發(fā)布時(shí)間：2022-02-24 11:30

　　目前,在國(guó)家的高度關(guān)注下,高新技術(shù)企業(yè)的總體發(fā)展突飛猛進(jìn)。2016年,高新技術(shù)企業(yè)認(rèn)定的管理辦法再次得到修訂;2019年,科創(chuàng)板設(shè)立,以促使科技創(chuàng)新和資本市場(chǎng)能夠深度融合。至今,在關(guān)于如何加大支持科技創(chuàng)新力度的問題上,我國(guó)的資本市場(chǎng)已經(jīng)進(jìn)行了很多的探索和努力。在全球性的金融危機(jī)爆發(fā)后,各國(guó)對(duì)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)和財(cái)務(wù)危機(jī)問題都格外重視。企業(yè)如何盡早預(yù)警財(cái)務(wù)危機(jī)并且采取相應(yīng)的有效措施,使企業(yè)能夠在財(cái)務(wù)危機(jī)發(fā)生的萌芽階段就加以有效遏止,十分值得進(jìn)一步的探討和深究。同時(shí),相比普通企業(yè),高新技術(shù)企業(yè)對(duì)研發(fā)支出巨大的投入以及研發(fā)創(chuàng)新成果轉(zhuǎn)化率的高度不確定促使其發(fā)生財(cái)務(wù)危機(jī)的可能性必然加倍。因此,為了提高高新技術(shù)企業(yè)在面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)時(shí)應(yīng)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)、防御財(cái)務(wù)危機(jī)的能力,降低財(cái)務(wù)危機(jī)發(fā)生的可能,從而促使企業(yè)穩(wěn)健發(fā)展,針對(duì)高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警的相關(guān)探索至關(guān)重要。本文結(jié)合了高新技術(shù)企業(yè)自身的特點(diǎn),研究分析其財(cái)務(wù)危機(jī)的成因和預(yù)警過程,并以此為基礎(chǔ)選取財(cái)務(wù)信息和非財(cái)務(wù)信息兩類相結(jié)合的綜合預(yù)警指標(biāo),以ST（被特別處理）高新技術(shù)企業(yè)和非ST（正常）高新技術(shù)企業(yè)前兩年的截面數(shù)據(jù)作為研究樣本。綜合初步選取的指標(biāo)特征... 

【文章來源】：山東大學(xué)山東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國(guó)內(nèi)外研究綜述
        1.2.1 財(cái)務(wù)危機(jī)概念界定的研究綜述
        1.2.2 財(cái)務(wù)危機(jī)預(yù)警指標(biāo)選擇的研究綜述
        1.2.3 財(cái)務(wù)危機(jī)預(yù)警模型的研究綜述
        1.2.4 高新技術(shù)企業(yè)的研究綜述
    1.3 研究思路與研究方法
    1.4 論文研究框架及創(chuàng)新點(diǎn)
第二章 相關(guān)理論介紹
    2.1 Logistic回歸模型
        2.1.1 Logistic回歸模型原理
        2.1.2 Logistic回歸模型的目標(biāo)函數(shù)
        2.1.3 Logistic回歸模型的正則化
    2.2 集成學(xué)習(xí)
        2.2.1 隨機(jī)森林
        2.2.2 XGBoost模型
    2.3 BP神經(jīng)網(wǎng)絡(luò)模型
        2.3.1 BP神經(jīng)元
        2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型
    2.4 分類模型評(píng)估
第三章 高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系的構(gòu)建
    3.1 實(shí)證樣本和數(shù)據(jù)的選取
    3.2 高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)的初步選取
    3.3 高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)的篩選
        3.3.1 顯著性檢驗(yàn)
        3.3.2 包裝法篩選指標(biāo)
    3.4 本章小結(jié)
第四章 高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的建立
    4.1 Logistic回歸模型
    4.2 XGBoost模型
    4.3 BP神經(jīng)網(wǎng)絡(luò)模型
        4.3.1 BP神經(jīng)網(wǎng)絡(luò)模型
        4.3.2 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型
    4.4 模型融合
    4.5 模型對(duì)比分析
第五章 結(jié)論與建議
    5.1 結(jié)論
    5.2 建議
參考文獻(xiàn)
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3642631