隨著互聯(lián)網(wǎng)技術(shù)不斷發(fā)展和電子商務(wù)平臺(tái)的不斷完善,使得互聯(lián)網(wǎng)與傳統(tǒng)金融行業(yè)深入融合并快速發(fā)展。然而互聯(lián)網(wǎng)金融快速發(fā)展的背后也暴露了諸多的問(wèn)題和風(fēng)險(xiǎn)隱患,給我國(guó)的金融監(jiān)管帶來(lái)了挑戰(zhàn)。因此對(duì)我國(guó)互聯(lián)網(wǎng)金融公司的信用風(fēng)險(xiǎn)的研究,不僅給投資者提供了更好的選擇,而且對(duì)于我國(guó)的金融監(jiān)管也有一定的借鑒意義。本文選取了 2013-2017年我國(guó)滬深A(yù)股的123家互聯(lián)網(wǎng)金融類上市公司,剔除了數(shù)據(jù)嚴(yán)重缺失的6家互聯(lián)網(wǎng)金融上市公司,根據(jù)Z-Score模型將剩余的117家分為財(cái)務(wù)狀況良好類、財(cái)務(wù)狀況不穩(wěn)定類和財(cái)務(wù)狀況堪憂類三類,然后分別從這三類中抽取各20家互聯(lián)網(wǎng)金融上市公司作為樣本。在wind金融終端選取了 58個(gè)財(cái)務(wù)指標(biāo)和4個(gè)非財(cái)務(wù)指標(biāo),然后通過(guò)對(duì)這些指標(biāo)的預(yù)處理和Kruskal-Wallis檢驗(yàn),最終篩選出了 23個(gè)財(cái)務(wù)指標(biāo)。采用因子分析的方法將這23個(gè)財(cái)務(wù)指標(biāo)提取出了 5個(gè)公因子。然后分別從三類中隨機(jī)抽取15家互聯(lián)網(wǎng)金融上市公司做為訓(xùn)練集樣本,5家作為測(cè)試集樣本。接著分別將這三類的訓(xùn)練集數(shù)據(jù)和測(cè)試集數(shù)據(jù)代入到構(gòu)建的Logistic回歸、決策樹、支持向量機(jī)這三種互聯(lián)網(wǎng)金融上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)模型中。對(duì)比這三種模型的預(yù)測(cè)效果得出,支持向量機(jī)模型在預(yù)測(cè)互聯(lián)網(wǎng)金融上市公司信用風(fēng)險(xiǎn)的數(shù)據(jù)上效果最佳,其訓(xùn)練集樣本的預(yù)測(cè)準(zhǔn)確率高達(dá)91.1%,測(cè)試集樣本的預(yù)測(cè)準(zhǔn)確率為73.3%,其次是決策樹模型,效果最差的是Logistic回歸模型。對(duì)比這三種模型的錯(cuò)誤率得出,支持向量機(jī)模型判別Y=-1類錯(cuò)誤率即財(cái)務(wù)狀況堪憂類錯(cuò)誤率最低,決策樹模型判別Y=1類錯(cuò)誤率即財(cái)務(wù)狀況良好類的錯(cuò)誤率最低。
【學(xué)位單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F832.39;F724.6;F832.51
【部分圖文】：

圖４－１財(cái)務(wù)狀況良好類Ｚ值變化折線圖??

?２０家互聯(lián)網(wǎng)金融上市公司??■■?２０１３?年?■?■?２０１４?年?１?１?２０１５?年?２０１６?年?＿?２０１７年??圖４－３財(cái)務(wù)狀況堪憂類Ｚ值變化折線圖??１７??

