【摘要】：信用風險是企業(yè)運行過程中會面臨的主要風險之一,是研究企業(yè)管理領域不可或缺的一塊研究內(nèi)容。我國旅游業(yè)雖然起步較晚,但是作為我國的朝陽產(chǎn)業(yè),旅游業(yè)具備很好的發(fā)展前景。然而在旅游公司大量涌現(xiàn)的同時,也出現(xiàn)了一些公司治理結(jié)構不合理、同行惡性競爭、內(nèi)部管理混亂、信用出現(xiàn)危機等問題。尤其是信用風險不僅使得企業(yè)遭受巨大的損失,也影響了企業(yè)甚至整個旅游行業(yè)的發(fā)展。因此,如何有效的預測企業(yè)的信用風險,使得企業(yè)及時采取措施加以控制和防范,已經(jīng)成為了企業(yè)和學者關注的重要問題。 本文首先選取了在上海和深圳證券交易所交易上市的28家旅游上市公司作為信用風險預測的企業(yè)樣本,并采用全樣本的形式進行實驗。結(jié)合指標變量的選取原則選取了15個財務比率作為樣本變量,收集了企業(yè)2001年到2010年的數(shù)據(jù)形成數(shù)據(jù)集。經(jīng)過數(shù)據(jù)的預處理,并對其作出充分的統(tǒng)計描述,分析了數(shù)據(jù)的均值和標準差的變化,同時進行了正態(tài)性檢驗,證明樣本對信用風險預測方法進行實驗的適用性。為了消除不同數(shù)量級的影響,進行了數(shù)據(jù)的標準化處理。 其次分兩種方法進行實證研究。第一種是將數(shù)據(jù)集進行四種不同方法的處理,分別是標準化、Random-sampling算法、流形學習、結(jié)合Random-sampling算法和流形學習。通過三種模型MDA、Logit、Probit的分析比較,得出預測準確率,從而驗證了本文采用的Random-sampling算法均衡數(shù)據(jù)和結(jié)合流形學習中的ISOMAP和LLE算法降維處理的方法是有效的,且找出了最佳的預測模型為Logit模型,這種數(shù)據(jù)的處理方法和Logit模型的結(jié)合產(chǎn)生的預測準確率達到了最佳,且得出越接近ST的年份預測準確率越高。另一種方法是結(jié)合了因子分析和Logit模型進行預測,得到的模型有良好的模擬效果,最終也達到了較好的預測準確率,同時具體分析了我國旅游上市公司信用風險預測的影響指標,從而得出了企業(yè)在經(jīng)營過程中應該重視的財務指標以及其波動情況,并給出了相應的建議,可以避免公司出現(xiàn)信用風險。 本文對我國旅游上市公司的信用風險預測的方法研究,能夠為企業(yè)開展信用風險預測提供技術支持,也豐富了預測的實驗方法,具有一定的理論和實際意義。
[Abstract]:Credit risk is one of the main risks that enterprises will face in the course of operation, and it is an indispensable research content in the field of enterprise management. Although the tourism industry of our country starts late, as the sunrise industry of our country, the tourism industry has a very good development prospect. However, with the emergence of a large number of tourism companies, there are also some problems such as unreasonable corporate governance structure, vicious competition among peers, confusion in internal management, credit crisis, and so on. Especially credit risk not only makes enterprises suffer huge losses, but also affects the development of enterprises and even the whole tourism industry. Therefore, how to effectively predict the credit risk of enterprises, so that enterprises take timely measures to control and prevent, has become an important issue that enterprises and scholars pay attention to. In this paper, 28 listed tourism companies listed on the Shanghai and Shenzhen stock exchanges are selected as samples for credit risk prediction, and the experiments are carried out in the form of full samples. Combined with the selection principle of index variables, 15 financial ratios are selected as sample variables, and the data set of enterprises from 2001 to 2010 is collected. After data preprocessing and sufficient statistical description, the variation of the mean value and standard deviation of the data is analyzed. At the same time, the normality test is carried out to prove the applicability of the sample to the credit risk prediction method. In order to eliminate the influence of different orders of magnitude, the data are standardized. Secondly, it is divided into two methods to carry on the empirical research. The first is to process data sets in four different ways: standardization, Random-sampling algorithm, manifold learning, combined with Random-sampling algorithm and manifold learning. Through the analysis and comparison of the three MDA,Logit,Probit models, the prediction accuracy is obtained, which verifies the effectiveness of the Random-sampling equalization algorithm and the ISOMAP and LLE algorithms in manifold learning. The best prediction model is Logit model. The combination of the data processing method and the Logit model results in the best prediction accuracy, and the higher the prediction accuracy is, the closer it is to the ST. Another method is to combine factor analysis and Logit model to predict, the obtained model has good simulation effect, and finally achieved a better prediction accuracy. At the same time, it analyzes the influence index of the credit risk forecast of the tourism listed company in our country, and obtains the financial index and its fluctuation situation which the enterprise should pay attention to in the course of operation, and gives the corresponding suggestion. The company can avoid credit risk. In this paper, the research on the methods of credit risk prediction of tourism listed companies in China can provide technical support for enterprises to carry out credit risk prediction, and enrich the experimental methods of prediction, which has certain theoretical and practical significance.
【學位授予單位】：浙江師范大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：F592.6;F224

