学位论文 > 优秀研究生学位论文题录展示

基于支持向量机集成的高新技术企业财务预警研究

作　者: 袁小星
导　师: 庄思勇
学　校: 哈尔滨工业大学
专　业: 国际贸易学
关键词: 高新技术企业财务预警支持向量机集成模糊积分
分类号: F275
类　型: 硕士论文
年　份: 2012年
下　载: 28次
引　用: 0次
阅　读: 论文下载

内容摘要

高新技术产业的发展是当今世界经济、科技竞争的战略制高点，其重要性不言而喻。高新技术企业建立在重大科技创新基础之上，其主要特征是高投入、高风险和高收益，但是企业内外部环境变化，高新技术企业在资金管理和风险控制中要做到高效率、低成本和低风险。因此，建立一个系统高效的财务预警模型是高新技术企业风险管理的重要内容，对高新技术企业的相关利益主体有着重要意义。财务危机的表现形式为财务风险的不断积累进而规模化高强度化爆发，对高新技术企业财务危机预警进行研究可以监测企业的财务状况、提示企业应有的财务风险、辅助企业管理者决策进而采取措施防范企业的财务风险。高新技术企业财务活动受到利率税收、市场竞争、自主创新、资金管理、内部管控等宏观微观因素的影响，企业财务环境不断变化，在资金的流动中企业的财务风险不断传导积累。在此基础上，本文从偿债能力、运营能力、盈利能力、发展能力、现金流量、创新能力和公司治理6个方面选取了18个对预警结果有显著影响的预警指标。本文针对高新技术企业财务预警问题，在阅读大量国内外文献的基础上，根据支持向量机、集成学习和模糊积分的原理和应用优势，提出运用Bagging集成法和模糊积分融合法构建支持向量机集成财务预警模型。Bagging集成学习方法通过重新取样增加子分类器之间的差异度，提升模型的分类性能。模糊积分方法综合考虑了子分类器输出结果的可信度、子分类器的可信度、子分类器之间差异性三个方面对预测结果的交互影响，对最终结果进行融合优化，模型获得更好的推广性能和泛化能力。支持向量机集成方法能处理模型输入变量与输出变量的非线性关系，预测精度高、推广能力好、运算较为简单。本文研究了2007年被ST的32家高新技术企业和33家行业规模相对应的非ST企业样本，对样本前三年的数据进行了动态化处理。通过对单一支持向量机模型和支持向量机集成模型应用结果进行比较分析，表明本文提出的支持向量机集成模型比单一支持向量机模型的预测准确率更高且误判率更低，证实了该模型应用于实际的可行性和有效性，为高新技术企业建立可靠的财务危机预测系统提供了参考和依据。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-19
  1.1 研究背景及意义  8-10
    1.1.1 研究背景  8-9
    1.1.2 问题提出  9
    1.1.3 研究意义  9-10
  1.2 国内外研究现状  10-16
    1.2.1 财务预警及其相关理论发展现状  10-13
    1.2.2 支持向量机集成理论及应用的研究现状  13-15
    1.2.3 国内外研究现状评述  15-16
  1.3 主要内容与研究方法  16-19
    1.3.1 研究内容  16
    1.3.2 技术路线  16-18
    1.3.3 研究方法  18-19
第2章高新技术企业财务预警的研究  19-32
  2.1 高新技术企业财务预警的内容和功能  19-20
    2.1.1 财务危机及其表现形式  19
    2.1.2 财务预警的作用及功能  19-20
  2.2 高新技术企业财务风险的影响因素和传导机制  20-26
    2.2.1 财务风险内外影响因素分析  20-25
    2.2.2 财务风险传导机制分析  25-26
  2.3 高新技术企业财务预警的评估指标体系设计  26-31
    2.3.1 指标选取原则  26-27
    2.3.2 指标选取方法  27
    2.3.3 指标体系确定  27-31
  2.4 本章小结  31-32
第3章高新技术企业财务预警模型的建立  32-47
  3.1 数理工具的选择  32-39
    3.1.1 支持向量机  32-35
    3.1.2 集成学习方法  35-37
    3.1.3 决策融合方法  37-39
  3.2 支持向量机集成模型建立的流程  39-41
    3.2.1 支持向量机集成模型的优越性  39-40
    3.2.2 支持向量机集成模型建立的框架  40-41
  3.3 支持向量机集成模型的构建  41-45
    3.3.1 Bagging 方法生成子支持向量机  41-42
    3.3.2 核函数的选择及参数确定  42-43
    3.3.3 基于模糊积分的决策融合  43-45
  3.4 本章小结  45-47
第4章高新技术企业财务预警模型的应用  47-58
  4.1 研究对象的确定及样本数据预处理  47-51
    4.1.1 研究对象的确定  47-48
    4.1.2 样本数据的收集  48-49
    4.1.3 样本数据的预处理  49-51
  4.2 单一 SVM 和 SVM 集成模型应用结果分析  51-53
    4.2.1 分析比较的依据  51
    4.2.2 单一 SVM 模型的应用结果  51-52
    4.2.3 SVM 集成模型的应用结果  52-53
  4.3 单一 SVM 和 SVM 集成模型应用结果比较  53-56
    4.3.1 准确率的比较分析  53-55
    4.3.2 误判率的比较分析  55-56
  4.4 研究启示  56-57
  4.5 本章小结  57-58
结论  58-59
参考文献  59-64
附录  64-77
攻读硕士学位期间发表的论文  77-79
致谢  79

基于支持向量机集成的高新技术企业财务预警研究

内容摘要

全文目录

相似论文