—?２０１３年?２０１４年一一２０１５年?２０１６年一一?２０１７年??圖４－２財(cái)務(wù)狀況不穩(wěn)定類Ｚ值變化折線圖??９．００００??８．００００?．??７．００００?１＼??１??１?２?３?４?５?６?７?８?９?１０?１１?１２?１３?１４?１５?１６?１７?ＩＳ?
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝多;;推動(dòng)公司信用類債市高質(zhì)量發(fā)展[J];中國(guó)金融;2018年17期

2 李偉東;;淺析公司信用保護(hù)制度在我國(guó)的構(gòu)建[J];赤峰學(xué)院學(xué)報(bào)(漢文哲學(xué)社會(huì)科學(xué)版);2016年07期

3 張小軍;;論公司信用的構(gòu)建[J];太原師范學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2009年02期

4 孫亮;房亞玥;;資本認(rèn)繳制下公司信用治理重構(gòu)[J];科技經(jīng)濟(jì)導(dǎo)刊;2018年01期

5 韓松;李紅霞;;以公司信用類債券置換融資平臺(tái)貸款的可行性研究[J];金融縱橫;2016年04期

6 白昌前;;小額貸款公司信用風(fēng)險(xiǎn)防范法律機(jī)制研究——以C市涉小額貸款公司借款糾紛案件為例[J];經(jīng)濟(jì)法論壇;2014年02期

7 王章禮;;宏觀經(jīng)濟(jì)因素對(duì)上市公司信用風(fēng)險(xiǎn)影響研究[J];中國(guó)外資;2012年08期

8 宋馬林;余華銀;陳大鵬;;安徽省上市公司信用的實(shí)證分析[J];理論建設(shè);2009年02期

9 李艷;馬岳;;小額貸款公司信用風(fēng)險(xiǎn)防范[J];全國(guó)商情(經(jīng)濟(jì)理論研究);2015年24期

10 謝多;;打造公司信用類債券市場(chǎng)升級(jí)版[J];中國(guó)金融;2014年23期

相關(guān)博士學(xué)位論文 前5條

1 孫鳳英;基于所有制性質(zhì)的公司信用風(fēng)險(xiǎn)的實(shí)證研究[D];吉林大學(xué);2008年

2 張北陽(yáng);上市公司信用風(fēng)險(xiǎn)、公司治理和企業(yè)績(jī)效關(guān)聯(lián)研究[D];吉林大學(xué);2011年

3 赫然;貨幣政策與上市公司信用資源配置研究[D];西南財(cái)經(jīng)大學(xué);2014年

4 陳強(qiáng);中國(guó)銀行業(yè)信用集中風(fēng)險(xiǎn)研究[D];山東大學(xué);2014年

5 仇曉光;公司債權(quán)人利益保護(hù)的法經(jīng)濟(jì)學(xué)分析[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 瞿友凱;精益運(yùn)營(yíng)與公司信用評(píng)級(jí)的關(guān)系研究[D];南京大學(xué);2019年

2 黃嘉宜;上市公司信用評(píng)級(jí)調(diào)整的原因、后果及應(yīng)對(duì)研究[D];深圳大學(xué);2018年

3 張巍;我國(guó)互聯(lián)網(wǎng)金融上市公司信用風(fēng)險(xiǎn)研究[D];北方工業(yè)大學(xué);2019年

4 甯懿楠;我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)估模型研究[D];西華師范大學(xué);2018年

5 陳瀟瀾;基于機(jī)器學(xué)習(xí)的上市公司信用風(fēng)險(xiǎn)預(yù)警研究[D];湖南師范大學(xué);2018年

6 郭榮榮;基于UTADIS方法的我國(guó)上市公司信用風(fēng)險(xiǎn)預(yù)警研究[D];內(nèi)蒙古財(cái)經(jīng)大學(xué);2018年

7 孟雪珺;P2P網(wǎng)絡(luò)貸款公司信用風(fēng)險(xiǎn)研究[D];東北財(cái)經(jīng)大學(xué);2018年

8 嚴(yán)祥;我國(guó)非上市公司信用債違約風(fēng)險(xiǎn)測(cè)評(píng)[D];蘭州大學(xué);2018年

9 龍冰婷;我國(guó)上市公司信用風(fēng)險(xiǎn)預(yù)測(cè)研究[D];浙江工商大學(xué);2018年

10 劉雷欣;河北省上市公司信用治理體系研究[D];石家莊經(jīng)濟(jì)學(xué)院;2011年

本文編號(hào)：2839293