学位论文 > 优秀研究生学位论文题录展示

基于粒子群优化算法和支持向量机的上市公司财务危机预警研究

作　者: 耿晓盟
导　师: 卢晓勇
学　校: 南昌大学
专　业: 企业管理
关键词: 财务危机预警粒子群算法支持向量机 PSO-SVM 混合预警模型
分类号: F275
类　型: 硕士论文
年　份: 2011年
下　载: 85次
引　用: 0次
阅　读: 论文下载

内容摘要

本文首先对国内外有关财务危机预警的现状做具体的分析,在借鉴前人研究的基础上,然后再结合我国企业和资本市场的实际,确定适合本文对财务危机研究的方法。在以前有关财务危机预警的研究中,传统的统计模型的使用比较的广泛,此类模型受比如需要的严格的假设、样本选取等问题的限制,从而导致模型的泛化能力下降,在应用和准确性的方面都用很多的不足。鉴于粒子群优化算法和支持向量机在分类和回归研究方面优秀的表现和优势,本文提出采用二者结合的组合预测思想作为本研究的核心。本文选取沪深两资本市场的上市公司作为研究的样本,在选取不同行业的100家上市公司作为研究的对象的基础上,建立PSO-SVM模型,作出对上市公司财务危机进行预警分析。在该预警模型中,使用了LS-SVM支持向量机。为了验证模型的泛化能力和通用性,在本文中采用不同的指标数据对建立的模型进行评估。研究结果表明：本文所建立的预警模型,在对上市公司发生财务危机前一年的数据的预警中达到了90.5%的精确度。和传统的模型相比,它结合了人工智能和统计学的优点,达到了较高的精确度和通用性。因此具有较高的应用价值。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-17
  1.1 研究的背景及意义  7-9
    1.1.1 研究的背景  7-8
    1.1.2 研究的意义  8-9
  1.2 研究问题综述  9
  1.3 国内外现状  9-14
    1.3.1 国内研究现状  9-11
    1.3.2 国外研究现状  11-14
    1.3.3 国内学者在该研究上存在的问题  14
  1.4 本文的创新点  14-15
  1.5 论文架构  15-17
第二章财务危机预警的理论基础  17-33
  2.1 财务危机的定义  17-19
    2.1.1 国外学者对财务危机的定义  17-18
    2.1.2 国内学者对财务危机的定义  18-19
  2.2 本研究中财务危机企业的界定  19-20
  2.3 上市公司财务危机的成因  20-24
    2.3.1 上市公司内部因素  20-23
    2.3.2 上市公司的外部因素  23-24
  2.4 企业财务危机的预警理论  24-27
    2.4.1 企业发展的周期波动性  24-26
    2.4.2 财务危机的发展是一个持续的过程  26
    2.4.3 企业财务危机预警的指标体系的有效性  26-27
  2.5 粒子群优化算法简述  27-29
  2.6 支持向量机简述  29-33
    2.6.1 支持向量机的分类原理  30-33
第三章财务危机预警指标体系的建立  33-42
  3.1 财务危机预警样本的选取原则  33-34
  3.2 建立财务危机预警指标体系  34-42
    3.2.1 财务指标体系  34-38
    3.2.2 非财务指标体系  38-42
第四章财务危机预警模型的建立  42-48
  4.1 传统预警模型评析  42-45
  4.2 基于PSO和SVM的预警模型的建立  45-48
第五章实证结果分析  48-60
  5.1 样本的选取  48-53
  5.2 基于PSO和SVM的预警模型在上市公司财务危机预警中的应用及结果分析  53-56
  5.3 本预警模型与传统模型的比较  56-60
第六章结论  60-62
致谢  62-64
参考文献  64-68
附录A: MATLAB主程序  68-83
附录B: MATLAB T检验程序  83-84
附录C: 本研究中所用数据  84-103
攻读学位期间的研究成果  103

基于粒子群优化算法和支持向量机的上市公司财务危机预警研究

内容摘要

全文目录

相似论文