本文選題：財(cái)務(wù)危機(jī) + 財(cái)務(wù)危機(jī)預(yù)警變量��； 參考：《中國(guó)財(cái)政科學(xué)研究院》2017年博士論文

【摘要】：近年來,中國(guó)經(jīng)濟(jì)進(jìn)入到一個(gè)新階段,相繼出現(xiàn)經(jīng)濟(jì)指標(biāo)之間聯(lián)動(dòng)性背離,經(jīng)濟(jì)增長(zhǎng)持續(xù)下行與CPI持續(xù)低位運(yùn)行,企業(yè)利潤(rùn)率下降,消費(fèi)上升而投資下降等現(xiàn)象。在這樣的經(jīng)濟(jì)新形勢(shì)、新常態(tài)下,使企業(yè)的運(yùn)營(yíng)難度加大,對(duì)企業(yè)的財(cái)務(wù)危機(jī)管理水平提出了更高的要求。面對(duì)競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境,企業(yè)在實(shí)際經(jīng)營(yíng)運(yùn)行中面對(duì)瞬息萬變的各種復(fù)雜情況,導(dǎo)致企業(yè)財(cái)務(wù)危機(jī)各種誘因也越來復(fù)雜,所以運(yùn)用更高預(yù)測(cè)精度的財(cái)務(wù)危機(jī)預(yù)警模型成為財(cái)務(wù)危機(jī)預(yù)警的重要手段之一。目前的財(cái)務(wù)危機(jī)預(yù)警模型的研究方法經(jīng)歷了傳統(tǒng)計(jì)量模型和人工智能模型兩個(gè)階段,其中,傳統(tǒng)計(jì)量模型包括一元判斷模型、多元判斷模型、生存分析器等方法;人工智能模型包括遺傳算法、專家系統(tǒng)等方法。通過研究發(fā)現(xiàn),在現(xiàn)有模型的研究和實(shí)踐應(yīng)用過程中,取得了寶貴的成果。但是,也存在一些不足之處,主要表現(xiàn)在三方面:一是財(cái)務(wù)危機(jī)預(yù)警及其變量確定的理論基礎(chǔ)相對(duì)欠缺。國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警及其變量選擇的基礎(chǔ)理論研究薄弱,現(xiàn)有研究的宏觀與微觀理論依據(jù)不足,很多研究缺乏能夠準(zhǔn)確確定財(cái)務(wù)危機(jī)預(yù)警模型所含變量的理論支持,有可能出現(xiàn)進(jìn)入模型之前的變量由于理論依據(jù)不足和篩選方法不完善,造成構(gòu)建的危機(jī)預(yù)警模型預(yù)測(cè)精度不高,實(shí)用性不夠。二是財(cái)務(wù)危機(jī)預(yù)警變量篩選的方法有待提高。預(yù)警變量篩選尤為關(guān)鍵,直接影響預(yù)警模型的有效性。目前,研究和運(yùn)用較多的財(cái)務(wù)危機(jī)預(yù)警變量篩選的方法主要有主成分分析法,典型相關(guān)分析法等方法,在變量篩選的過程中存在變量之間的多重共線的問題等等。近年來,財(cái)務(wù)危機(jī)預(yù)警變量篩選的方法一直沒有太大的突破,可喜的是,已經(jīng)有學(xué)者開始嘗試將人工智能工業(yè)控制領(lǐng)域中設(shè)備運(yùn)營(yíng)控制預(yù)警的方法運(yùn)用到財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域,并取得了一定成果。同理,在財(cái)務(wù)危機(jī)預(yù)警過程中,當(dāng)財(cái)務(wù)預(yù)警變量出現(xiàn)波動(dòng)并超出一定的有效控制范圍時(shí),系統(tǒng)就應(yīng)該發(fā)出預(yù)警。而且隨著現(xiàn)代數(shù)據(jù)挖掘技術(shù)的飛速發(fā)展,數(shù)據(jù)變量篩選相關(guān)理論和應(yīng)用日趨成熟,使得運(yùn)用更為先進(jìn)的計(jì)量方法和工具進(jìn)一步篩選出客觀科學(xué)的變量更具現(xiàn)實(shí)性。三是財(cái)務(wù)危機(jī)預(yù)警模型需要提高預(yù)測(cè)精度。經(jīng)濟(jì)發(fā)展的不同時(shí)期,社會(huì)經(jīng)濟(jì)結(jié)構(gòu)的不同以及行業(yè)周期不同、公司發(fā)展階段不同均會(huì)對(duì)模型的構(gòu)建和模型預(yù)測(cè)精度提出更高的要求,因此,目前我國(guó)企業(yè)所處的宏觀和微觀環(huán)境,財(cái)務(wù)危機(jī)模型需要進(jìn)一步提高預(yù)測(cè)精度,具有更強(qiáng)的實(shí)用性就顯得尤為重要。