【相似文獻】

相關期刊論文 前10條

1 張凌云;1996年旅游上市公司評析[J];旅游學刊;1997年03期

2 鄒永松;;我國旅游業(yè)上市公司的基本情況及其發(fā)展策略[J];求實;2006年S1期

3 梁正寧;旅游上市公司的資產(chǎn)重組及應注意的若干問題[J];旅游學刊;2000年05期

4 梁正寧;旅游上市公司的資產(chǎn)重組及應注意的若干問題[J];桂林旅游高等�？茖W校學報;2000年03期

5 王磊;馬然;;旅游上市公司多元化經(jīng)營現(xiàn)象初探[J];中國商貿(mào);2010年22期

6 付磊;旅游業(yè) 熱了市場,冷了資本[J];新財經(jīng);2001年05期

7 李濤;;淺析我國旅游上市公司多元化經(jīng)營戰(zhàn)略[J];現(xiàn)代經(jīng)濟信息;2008年12期

8 張文喜,劉逢敏;旅游上市公司現(xiàn)金流量分析[J];商業(yè)研究;2001年10期

9 王璐;李毅;;我國酒店類旅游上市公司收益質(zhì)量影響因素分析[J];商業(yè)會計;2008年06期

10 唐霞;;我國旅游上市公司股權結(jié)構與經(jīng)營績效的實證分析[J];旅游科學;2006年02期

相關會議論文 前10條

1 李麗;周宗放;賴娟;楊杰;張紹宗;肖磊;;關聯(lián)擔保下母子公司信用風險傳染分析[A];第五屆（2010）中國管理學年會——商務智能分會場論文集[C];2010年

2 蔣益民;;對中國商業(yè)銀行信用風險壓力測試的幾點思考[A];“中國視角的風險分析和危機反應”——中國災害防御協(xié)會風險分析專業(yè)委員會第四屆年會論文集[C];2010年

3 劉姝威;;信用風險的測量與管理[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 劉姝威;;信用風險的測量與管理[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

5 劉文蕊;張目;周宗放;;基于粗糙集和遺傳算法的企業(yè)集團信用風險識別[A];“中國視角的風險分析和危機反應”——中國災害防御協(xié)會風險分析專業(yè)委員會第四屆年會論文集[C];2010年

6 王喜平;閆麗瑩;;基于熵權的電力上市公司信用風險模糊評價[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

7 楊揚;周宗放;;基于科層結(jié)構的我國集團上市公司信用風險實證研究[A];第六屆（2011）中國管理學年會——商務智能分會場論文集[C];2011年

8 徐超;周宗放;;基于多智能體的信用卡信用風險仿真研究[A];第六屆（2011）中國管理學年會——系統(tǒng)管理與復雜性科學分會場論文集[C];2011年

