学位论文 > 优秀研究生学位论文题录展示

基于KMV模型和神经网络的上市公司财务危机预警研究

作　者: 潘洁
导　师: 周宗放
学　校: 电子科技大学
专　业: 金融学
关键词: 上市公司财务危机预警违约距离投入产出效率 BP神经网络
分类号: F275
类　型: 硕士论文
年　份: 2010年
下　载: 194次
引　用: 1次
阅　读: 论文下载

内容摘要

竞争激烈的市场经济带来机遇的同时也使得企业经营面临更大的风险和危机,而上市公司财务一旦出现危机,公司股东、债权人等利益相关者的损失将不可避免。既要在激烈的竞争中求生存谋发展,又要最大限度地保证股东和债权人的利益,上市财务危机预警模型的研究一直倍受关注。纵观已有的公司财务危机预警研究,主要是基于典型的财务指标预测公司财务状况,然而仅仅基于财务指标的分析难以囊括造成企业财务危机的深层次原因,也缺乏对资本市场信息的参考。鉴于此,本文首先在典型财务指标的基础之上,将反应股票市场对各上市公司信息预期的违约距离指标,和利用纯粹财务数据转换得到的投入产出效率指标纳入到财务危机预警指标体系中。接着,本文将上市公司是否被“ST”处理作为公司产生财务危机的标准,利用上市公司的公开数据,选择建模训练样本和测试样本,在已建立的指标体系基础之上构建了BP神经网络财务危机预警模型,进行了实证分析。本文的研究结果主要表现在以下方面:1、本文在运用KMV模型计算违约距离时,考虑了我国目前正处于的全流通大背景,对KMV模型中的违约点参数进行了修正,调整了中长期负债与短期负债的比例系数。2、用违约点修正后的KMV模型计算了所选样本的违约距离,结果表明模型中ST公司的违约距离都小于非ST公司的违约距离,反映了两类公司之间的差别,这说明违约距离一定程度上反映了我国上市公司真实的信用状况。3、运用DEA方法对所选样本的投入产出效率进行了计算,将财务报表中纯粹表面的财务数据转化成投入产出关系,将营业成本、费用、资产、负债作为上市公司的投入,营业收入、净利润作为产出,分析其投入产出效率。结果发现ST公司较非ST公司效率低,且波动浮动较大。4、本文将违约距离指标、投入产出效率指标与财务指标结合,建立基于BP神经网络的上市公司财务危机预警模型。实证结果表明,BP神经网络方法对上市公司财务危机预警的预测效果较好。通过对比考虑违约距离和投入产出效率前后的预警模型的预测效果,可以看出考虑非财务信息后的模型效果有所改善。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章引言  10-14
  1.1 选题背景  10-11
  1.2 研究目的及意义  11-12
  1.3 主要创新点  12
  1.4 研究内容及框架  12-14
第二章相关的理论基础  14-28
  2.1 KMV 模型的基本理论  14-17
    2.1.1 KMV 模型的基本假设  14
    2.1.2 KMV 模型的计算步骤  14-15
    2.1.3 KMV 模型的国内外应用现状  15-17
  2.2 神经网络方法的基本理论  17-21
    2.2.1 神经网络方法概述  17-18
    2.2.2 BP 神经网络算法原理  18-19
    2.2.3 BP 神经网络的学习规则  19-21
  2.3 财务预警的相关理论  21-27
    2.3.1 财务困境的概念  21-23
    2.3.2 财务困境的国外研究回顾  23-25
    2.3.3 财务困境的国内研究现状  25-27
  2.4 本章小结  27-28
第三章全流通下KMV 模型中违约距离的计算  28-38
  3.1 全流通背景下KMV 模型违约点的修正  28-29
    3.1.1 全流通背景介绍  28
    3.1.2 违约点修正的样本选取  28
    3.1.3 构建线性回归模型及结果分析  28-29
  3.2 研究样本的选取和数据收集  29-30
  3.3 KMV 模型参数的计算  30-33
    3.3.1 参数计算的原理  30-31
    3.3.2 参数计算的结果  31-33
  3.4 KMV 模型违约距离的计算结果  33-37
    3.4.1 选取样本的违约点计算  33-35
    3.4.2 选取样本的违约距离计算  35-37
  3.5 本章小结  37-38
第四章基于DEA 方法的上市公司效率指标构建  38-44
  4.1 DEA 方法概述  38-41
    4.1.1 DEA 方法的计算原理  38-40
    4.1.2 DEA 方法的应用意义  40-41
  4.2 DEA 方法的输入输出指标选取  41
  4.3 基于DEA 的效率指标的结果分析  41-42
    4.3.1 选取样本的效率指标计算结果  41-42
    4.3.2 效率指标的描述性分析  42
  4.4 本章小结  42-44
第五章基于BP 神经网络的上市公司财务危机预警的实证研究  44-57
  5.1 研究样本的选取  44
  5.2 财务危机预警指标体系的构成  44-50
    5.2.1 财务评价指标的选取原则  44-45
    5.2.2 评价指标体系中的财务指标  45-49
    5.2.3 评价指标体系中的非财务指标  49-50
  5.3 BP 神经网络的构建  50-52
  5.4 实证结果分析  52-55
  5.5 本章小结  55-57
第六章结论及后续研究  57-60
  6.1 本文结论  57-58
  6.2 研究局限及后续展望  58-60
致谢  60-61
参考文献  61-66
攻硕期间取得的研究成果  66-67

基于KMV模型和神经网络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