因此,論文針對(duì)上述不足進(jìn)行研究。在對(duì)國(guó)內(nèi)外有關(guān)財(cái)務(wù)危機(jī)預(yù)警理論和方法研究的基礎(chǔ)上,提出了財(cái)務(wù)危機(jī)預(yù)警變量的理論基礎(chǔ)和框架體系,在變量體系基本搭建后進(jìn)一步研究變量篩選問題,對(duì)現(xiàn)有變量篩選的理論和方法進(jìn)行深入分析,提出財(cái)務(wù)危機(jī)預(yù)警變量篩選新方法偏最小二乘方法,并通過實(shí)證來論證偏最小二乘方法在篩選財(cái)務(wù)危機(jī)預(yù)警變量中的優(yōu)勢(shì),并在此基礎(chǔ)上,通過選取滬深兩市2011年至2013年三年區(qū)間的212個(gè)樣本對(duì)象進(jìn)行研究,利用偏最小二乘方法提取出偏最小二乘成分,分別建立基于偏最小二乘的Logistic回歸財(cái)務(wù)危機(jī)預(yù)警模型和基于偏最小二乘的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型,并經(jīng)過實(shí)證研究和有效性檢驗(yàn),驗(yàn)證了模型在實(shí)際財(cái)務(wù)危機(jī)預(yù)警中具有更高的準(zhǔn)確率。論文研究的路線主要分為提出問題、研究問題和研究結(jié)論與創(chuàng)新三個(gè)研究層次。第一個(gè)層次為提出問題,也即研究前提,論文從理論研究背景和實(shí)踐背景提出本文的選題動(dòng)機(jī)、研究?jī)r(jià)值等,主要包括第一章。第二個(gè)層次為研究問題,包括理論研究和實(shí)證研究,理論研究包括重要研究文獻(xiàn)的回顧和梳理,經(jīng)過變量選擇的科學(xué)論證過程,通過對(duì)目前應(yīng)用較多的變量篩選方法進(jìn)行研究,并結(jié)合經(jīng)濟(jì)結(jié)構(gòu)變化和企業(yè)發(fā)展的需求,推導(dǎo)出偏最小二乘方法在變量篩選中的優(yōu)勢(shì),主要包括第二章、第三章、第四章和第五章。在實(shí)證研究與檢驗(yàn)部分,運(yùn)用實(shí)證研究的統(tǒng)計(jì)方法對(duì)2011年至2013年符合條件的研究樣本做預(yù)警變量的萃取,并用偏最小二乘方法進(jìn)行變量篩選,并在此基礎(chǔ)上構(gòu)建偏最小二乘的Logistic回歸財(cái)務(wù)危機(jī)預(yù)警模型和偏最小二乘的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型,并進(jìn)行有效性檢驗(yàn),主要包括第六章和第七章。第三部分為研究結(jié)論、研究創(chuàng)新、不足以及未來的研究方向,即第八章。論文的創(chuàng)新點(diǎn)主要包括以下兩點(diǎn):(一)創(chuàng)新性地將財(cái)務(wù)危機(jī)預(yù)警變量的篩選問題作為獨(dú)立模塊進(jìn)行研究。本文通過對(duì)目前運(yùn)用較多的財(cái)務(wù)危機(jī)預(yù)警變量篩選的方法主成分分析法,典型相關(guān)分析法等方法進(jìn)行深入研究,指出這些方法在變量篩選中存在的問題,即財(cái)務(wù)危機(jī)預(yù)警變量多重共線的問題,提出運(yùn)用偏最小二乘方法進(jìn)行財(cái)務(wù)危機(jī)預(yù)警變量篩選的理論和原理,并通過現(xiàn)有方法與偏最小二乘方法的實(shí)證對(duì)比,理論和實(shí)踐相結(jié)合邏輯性地證明了偏最小二乘方法能夠篩選出更科學(xué)合理的預(yù)警變量,有效提高財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測(cè)精度。(二)構(gòu)建了預(yù)測(cè)精度更高的財(cái)務(wù)危機(jī)預(yù)警模型。