成因與預(yù)警研究——基于財務(wù)與非財務(wù)指標的比較分析[A];中國會計學(xué)會2006年學(xué)術(shù)年會論文集（中冊）[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)挖掘的上市公司財務(wù)診斷研究[D];浙江財經(jīng)大學(xué);2016年

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

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

本文編號：2795358