在中國經濟發(fā)展進入新常態(tài)、政府鼓勵“大眾創(chuàng)新,萬眾創(chuàng)業(yè)”的情況下,國內的經濟環(huán)境正在飛速發(fā)展。政府監(jiān)管機構、專業(yè)金融機構、企業(yè)決策者以及投資者等都需要能夠及時的掌握最新的企業(yè)數(shù)據(jù)信息,并期望從企業(yè)當前的財務數(shù)據(jù)中預知企業(yè)的進一步發(fā)展方向,提前做出下一步的籌劃。這就需要建立一種可根據(jù)歷史數(shù)據(jù)信息進行動態(tài)分析的財務危機預警體系。針對該研究目標,本文提出了一種K折隨機森林算法與時間序列分析模型相結合的企業(yè)財務危機預警算法。該算法利用時間序列分析模型能夠對歷史數(shù)據(jù)進行短期預測的能力,使用時間序列分析模型對新構建的財務指標數(shù)據(jù)進行預測。利用K折隨機森林對預測所得的財務數(shù)據(jù)進行財務狀況分析,實現(xiàn)了動態(tài)財務危機預警的目的。在本研究過程中,利用隨機森林具有的不需要過多的先驗知識以及良好的抗噪能力和較高的分類精確度的優(yōu)點,來實現(xiàn)企業(yè)財務狀況分類。在進行財務危機預警過程中對傳統(tǒng)隨機森林算法的分類回歸決策樹的樣本集抽樣方式進行了改進,提出了一種K折隨機森林算法。該算法使得決策樹分裂時選取的特征屬性更優(yōu)于原算法,提高了原算法的分類精度。此外,根據(jù)特征重要程度算法將財務指標進行重要性排序,實現(xiàn)了財務指標降維,建... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 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 國內外研究綜述
        1.2.1 財務危機預警模型研究綜述
        1.2.2 預警指標選擇的研究綜述
        1.2.3 存在的問題
    1.3 研究內容
    1.4 論文結構
第2章 相關理論介紹
    2.1 財務危機與財務預警
    2.2 隨機森林
        2.2.1 算法流程
        2.2.2 Bagging思想和隨機子空間思想
        2.2.3 泛化誤差
    2.3 時間序列分析
        2.3.1 時間序列分析的步驟
        2.3.2 時間序列分析的方法
        2.3.3 平穩(wěn)性檢驗
        2.3.4 純隨機性檢驗
    2.4 本章小結
第3章 基于財務數(shù)據(jù)的隨機森林算法研究
    3.1 數(shù)據(jù)收集模塊
        3.1.1 指標體系設計
        3.1.2 財務數(shù)據(jù)的來源
    3.2 基于財務數(shù)據(jù)的隨機森林算法改進
        3.2.1 K折隨機森林算法
        3.2.2 算法分析
    3.3 財務指標的重要性度量
        3.3.1 樣本選擇和數(shù)據(jù)處理
        3.3.2 重要性度量
        3.3.3 分類精度分析
    3.4 本章小結
第4章 基于隨機森林和時間序列的財務危機預警實證研究
    4.1 時間序列建模
        4.1.1 時間序列模型的確定
        4.1.2 時間序列模型檢驗
    4.2 基于時間序列的財務預測實證
        4.2.1 2018年度第三季度財務指標的預測
        4.2.2 預測值的檢驗
    4.3 基于隨機森林和時間序列的財務危機預警算法
        4.3.1 算法流程圖
        4.3.2 實驗分析
    4.4 本章小結
第5章 總結與展望
    5.1 主要工作與創(chuàng)新點
    5.2 論文的不足
    5.3 后續(xù)研究工作
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]基于改進FOA算法的上市公司Z-Score模型財務預警[J]. 康彩紅,王秋萍,肖燕婷.  計算機系統(tǒng)應用. 2018(11)
[2]集成學習之隨機森林算法綜述[J]. 王奕森,夏樹濤.  信息通信技術. 2018(01)
[3]金融危機下我國制造業(yè)上市公司財務預警研究[J]. 施衛(wèi)珍.  中國國際財經(中英文). 2017(11)
[4]上市公司財務危機預警模型研究[J]. 周丹,管河山.  財會通訊. 2016(29)
[5]基于信息融合的數(shù)據(jù)挖掘方法在公司財務預警中的應用[J]. 張亮,張玲玲,陳懿冰,騰偉麗.  中國管理科學. 2015(10)
[6]基于大數(shù)據(jù)的企業(yè)財務預警研究[J]. 宋彪,朱建明,李煦.  中央財經大學學報. 2015(06)
[7]粗集-遺傳支持向量機在制造業(yè)上市公司財務危機預警中的應用[J]. 葛新旗,周虹.  商業(yè)研究. 2015(06)
[8]基于多元概率比回歸模型的上市公司財務危機預警分析[J]. 高小雪.  企業(yè)經濟. 2015(04)
[9]基于人群搜索算法的上市公司的Z-Score模型財務預警研究[J]. 趙海蕾,周方召,金德環(huán).  財經理論與實踐. 2015(02)
[10]單位根相關過程:理論的發(fā)展與比較[J]. 鄧偉,唐齊鳴.  經濟學動態(tài). 2014(02)

碩士論文
[1]基于時間序列模型的房價預測與波動分析[D]. 丁月芝.山東大學 2018
[2]基于集成算法的上市公司財務危機預警研究[D]. 史立新.暨南大學 2018
[3]基于隨機森林—人工神經網(wǎng)絡企業(yè)財務預警研究[D]. 王元坤.山東大學 2017
[4]基于機器學習構建的公司財務預警系統(tǒng)研究[D]. 胥光華.廈門大學 2014



本文編號：3396097