隨著全球經濟的快速發(fā)展,作為實體經濟中最重要的制造業(yè),已經日益成為國家發(fā)展的中堅力量,在各國的經濟發(fā)展中占有舉足輕重的地位。由于經濟學理論的迅速發(fā)展以及金融工具的不斷進步,企業(yè)在籌資和投資方面擁有了更多的自由,但同時,企業(yè)的發(fā)展也面臨更多的風險和不確定性因素,制造業(yè)企業(yè)也不例外,加上全球制造業(yè)的激烈競爭,制造業(yè)企業(yè)在其生產經營活動中也會遇到各種的不確定因素,一旦企業(yè)不能及時有效的預防存在的風險,企業(yè)將會陷入危機,甚至破產。在這樣的情況下,企業(yè)各利益相關者應當關注對財務危機的預測,并將其視為主要風險之一。建立一個及時、有效、準確的財務預警模型,對于管理者防范經營風險,投資者做出正確地投資決策,政府優(yōu)化資源配置,債權人保證債券資產的安全,員工工資的發(fā)放都有著重要的意義。本文通過對國內外有關企業(yè)財務危機預警相關文獻和研究成果進行歸納總結,并以此為基礎,首先,從滬、深兩市A股上市公司中選取87家財務危機企業(yè)以及261家財務健康企業(yè)作為配對,其次,按照相關性、預測性、全面性、適應性等原則選取了27個財務指標和14個非財務指標,然后,利用灰色關聯(lián)分析和模糊綜合評價方法分別對各財務指標和非財務指標進行處理,最后,為了建立動態(tài)的財務預警模型,本文將灰色預測模型中的預測數據帶入到已優(yōu)化的神經網絡模型中建立灰色神經網絡,此模型結合了灰色預測模型和神經網絡模型各自的優(yōu)點,通過仿真預測結果,成功的判斷了上市制造業(yè)企業(yè)的財務危機和財務健康,為管理者了解企業(yè)財務狀況,預防財務危機的發(fā)生提供重要的依據。研究結果表明：(1)較少的財務指標就可以有效地反應出企業(yè)是否陷入財務危機。(2)利用模糊綜合評價法可以有效的處理非財務指標,提升模型的運算速度,減少人工統(tǒng)計成本。(3)灰色系統(tǒng)理論、模糊綜合理論與BP神經網絡串聯(lián)式結合建立的灰色神經網絡模型是良好的動態(tài)預警模型。(4)通過預警樣本的實證分析,灰色神經網絡預警模型可以為管理者提供有關制造業(yè)上市公司的財務狀況,幫助企業(yè)的管理層針對不同財務危機狀況做出正確的決策,保證企業(yè)正常的運營。
【學位單位】：蘭州大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：F406.7;F425
【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
        1.2.1 理論價值
        1.2.2 現(xiàn)實意義
    1.3 文獻綜述
        1.3.1 國外研究綜述
        1.3.2 國內研究綜述
    1.4 研究方法和內容框架
        1.4.1 研究方法
        1.4.2 研究內容框架
    1.5 創(chuàng)新點與不足
        1.5.1 本文的創(chuàng)新點
        1.5.2 本文存在的不足
第二章 相關概念界定以及理論基礎
    2.1 財務危機的定義
        2.1.1 財務危機的國外定義
        2.1.2 財務危機的國內定義
        2.1.3 本文對于財務危機的定義
    2.2 財務預警概念
    2.3 財務預警功能
    2.4 基礎理論
        2.4.1 灰色系統(tǒng)理論
        2.4.2 BP神經網絡系統(tǒng)理論
        2.4.3 灰色系統(tǒng)理論與BP神經網絡的融合
    2.5 模糊綜合評價概述
        2.5.1 模糊綜合評價
        2.5.2 模糊綜合評判模型的建立
第三章 財務預警樣本和預警指標概述
    3.1 財務預警樣本的由來及統(tǒng)計分析
        3.1.1 研究樣本的由來
        3.1.2 樣本期的確定
        3.1.3 研究樣本配對原則
        3.1.4 樣本公司的描述性統(tǒng)計分析
    3.2 預警指標的選取
        3.2.1 選取預警指標的原則
        3.2.2 關于財務指標體系的選取
        3.2.3 關于非財務指標的選取
第四章 制造業(yè)上市公司財務危機預警模型構建
    4.1 預警指標的篩選
        4.1.1 灰色關聯(lián)度分析
        4.1.2 相關性檢測
    4.2 非財務指標的模糊處理
    4.3 BP神經網絡建立
        4.3.1 數據的預處理
        4.3.2 神經網絡的構建
        4.3.3 模型的優(yōu)化
    4.4 動態(tài)預警與檢驗
第五章 結論與展望
參考文獻
在學期間的研究成果
致謝
附錄A
附錄B MATLAB程序

【參考文獻】

相關期刊論文 前8條

1 李正;王軍;白中科;郭義強;余莉;;貴州省土地利用及其生態(tài)系統(tǒng)服務價值與灰色預測[J];地理科學進展;2012年05期

2 黎繼子,方呈祥;基于人工神經網絡的港口泊位建設模糊評估[J];中國港灣建設;1999年03期

3 楊毓;蒙肖蓮;;用支持向量機(SVM)構建企業(yè)破產預測模型[J];金融研究;2006年10期

4 鄧琦;馮清璽;鄧聚尤;;地下水位控制系統(tǒng)及最優(yōu)灰色決策——人民勝利渠的灌溉決策[J];自動化學報;1985年02期

5 陸琦,郭宗樓,姚杰;灰色神經網絡模型在湖泊水質預測中的應用[J];農機化研究;2004年03期

6 胡啟洲;張衛(wèi)華;;城市公交線網優(yōu)化的灰色關聯(lián)度決策模型[J];系統(tǒng)工程學報;2007年06期

7 陳文浩,郭麗紅;企業(yè)財務危機的原因分析[J];浙江財稅與會計;2001年10期

8 吳世農;黃世忠;;企業(yè)破產的分析指標和預測模型[J];中國經濟問題;1987年06期

本文編號：2871093