学位论文 > 优秀研究生学位论文题录展示

基于遗传小波神经网络的财务危机预警模型研究

作　者: 时文超
导　师: 西凤茹
学　校: 辽宁科技大学
专　业: 工商管理
关键词: 财务危机预警主成分分析遗传算法小波神经网络
分类号: F275
类　型: 硕士论文
年　份: 2012年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

我国资本市场成立三十年来，得到了蓬勃发展，有力地支持了我国上市公司的发展，同时也遇到了许多挑战。因竞争的加剧，许多上公司因遭遇财务危机而被ST，甚至被迫退市，不仅影响了我国资本市场的正常发展，也给广大的投资者、债权人等利益相关者带来了巨大的经济损失。财务危机预警正是一种针对敏感性指标进行分析，找出企业可能会发生危机的信号的系统。财务危机预警研究可以帮助企业有效地避免财务危机的发生，对投资者、债权人及政府监管部门等都具有重要理论意义和现实意义。目前，各国学者结合本国国情，开展了关于如何建立有效的财务危机预警模型的相关研究，并已取得丰硕成果。在预警方法的选择上，传统的统计学方法应用最广泛，其中以Logistic回归为主，但多数统计学方法对数据有较多的假设条件，从而大大降低了其适用性。数据挖掘方法克服了统计学方法对样本数据的限制，实现输入到输出的任意非线性映射，建立起比统计学方法预测准确率和预测精度更高的预警模型。本文在国内外学者研究的基础上，将遗传算法和小波神经网结合在一起应用到我国制造业上市公司的财务危机预警中，构建了遗传算法优化的小波神经网络模型(GA-WNN)。模型兼备了小波分析和神经网络的优点，从而取得了较好的预测效果。同时将GA-WNN模型与Logistic模型、BP神经网络模型和支持向量机模型进行比较。无论是提前两年还是三年，GA-WNN神经网络模型的预测准确率都是最高的，总体预测精度分别为97%和88.7%，说明了GA-WNN神经网络不仅适用于短期财务预警，同时适用于中长期的财务危机预测，具有较大的应用价值。

全文目录

中文摘要  5-6
ABSTRACT  6-10
1. 绪论  10-15
  1.1 选题依据  10-13
    1.1.1 研究背景  10-11
    1.1.2 选题目的及意义  11-13
  1.2 论文撰写纲要  13-14
    1.2.1 研究思路  13
    1.2.2 研究方法  13-14
  1.3 本文创新点及预期研究成果  14-15
    1.3.1 本文创新点  14
    1.3.2 预期研究成果  14-15
2. 国内外研究现状综述  15-22
  2.1 财务危机的界定  15-16
    2.1.1 国外财务危机概念的界定  15
    2.1.2 国内财务危机概念的界定  15-16
    2.1.3 本文对财务危机概念的理解  16
  2.2 财务危机预警指标的选取  16-18
    2.2.1 现有文献中预警指标的选择  17
    2.2.2 预警指标选取方法评述  17-18
  2.3 财务危机预警模型  18-22
    2.3.1 国内外财务危机预警模型  18-20
    2.3.2 财务危机预警方法评述  20-22
3. 财务危机预警相关理论  22-39
  3.1 财务危机预警的理论依据  22
  3.2 财务危机预警的功能  22-23
  3.3 影响企业财务危机的因素  23-25
    3.3.1 外部因素  23-24
    3.3.2 内部因素  24-25
  3.4 小波神经网络理论  25-31
    3.4.1 小波神经网络概述  25-27
    3.4.2 小波神经网络参数调整算法  27-30
    3.4.3 小波神经网络结构设计  30-31
  3.5 遗传算法理论  31-39
    3.5.1 遗传算法的定义及特点  31-32
    3.5.2 遗传算法的操作  32-37
    3.5.3 遗传算法优化小波神经网络  37-39
4. 实证样本及指标选取  39-45
  4.1 样本选取  39-41
    4.1.1 研究期间  39
    4.1.2 研究样本选取  39-40
    4.1.3 财务危机样本选择  40
    4.1.4 财务危机配对样本选择  40-41
    4.1.5 样本分割  41
  4.2 预警指标体系构建  41-45
    4.2.1 财务危机预警指标选取标准  41-42
    4.2.2 初步选取的财务预警指标汇总  42-45
5. 财务危机预警模型建立及实证分析  45-60
  5.1 预警指标及数据的预处理  45-50
    5.1.1 正态性检验  45-47
    5.1.2 显著性检验  47-50
  5.2 预警指标的主成分分析  50-53
    5.2.1 原始数据标准化  50
    5.2.2 提取主成分因子  50-53
  5.3 GA-WNN 模型  53-55
  5.4 传统财务预警模型  55-58
    5.4.1 logistic 财务预警模型  55-56
    5.4.2 BP 神经网络财务预警模型  56
    5.4.3 SVM 财务预警模型  56-58
  5.5 实证结果分析  58-60
6. 研究结论和展望  60-62
  6.1 研究结论  60
  6.2 研究局限  60-61
  6.3 研究展望  61-62
参考文献  62-65
附录 A 训练和检测样本  65-66
附录 B t-3 年数据处理过程  66-70
附录 C 各模型计算结果  70-77
攻读硕士学位期间发表学术论文情况  77-78
致谢  78-79
作者简介  79-80

基于遗传小波神经网络的财务危机预警模型研究

内容摘要

全文目录

相似论文