上市公司的財(cái)務(wù)危機(jī)會(huì)帶來(lái)投資者的投資損失、公司員工的失業(yè)以及金融信貸難以收回等一系列嚴(yán)重后果。利用統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘?yàn)槲覈?guó)上市公司提供有效的財(cái)務(wù)預(yù)警是一個(gè)有重要意義的研究課題。本文基于多步因子分析法和人工智能分類的方法分別設(shè)計(jì)了三個(gè)主要的公司財(cái)務(wù)預(yù)警模型。首先,利用主成分分析法和多步驟提取因子的方法對(duì)上市公司的30個(gè)財(cái)務(wù)指標(biāo)進(jìn)行變量選擇并構(gòu)建了多因子分析的財(cái)務(wù)預(yù)警模型。其次,設(shè)計(jì)了基于因子分析的LSSVM-PSO智能單分類器。實(shí)驗(yàn)結(jié)果顯示,結(jié)合了多步因子分析的LSSVM-PSO具有更好預(yù)警效果。最后,設(shè)計(jì)了三個(gè)財(cái)務(wù)危機(jī)預(yù)警多分類器,分別利用BP神經(jīng)網(wǎng)絡(luò),決策樹和支持向量機(jī)集成Ada Boost_BP、AdaBoost_DT和AdaBoost_SVM的財(cái)務(wù)預(yù)警多分類器。實(shí)驗(yàn)結(jié)果表明,AdaBoost_DT的預(yù)警效果優(yōu)于AdaBoost_BP和AdaBoost_SVM的財(cái)務(wù)預(yù)警效果。本文主要有三個(gè)方面的創(chuàng)新:第一,利用多步因子分析法構(gòu)造了基于因子分析的上市公司...

【文章頁(yè)數(shù)】：41 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 課題背景及研究目的和意義
        1.1.1 課題背景
        1.1.2 研究目的和意義
    1.2 上市公司財(cái)務(wù)預(yù)警的國(guó)內(nèi)外研究現(xiàn)狀綜述
        1.2.1 上市公司財(cái)務(wù)預(yù)警中財(cái)務(wù)指標(biāo)的確定
        1.2.2 財(cái)務(wù)預(yù)警方法的研究現(xiàn)狀
    1.3 主要內(nèi)容和結(jié)構(gòu)
第二章 樣本公司及財(cái)務(wù)指標(biāo)體系的確立
    2.1 樣本公司的選擇
        2.1.1 樣本公司中發(fā)生財(cái)務(wù)危機(jī)的公司選取
        2.1.2 樣本公司中財(cái)務(wù)正常的公司選取
        2.1.3 樣本公司以及財(cái)務(wù)指標(biāo)體系選擇結(jié)果
    2.2 樣本公司數(shù)據(jù)及統(tǒng)計(jì)描述和檢驗(yàn)
        2.2.1 樣本公司財(cái)務(wù)數(shù)據(jù)的收集和預(yù)處理
        2.2.2 預(yù)處理后數(shù)據(jù)的描述性統(tǒng)計(jì)
第三章 因子分析法構(gòu)建上市公司的財(cái)務(wù)預(yù)警模型
    3.1 因子分析的基本原理
    3.2 因子分析法建模與結(jié)果檢驗(yàn)
        3.2.1 檢驗(yàn)原有變量進(jìn)行因子分析的可行性
        3.2.2 上市公司財(cái)務(wù)指標(biāo)的因子提取
        3.2.3 上市公司財(cái)務(wù)指標(biāo)的因子命名與解釋
        3.2.4 計(jì)算因子得分
    3.3 本章小結(jié)
第四章 人工智能單分類器在財(cái)務(wù)預(yù)警中的建模與應(yīng)用
    4.1 粒子群優(yōu)化最小二乘支持向量機(jī)(PSO-LSSVM)的財(cái)務(wù)預(yù)警
        4.1.1 PSO-LSSVM原理及算法流程
        4.1.2 PSO-LSSVM模擬結(jié)果
        4.1.3 基于因子分析的PSO-LSSVM財(cái)務(wù)預(yù)警
    4.2 本章小結(jié)
第五章 Adaboost多分類器在財(cái)務(wù)預(yù)警中的建模與應(yīng)用
    5.1 基于Adaboost_BP的財(cái)務(wù)預(yù)警模型
        5.1.1 Adaboost_BP原理及算法流程
        5.1.2 基于Adaboost_BP的財(cái)務(wù)預(yù)警模擬結(jié)果
    5.2 基于Adaboost_DT的財(cái)務(wù)預(yù)警
        5.2.1 Adaboost_DT原理及算法流程
        5.2.2 基于Adaboost_DT的財(cái)務(wù)預(yù)警模擬結(jié)果
    5.3 基于Adaboost_SVM的財(cái)務(wù)預(yù)警
        5.3.1 Adaboost_SVM原理及算法流程
        5.3.2 基于Adaboost_SVM的財(cái)務(wù)預(yù)警模擬結(jié)果
    5.4 本章小結(jié)
第六章 本文結(jié)論
    6.1 本文實(shí)證研究結(jié)果和創(chuàng)新
    6.2 本文展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3751761