9 李如一;;確定修剪系數(shù)的結(jié)構方法與具有風險抵押的信用風險的定價[A];管理科學與系統(tǒng)科學研究新進展——第7屆全國青年管理科學與系統(tǒng)科學學術會議論文集[C];2003年

10 韓立巖;鄭承利;楊哲彬;;基于模糊期權的市政債券信用風險分析[A];第12屆全國模糊系統(tǒng)與模糊數(shù)學學術年會論文集[C];2004年

相關重要報紙文章 前10條

1 吳紅軍;農(nóng)合機構謹防信用風險[N];金融時報;2007年

2 記者 桂雪琴;海外貿(mào)易須警惕信用風險[N];中國船舶報;2008年

3 本報記者 閆立良;中國首批信用風險緩釋合約5日正式上線[N];證券日報;2010年

4 睢穎;論信用風險的社會控制[N];河北經(jīng)濟日報;2002年

5 記者 韓雪萌;銀監(jiān)會支持信用風險衍生產(chǎn)品創(chuàng)新[N];金融時報;2005年

6 秦媛娜;信用風險按級論價 短融發(fā)行利率跳高[N];上海證券報;2007年

7 記者 宋西林;中國信保力助企業(yè)“抗寒”[N];中國企業(yè)報;2008年

8 南通市對外貿(mào)易委員會 鄭興鐸;外貿(mào)企業(yè)信用風險的控制[N];中國財經(jīng)報;2000年

9 馬一兵;國際貿(mào)易中對海運信用風險的防范[N];國際商報;2001年

10 趙曉強;規(guī)范關聯(lián)交易防范信用風險[N];經(jīng)濟日報;2004年

相關博士學位論文 前10條

1 羅長青;信用風險相關性度量模型的構建及其應用研究[D];湖南大學;2012年

2 徐志春;我國商業(yè)銀行中小企業(yè) 信用風險管理研究[D];華中科技大學;2012年

3 顧乾屏;商業(yè)銀行法人客戶信用風險模型研究[D];清華大學;2009年

4 陳澤鵬;新創(chuàng)小型企業(yè)間接融資的信用風險評價研究[D];華南理工大學;2011年

5 熊大永;信用風險理論與應用研究[D];復旦大學;2003年

6 張健;信用風險的度量與管理研究[D];復旦大學;2003年

7 王國棟;信用風險參數(shù)估計的若干問題研究[D];天津大學;2009年

8 劉小坤;企業(yè)債券：信用風險與市場監(jiān)管研究[D];復旦大學;2005年

9 楊軍;關于國有商業(yè)銀行信用風險成因與識別的研究[D];清華大學;2003年

10 方先明;商業(yè)銀行信用風險預警管理系統(tǒng)研究[D];河海大學;2004年

相關碩士學位論文 前10條

1 王光;信用風險計量方法及我國銀行應用的研究[D];廈門大學;2002年

2 陳開方;國有商業(yè)銀行的信用風險管理研究[D];武漢理工大學;2003年

3 吳文靜;基于KMV模型的不同地區(qū)上市公司信用風險的比較分析[D];浙江工商大學;2010年

4 熊楓;中國信用風險管理問題研究[D];華中師范大學;2004年

5 張琴;供應鏈信用風險控制研究[D];武漢理工大學;2010年

6 鄧善科;基于內(nèi)部評級法（IRB）的我國商業(yè)銀行客戶信息風險測量研究[D];浙江理工大學;2010年

7 柏雪怡;基于KMV模型的中小上市公司信用風險評價研究[D];東華大學;2011年

8 羅然然;銀行零售業(yè)務信用風險建模問題研究[D];西南財經(jīng)大學;2005年

9 趙妍;C-C電子商務中的信用風險和信用評級方法研究[D];北京郵電大學;2010年

10 王九龍;消費貸款中信用風險的評估研究[D];四川農(nóng)業(yè)大學;2010年

，

本文編號：2378638