本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的上市公司財務(wù)診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：截至2015年9月,根據(jù)同花順金融數(shù)據(jù)庫的實時數(shù)據(jù)可知我國滬深兩市共有上市公司2883家,其中制造業(yè)上市公司就有1828家,由此可見,制造業(yè)上市公司在我國國民經(jīng)濟中占有非常重要的地位。制造業(yè)上市公司的健康發(fā)展對拉動就業(yè)、增加政府財政收入、促進GDP增長、帶動相關(guān)產(chǎn)業(yè)的發(fā)展都有著重要貢獻。因此,有效控制制造業(yè)上市公司的財務(wù)風(fēng)險,避免其陷入財務(wù)危機的重要性不言而喻,構(gòu)建面向制造業(yè)上市公司的財務(wù)危機診斷模型具有實用價值。本文通過對財務(wù)診斷的實證研究,建立適合我國滬深兩市A股制造業(yè)上市公司的指標(biāo)體系,同時也為其它行業(yè)提供借鑒。通過對財務(wù)危機、財務(wù)診斷以及我國制造業(yè)上市公司的理論研究,明確了我國制造業(yè)上市公司發(fā)生財務(wù)危機的根源、未來將要發(fā)生財務(wù)危機的各種征兆以及如何從上市公司的內(nèi)部和外部進行相應(yīng)的防范。本文的研究問題是通過選取的160家2011年的制造業(yè)上市公司財務(wù)數(shù)據(jù)來對2014年這些企業(yè)的財務(wù)狀況進行預(yù)測,從而判斷這些企業(yè)在2014年是否有被退市警告(*ST)的風(fēng)險。本文靈活運用數(shù)據(jù)挖掘工具,將統(tǒng)計分析類工具中的聚類分析和知識發(fā)現(xiàn)類工具中的灰色關(guān)聯(lián)分析結(jié)合使用,從相關(guān)性和重要性兩個角度出發(fā)篩選用于財務(wù)診斷的指標(biāo),構(gòu)建了更加精準(zhǔn)的財務(wù)診斷指標(biāo)體系。之后針對財務(wù)診斷領(lǐng)域常用的三種預(yù)測方法——Logistic回歸、CART決策樹以及BP神經(jīng)網(wǎng)絡(luò),依次將篩選出的指標(biāo)用于這三種模型進行預(yù)測。結(jié)果顯示,在對*ST企業(yè)預(yù)測方面,Logistic回歸模型和CART決策樹模型的預(yù)測正確率都沒有BP神經(jīng)網(wǎng)絡(luò)高,分別為70%和75%,而BP神經(jīng)網(wǎng)絡(luò)的正確率達到了80%;對財務(wù)健康企業(yè)預(yù)測方面,Logistic回歸模型和CART決策樹模型的預(yù)測正確率都比BP神經(jīng)網(wǎng)絡(luò)高,分別達到了86.67%和88.33%,而BP神經(jīng)網(wǎng)絡(luò)的正確率只有73.33%。以上結(jié)果可以看出,初選指標(biāo)經(jīng)過基于聚類及灰色關(guān)聯(lián)分析方法的篩選以后,三種模型的預(yù)測效果都比較好,并且這三種模型在對*ST企業(yè)和財務(wù)健康企業(yè)的預(yù)測各有所長。研究者在實際運用當(dāng)中應(yīng)合理選擇某一種模型,也可以將多種方法結(jié)合使用,提高預(yù)測的精度。
【關(guān)鍵詞】：上市公司 財務(wù)診斷 數(shù)據(jù)挖掘
【學(xué)位授予單位】：浙江財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP311.13;F275
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-19
• 1.1 研究背景9-10
• 1.2 研究目的和意義10-13
• 1.3 國內(nèi)外研究動態(tài)13-16
• 1.4 研究方法和技術(shù)路線16-17
• 1.5 論文的創(chuàng)新點17-19
• 第2章 財務(wù)診斷及數(shù)據(jù)挖掘理論概述19-33
• 2.1 財務(wù)診斷理論概述19-23
• 2.2 數(shù)據(jù)挖掘理論概述23-33
• 第3章 面向財務(wù)診斷的數(shù)據(jù)挖掘模型設(shè)計33-39
• 3.1 財務(wù)診斷模型的設(shè)計思想34-35
• 3.2 面向財務(wù)診斷的數(shù)據(jù)挖掘模型流程概述35-39
• 第4章 面向財務(wù)診斷的數(shù)據(jù)挖掘?qū)嵶C研究39-57
• 4.1 基于聚類-灰色關(guān)聯(lián)分析的財務(wù)診斷指標(biāo)篩選39-49
• 4.2 財務(wù)診斷的數(shù)據(jù)挖掘過程49-55
• 4.3 財務(wù)診斷的數(shù)據(jù)挖掘效果評價55-57
• 第5章 結(jié)論、不足和展望57-60
• 5.1 結(jié)論57
• 5.2 不足和展望57-60
• 參考文獻60-64
• 附錄 1：2014年財務(wù)健康公司樣本64-65
• 附錄 2：2014年財務(wù)危機公司樣本65-66
• 附錄 3：重要代碼66-74
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文情況74-75
• 致謝75-76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊紅波;鄭劍;;基于改進聚類分析的神經(jīng)網(wǎng)絡(luò)集成方法應(yīng)用研究[J];計算機工程與科學(xué);2015年05期

2 張宇獻;李松;董曉;;基于特征聚類數(shù)據(jù)劃分的多神經(jīng)網(wǎng)絡(luò)模型[J];信息與控制;2013年06期

3 劉思峰;蔡華;楊英杰;曹穎;;灰色關(guān)聯(lián)分析模型研究進展[J];系統(tǒng)工程理論與實踐;2013年08期

4 鮑新中;楊宜;;基于聚類-粗糙集-神經(jīng)網(wǎng)絡(luò)的企業(yè)財務(wù)危機預(yù)警[J];系統(tǒng)管理學(xué)報;2013年03期

5 劉飛虎;羅曉光;;基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行財務(wù)風(fēng)險評價研究[J];投資研究;2013年03期

6 張雨濃;陳俊維;劉錦榮;曲璐;黎衛(wèi)兵;;基于權(quán)值與結(jié)構(gòu)確定法的單極Sigmoid神經(jīng)網(wǎng)絡(luò)分類器[J];計算機應(yīng)用;2013年03期

7 龔小鳳;;基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)財務(wù)危機預(yù)警變量改進探索[J];財經(jīng)問題研究;2012年12期

8 任金政;劉璇;;我國制造業(yè)上市公司財務(wù)危機預(yù)警研究[J];商業(yè)研究;2012年03期

9 岳彩信;;國有企業(yè)財務(wù)危機預(yù)警模型實證研究[J];會計之友;2012年06期

10 李學(xué)軍;;基于主成分分析的上市公司財務(wù)危機預(yù)警模型研究[J];工業(yè)技術(shù)經(jīng)濟;2011年07期

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的上市公司財務(wù)診斷研究，，由筆耕文化傳播整理發(fā)布。

本文編號：342069