本文選題：財(cái)務(wù)預(yù)測(cè) + 邏輯回歸　； 參考：《山東財(cái)經(jīng)大學(xué)》2013年碩士論文

【摘要】：我國(guó)的資本市場(chǎng)已走過了二十多年的歷程，，企業(yè)所面臨的競(jìng)爭(zhēng)日趨激烈，企業(yè)經(jīng)營(yíng)稍有不慎就可能陷入財(cái)務(wù)困境，上市公司因財(cái)務(wù)狀況異常而陷入困境的情況卻屢見不鮮。因此，利用上市公司的財(cái)務(wù)數(shù)據(jù)，建立上市公司財(cái)務(wù)困境預(yù)測(cè)模型以揭示風(fēng)險(xiǎn)，己成為上市公司管理者、投資者和債權(quán)人等相關(guān)利益方共同關(guān)注的問題。 本文共選取來自于多個(gè)行業(yè)的146家上市公司的財(cái)務(wù)數(shù)據(jù)，包括73家被特別處理（用ST表示）的上市公司的財(cái)務(wù)數(shù)據(jù)和與之配對(duì)的73家運(yùn)行良好的公司的財(cái)務(wù)數(shù)據(jù)，把它們分為49對(duì)訓(xùn)練樣本和24對(duì)測(cè)試樣本。根據(jù)國(guó)內(nèi)外學(xué)者對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)的研究成果，選擇了20個(gè)財(cái)務(wù)指標(biāo)構(gòu)建了財(cái)務(wù)預(yù)警指標(biāo)體系。利用T檢驗(yàn)和非參數(shù)檢驗(yàn)對(duì)原始預(yù)測(cè)變量進(jìn)行顯著性檢驗(yàn)，使得預(yù)測(cè)的指標(biāo)體系更具有合理性，并運(yùn)用因子分析法消除指標(biāo)間的共線性，得到了7個(gè)因子。分別采用多元判別分析、Logit回歸分析和最小二乘支持向量機(jī)對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行了分類判斷，構(gòu)建了三個(gè)單項(xiàng)財(cái)務(wù)困境預(yù)測(cè)模型；并在此基礎(chǔ)上，構(gòu)建了一個(gè)線性組合預(yù)測(cè)模型和一個(gè)基于神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型，最后利用測(cè)試樣本對(duì)五個(gè)模型進(jìn)行了有效的驗(yàn)證，并對(duì)五個(gè)檢驗(yàn)結(jié)果進(jìn)行了比較。研究結(jié)果表明：組合預(yù)測(cè)模型對(duì)上市公司財(cái)務(wù)困境的預(yù)測(cè)效果，跟單一方法比較，預(yù)測(cè)精度沒有顯著提高，但組合預(yù)測(cè)模型更具有穩(wěn)定性；基于神經(jīng)網(wǎng)絡(luò)方法的組合效果好于線性組合模型。
[Abstract]:The capital market of our country has gone through the course of more than 20 years, the competition that the enterprise faces is becoming fiercer day by day, the enterprise manages a little carelessly may fall into the financial distress, the listed company because of the financial condition unusual but the predicament situation is common but common. Therefore, using the financial data of listed companies to establish a prediction model of financial distress of listed companies to reveal the risks, they have become the managers of listed companies. This paper selects the financial data of 146 listed companies from many industries. It includes financial data of 73 listed companies specially processed (expressed in St) and 73 well-run companies matched with them, which are divided into 49 pairs of training samples and 24 pairs of test samples. According to the research results of domestic and foreign scholars on financial distress prediction of enterprises, 20 financial indicators were selected to construct the financial warning index system. Using T-test and non-parametric test to test the significance of the original predictive variables, the prediction index system is more reasonable, and the co-linearity between the indicators is eliminated by factor analysis, and seven factors are obtained. The training sample data are classified and judged by multivariate discriminant analysis logit regression analysis and least square support vector machine, and three single financial distress prediction models are constructed. A linear combination prediction model and a combined prediction model based on neural network are constructed. Finally, five models are validated with test samples, and the five test results are compared. The results show that: compared with single method, the forecasting accuracy of the combined forecasting model is not significantly improved, but the combined forecasting model is more stable; The combination effect based on neural network method is better than that of linear combination model.
【學(xué)位授予單位】：山東財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F275;F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李小榮;;審計(jì)意見與財(cái)務(wù)困境預(yù)測(cè)——基于中國(guó)上市公司的實(shí)證研究[J];財(cái)會(huì)通訊;2009年18期

2 呂長(zhǎng)江,徐麗莉,周琳;上市公司財(cái)務(wù)困境與財(cái)務(wù)破產(chǎn)的比較分析[J];經(jīng)濟(jì)研究;2004年08期

3 鄒睿蓉;王址道;陶艷珍;;關(guān)于上市公司財(cái)務(wù)預(yù)警機(jī)制的思考[J];九江職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年03期

4 崔偉東,周志華,李星;支持向量機(jī)研究[J];計(jì)算機(jī)工程與應(yīng)用;2001年01期

5 岑涌;鐘萍;羅林開;;基于GA-SVM的企業(yè)財(cái)務(wù)困境預(yù)測(cè)[J];計(jì)算機(jī)工程;2008年07期

6 谷祺,劉淑蓮;財(cái)務(wù)危機(jī)企業(yè)投資行為分析與對(duì)策[J];會(huì)計(jì)研究;1999年10期

7 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動(dòng)化學(xué)報(bào);2000年01期

8 沈樂平;黃維民;饒?zhí)熨F;;基于支持向量機(jī)的上市公司違規(guī)預(yù)警模型研究[J];中大管理研究;2008年02期

9 惠守博;王文杰;;基于支持向量機(jī)的財(cái)務(wù)預(yù)警模型與應(yīng)用研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年07期

10 陳凱;朱鈺;;機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J];統(tǒng)計(jì)與信息論壇;2007年05期

相關(guān)博士學(xué)位論文 前2條

1 姚宏善;基于支持向量機(jī)的財(cái)務(wù)困境預(yù)測(cè)研究[D];華中科技大學(xué);2006年

2 彭靜;網(wǎng)絡(luò)環(huán)境中企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 盧賢義;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究[D];廈門大學(xué);2001年

2 王宏煒;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究[D];西南財(cái)經(jīng)大學(xué);2002年

3 閆哲;基于logistic模型的上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)的實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2007年

4 宋姣;基于支持向量機(jī)的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D];哈爾濱工業(yè)大學(xué);2007年

5 周元元;基于RS-SVM數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)困境預(yù)測(cè)模型研究[D];重慶工學(xué)院;2008年

6 楊濤;基于SVM的中國(guó)醫(yī)藥制造企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[D];廈門大學(xué);2009年

本文編號(hào)：1988193