在政策的影響下,房價高漲得到控制,房地產(chǎn)企業(yè)也開始轉(zhuǎn)型發(fā)展。從房地產(chǎn)企業(yè)的發(fā)展來看,房地產(chǎn)企業(yè)大部分具有較高的負債率,在資金來源以及銷售端受控的情況下,對房地產(chǎn)企業(yè)的發(fā)展帶來較大的挑戰(zhàn)。隨著政策的收緊,部分房地產(chǎn)公司,如恒大集團,多筆債務違約并爆發(fā)財務風險事件,帶來不利的社會影響。因此,在房地產(chǎn)企業(yè)轉(zhuǎn)型的背景下,需要進一步關(guān)注房地產(chǎn)企業(yè)可能存在的財務風險問題,對可能發(fā)生的房地產(chǎn)企業(yè)的財務風險進行預警。本文以房地產(chǎn)企業(yè)為研究對象,分析對房地產(chǎn)企業(yè)財務風險具有影響的指標,并構(gòu)建房地產(chǎn)企業(yè)財務風險的預警模型。首先,對房地產(chǎn)行業(yè)的企業(yè)從宏觀因素以及微觀因素出發(fā),分析影響其財務風險的各項因素,并構(gòu)建房地產(chǎn)企業(yè)財務風險評價的指標體系。其次,采用因子分析以及TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)方法,對上市房地產(chǎn)企業(yè)的財務風險進行評價,根據(jù)評價結(jié)果確定存在較高風險的房地產(chǎn)公司。第四,采用GMDH(Group Method of Data Handing,GMDH)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建...

【文章頁數(shù)】：84 頁

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 國內(nèi)外研究述評
    1.3 研究目的與內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
    1.4 研究思路與方法
        1.4.1 研究思路
        1.4.2 研究方法
    1.5 研究創(chuàng)新
2 概念界定及理論基礎(chǔ)
    2.1 概念界定
        2.1.1 房地產(chǎn)行業(yè)
        2.1.2 財務風險
    2.2 理論基礎(chǔ)
        2.2.1 財務風險預警理論
        2.2.2 風險管理理論
    2.3 常用財務風險預警模型
        2.3.1 邏輯回歸
        2.3.2 支持向量機模型
        2.3.3 隨機森林模型
        2.3.4 BP神經(jīng)網(wǎng)絡(luò)模型
        2.3.5 模型評價指標
    2.4 本章小結(jié)
3 房地產(chǎn)上市企業(yè)財務風險特征與財務風險評價
    3.1 房地產(chǎn)企業(yè)財務風險特征分析
    3.2 房地產(chǎn)行業(yè)企業(yè)財務風險影響因素分析
        3.2.1 外部影響因素
        3.2.2 內(nèi)部影響因素
    3.3 房地產(chǎn)企業(yè)財務風險評價指標構(gòu)建
        3.3.1 償債能力
        3.3.2 營運能力
        3.3.3 盈利能力
        3.3.4 發(fā)展能力
        3.3.5 現(xiàn)金流量
        3.3.6 綜合能力
        3.3.7 治理能力
        3.3.8 宏觀因素
    3.4 上市房地產(chǎn)企業(yè)財務風險評價
        3.4.1 因子分析與TOPSIS方法
        3.4.2 房地產(chǎn)上市企業(yè)TOPSIS財務風險評價
    3.5 本章小結(jié)
4 基于GMDH神經(jīng)網(wǎng)絡(luò)的上市房地產(chǎn)企業(yè)財務風險預警模型構(gòu)建
    4.1 GMDH神經(jīng)網(wǎng)絡(luò)模型分析
        4.1.1 GMDH神經(jīng)網(wǎng)絡(luò)模型適用性分析
        4.1.2 GMDH神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
    4.2 基于遺傳算法的GMDH財務風險預警模型參數(shù)優(yōu)化
        4.2.1 遺傳算法分析
        4.2.2 財務風險預警模型構(gòu)建
    4.3 本章小結(jié)
5 基于GMDH神經(jīng)網(wǎng)絡(luò)的上市房地產(chǎn)企業(yè)財務風險預警模型實證分析
    5.0 數(shù)據(jù)源說明與描述性統(tǒng)計分析
    5.1 不平衡數(shù)據(jù)處理
    5.2 指標選擇
    5.3 GMDH神經(jīng)網(wǎng)絡(luò)財務風險預警模型實證
    5.4 模型對比分析
        5.4.1 邏輯回歸模型實證分析
        5.4.2 支持向量機模型實證分析
        5.4.3 隨機森林實證分析
        5.4.4 BP神經(jīng)網(wǎng)絡(luò)模型實證分析
        5.4.5 綜合對比分析
    5.5 指標重要性分析
    5.6 本章小結(jié)
6 結(jié)論建議及展望
    6.1 研究結(jié)論
    6.2 加強房地產(chǎn)企業(yè)財務風險預警的對策建議
        6.2.1 加強對房地產(chǎn)上市公司財務風險的預警
        6.2.2 改善房地產(chǎn)公司債務水平以及資金周轉(zhuǎn)水平
        6.2.3 提高對政策以及經(jīng)濟發(fā)展變化的應對能力
    6.3 研究不足與展望
        6.3.1 研究不足
        6.3.2 研究展望
參考文獻
致謝



本文編號：3740859