学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的制造业上市公司财务预警分析

作　者: 陈茜
导　师: 梁小林
学　校: 长沙理工大学
专　业: 应用统计
关键词: 财务危机支持向量机上市公司加权平均
分类号: F275
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

上市公司是我国资本市场发展的基础,其运行的好坏直接关系到资本市场的兴衰,因此我们需要在上市公司发生财务危机之前,对其财务状况做预警分析。本文以支持向量机为研究工具,旨在建立有效的财务预警模型。在综合了国内外研究现状基础上结合对财务危机概念的界定,利用支持向量机理论基础建立数学模型进行财务危机的预测。本文选取2008-2009年的20家发生财务危机的上市公司和与其配对的20家财务正常的公司为建模样本,以2010年的30家上市公司(其中财务正常和发生财务危机的上市公司各15家)为验模样本,用来检验模型的好坏。一共选取了19个财务指标,通过一系列的指标筛选,利用上市公司发生财务危机的前三年的财务指标数据分别建立模型,来预测验模样本是否会发生财务危机,预测的精度分别为63.3%,90%,90%。由于只是运用单年的财务指标数据来建立模型,数据的信息量比较小,不同年份的财务指标数据产生的预测精度也不同,因此本文试图将上市公司发生财务危机的前三年的财务指标数据做加权平均,权重为前三年财务指标单年的预测精度与三年总的预测精度之比,这样既能保证更大范围的运用数据信息,又能根据不同年份对预测精度的贡献程度不同选择不同的权重,使得最终的预测精度更为准确。经过试验,得到的预测精度为96.7%,这比使用单年财务指标数据进行预测的精度要高。本文以制造业的上市公司为样本进行试验得到了较好的结果,可以尝试将此种方法推广到其他行业的财务危机预警中。

全文目录

摘要  6-7
Abstract  7-10
第一章绪言  10-18
  1.1 研究背景与研究意义  10-11
    1.1.1 研究背景  10
    1.1.2 研究意义  10-11
  1.2 国内外研究现状  11-16
    1.2.1 国外研究现状  12-14
    1.2.2 国内研究现状  14-16
  1.3 本文的结构安排  16-18
第二章财务危机含义的界定  18-21
  2.1 国外对财务危机含义的界定  18-19
  2.2 国内对财务危机含义的界定  19
  2.3 国内关于特别处理的制度  19-20
  2.4 本文对财务危机含义的界定  20-21
第三章支持向量机的理论基础与核心内容  21-32
  3.1 传统机器学习与统计学习理论  21-24
    3.1.1 传统机器学习  21
    3.1.2 统计学习理论  21-24
  3.2 支持向量机  24-32
    3.2.1 支持向量机的简介  24
    3.2.2 线性分类器  24-28
    3.2.3 非线性分类器  28-30
    3.2.4 核函数  30-32
第四章研究样本及财务预警指标的选取  32-40
  4.1 研究样本的选取  32-33
  4.2 财务预警指标的确定  33-37
  4.3 研究样本预警时间的确定  37
  4.4 财务预警指标显著性检验的简介  37-40
第五章基于支持向量机的制造业上市公司的财务预警模型的构建  40-57
  5.1 财务预警指标的筛选方法  40
  5.2 财务预警指标筛选的结果  40-49
    5.2.1 t-3年的指标显著性检验的结果  40-43
    5.2.2 t-2年的指标显著性检验的结果  43-46
    5.2.3 t-1年的指标显著性检验的结果  46-49
  5.3 模型的构建与预测  49-52
    5.3.1 t-3年的指标用于模型的构建与预测  49-50
    5.3.2 t-2年的指标用于模型的构建与预测  50-51
    5.3.3 t-1年的指标用于模型的构建与预测  51-52
  5.4 模型的改进与预测  52-57
    5.4.1 指标的筛选  52-55
    5.4.2 模型的改进与预测  55-57
研究结论  57-59
参考文献  59-61
致谢  61

基于支持向量机的制造业上市公司财务预警分析

内容摘要

全文目录

相似论文