論文通過理論和實(shí)踐相結(jié)合的方法,初步構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警變量,變量體系不僅包含財(cái)務(wù)指標(biāo)變量,而且涵蓋非財(cái)務(wù)信息變量,通過運(yùn)用偏最小二乘方法實(shí)現(xiàn)了變量的優(yōu)質(zhì)成分提取,剔除數(shù)據(jù)重疊指標(biāo),然后運(yùn)用傳統(tǒng)計(jì)量和人工智能方法構(gòu)建基于偏最小二乘的Logistic財(cái)務(wù)危機(jī)預(yù)警模型和基于偏最小二乘的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型,并通過實(shí)證檢驗(yàn)和有效性檢驗(yàn)驗(yàn)證了財(cái)務(wù)危機(jī)預(yù)警模型預(yù)警具有更高的準(zhǔn)確率。在運(yùn)用構(gòu)建的偏最小二乘財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行有效性檢驗(yàn)后,2014年運(yùn)用偏最小二乘的Logistic財(cái)務(wù)危機(jī)預(yù)警模型比運(yùn)用主成分Logistic財(cái)務(wù)危機(jī)預(yù)警模型預(yù)測(cè)準(zhǔn)確率高1%--4%,2015年要高3%--4%;2014年和2015年運(yùn)用偏最小二乘的BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)危機(jī)預(yù)警模型比運(yùn)用主成分BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)危機(jī)預(yù)警模型預(yù)測(cè)準(zhǔn)確率均高出4%--6%。
[Abstract]:In recent years , China ' s economy has entered a new stage , and there have been some problems in the early warning model of financial crisis . On the basis of the research on the theories and methods of financial crisis early warning , the paper puts forward the theory foundation and framework system of the early warning variable of financial crisis . The forecast accuracy of financial crisis early warning model is effectively improved . ( 2 ) The financial crisis early warning model is constructed by combining theory and practice .
【學(xué)位授予單位】：中國(guó)財(cái)政科學(xué)研究院
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：F275

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程翠鳳;;基于Logistic回歸模型的我國(guó)化工上市企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[J];改革與開放;2016年23期

2 周丹;管河山;;上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究[J];財(cái)會(huì)通訊;2016年29期

3 劉玉敏;劉莉;任廣乾;;基于非財(cái)務(wù)指標(biāo)的上市公司財(cái)務(wù)預(yù)警研究[J];商業(yè)研究;2016年10期

4 戎東茹;崔健;陶慧云;;財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)研究現(xiàn)狀述評(píng)[J];統(tǒng)計(jì)與管理;2016年08期

5 張艷麗;尤曉琳;強(qiáng)薇;鄭雨晗;李鈞濤;;基于LASSO的企業(yè)財(cái)務(wù)危機(jī)預(yù)警與關(guān)鍵指標(biāo)選擇[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年03期

6 趙智繁;王世民;曹倩;;基于數(shù)據(jù)挖掘的財(cái)務(wù)危機(jī)多分類預(yù)警研究[J];中國(guó)管理信息化;2016年11期

7 李世W，

本文編號(hào)：1950659