【摘要】：我國上市公司組成了國民經(jīng)濟(jì)命脈,公司的財(cái)務(wù)狀況決定了公司的發(fā)展趨勢(shì)甚至國家的經(jīng)濟(jì)走勢(shì)。財(cái)務(wù)危機(jī)預(yù)測的研究為發(fā)現(xiàn)公司財(cái)務(wù)狀況惡化信號(hào)提供了分析工具,其本質(zhì)是揭示公司財(cái)務(wù)數(shù)據(jù)與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的關(guān)系與規(guī)律,確定一個(gè)公司在未來陷入財(cái)務(wù)危機(jī)困境的可能性。所以,分析公司財(cái)務(wù)狀況的發(fā)展規(guī)律,預(yù)測公司發(fā)生財(cái)務(wù)危機(jī)事件的可能性成為學(xué)術(shù)界和工業(yè)界研究的核心問題。目前,對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)測模型的研究取得了眾多成果,但是對(duì)財(cái)務(wù)危機(jī)預(yù)測模型的研究大多集中在模型自身的設(shè)計(jì)與構(gòu)建中,數(shù)據(jù)集信息中所包含的財(cái)務(wù)狀態(tài)信息以及這類信息在構(gòu)建財(cái)務(wù)危機(jī)預(yù)測模型中所發(fā)揮的作用沒有被充分研究。所以本文從分析財(cái)務(wù)狀態(tài)信息入手,分別研究了在面對(duì)小樣本財(cái)務(wù)數(shù)據(jù)集、大樣本財(cái)務(wù)數(shù)據(jù)集和財(cái)務(wù)縱向數(shù)據(jù)流數(shù)據(jù)集時(shí),財(cái)務(wù)狀態(tài)信息在其中發(fā)揮的作用與建模功能。在具體研究過程中,分別研究了財(cái)務(wù)狀態(tài)空間優(yōu)化、多財(cái)務(wù)狀態(tài)劃分和基于財(cái)務(wù)狀態(tài)序列分析的財(cái)務(wù)路徑信息在企業(yè)財(cái)務(wù)危機(jī)預(yù)測建模中的作用。本文研究內(nèi)容主要包括三個(gè)方面,分別是:基于財(cái)務(wù)狀態(tài)空間優(yōu)化的財(cái)務(wù)危機(jī)預(yù)測組合模型構(gòu)建、基于多財(cái)務(wù)狀態(tài)劃分的的財(cái)務(wù)危機(jī)預(yù)測兩層選擇性集成模型構(gòu)建、以及基于財(cái)務(wù)狀態(tài)序列分析的財(cái)務(wù)危機(jī)預(yù)測模型構(gòu)建。本文共由六個(gè)章節(jié)組成。第一章是緒論;第二章是企業(yè)財(cái)務(wù)危機(jī)預(yù)測的理論基礎(chǔ);第三章是實(shí)驗(yàn)用樣本數(shù)據(jù)與財(cái)務(wù)指標(biāo)體系選取;第四章是基于財(cái)務(wù)狀態(tài)空間優(yōu)化的財(cái)務(wù)危機(jī)預(yù)測組合方法;第五章是基于多財(cái)務(wù)狀態(tài)劃分的兩層選擇性集成財(cái)務(wù)危機(jī)預(yù)測方法;第六章是基于財(cái)務(wù)狀態(tài)序列分析的財(cái)務(wù)危機(jī)預(yù)測方法。具體研究內(nèi)容和工作包括以下三個(gè)方面:首先,構(gòu)建了基于財(cái)務(wù)狀態(tài)空間優(yōu)化的財(cái)務(wù)危機(jī)預(yù)測組合模型。在面對(duì)小樣本數(shù)據(jù)集時(shí),財(cái)務(wù)數(shù)據(jù)集中樣本數(shù)據(jù)分布較為單一,為了保留數(shù)據(jù)集中的有效分類信息,使訓(xùn)練得到的模型免受噪聲數(shù)據(jù)及離群點(diǎn)樣本的影響。本文首先分析了樣例選擇在建立財(cái)務(wù)危機(jī)預(yù)測模型中的必要性,然后根據(jù)我國上市公司兩類樣本劃分的實(shí)際情況出發(fā),采用了基于模糊聚類的方法對(duì)財(cái)務(wù)樣本集進(jìn)行選取,刪除與被劃分的財(cái)務(wù)狀態(tài)不相符的樣本,提出了基于財(cái)務(wù)狀態(tài)空間優(yōu)化的財(cái)務(wù)危機(jī)預(yù)測組合方法。因?yàn)楦怕噬窠?jīng)網(wǎng)絡(luò)具有收斂速度快,訓(xùn)練過程簡單等特點(diǎn),將其作為財(cái)務(wù)危機(jī)預(yù)測的基分類器。同時(shí),由于數(shù)據(jù)體量相對(duì)較小,所以使用粒子群算法對(duì)模糊聚類方法和概率神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行了優(yōu)化。實(shí)證研究結(jié)果表明,該模型能夠有效保留初始財(cái)務(wù)數(shù)據(jù)集中的分類信息,優(yōu)化了數(shù)據(jù)集中包含的財(cái)務(wù)狀態(tài)空間,基于財(cái)務(wù)狀態(tài)空間優(yōu)化的財(cái)務(wù)危機(jī)預(yù)測組合模型較適用于小樣本財(cái)務(wù)數(shù)據(jù)集的預(yù)測問題。其次,構(gòu)建了基于多財(cái)務(wù)狀態(tài)劃分的兩層選擇性集成財(cái)務(wù)危機(jī)預(yù)測模型。因?yàn)榇髽颖矩?cái)務(wù)數(shù)據(jù)集是由較長時(shí)間跨度的財(cái)務(wù)樣本集合組成,所以數(shù)據(jù)集中包含了多種類型的分類信息和狀態(tài)空間。為了有目的性的區(qū)分財(cái)務(wù)數(shù)據(jù)集中的各個(gè)狀態(tài),保證被劃分的每個(gè)數(shù)據(jù)子集包含了用于分類的特定財(cái)務(wù)狀態(tài)信息,本文研究了財(cái)務(wù)狀態(tài)的量化分析方法及其與分類器集成方法之間關(guān)系,提出了兩層選擇性集成財(cái)務(wù)危機(jī)預(yù)測方法。在建模過程中,為了保證基分類器之間的差異性條件,本文使用了三種核函數(shù)模糊聚類方法,根據(jù)財(cái)務(wù)指標(biāo)的特征對(duì)初始財(cái)務(wù)數(shù)據(jù)集進(jìn)行有目的性的分組。然后,為了克服因使用較差性能分類器進(jìn)行集成導(dǎo)致的不良預(yù)測效果,采用前向選擇集成方法對(duì)每組分類器分別集成。最后,為了滿足集成模型對(duì)分類器性能的需求,采用了兩層集成方法實(shí)現(xiàn)該條件。實(shí)證結(jié)果表明,在面對(duì)包含了多種分類空間的財(cái)務(wù)數(shù)據(jù)集時(shí),多財(cái)務(wù)狀態(tài)的劃分有效區(qū)分了數(shù)據(jù)集中的不同分類信息,同時(shí)保證基分類器之間的差異性,使用兩層選擇性集成財(cái)務(wù)危機(jī)預(yù)測模型取得了較好的預(yù)測效果。最后,提出了基于財(cái)務(wù)狀態(tài)序列分析的財(cái)務(wù)危機(jī)預(yù)測模型。當(dāng)考慮時(shí)間因素時(shí),財(cái)務(wù)縱向數(shù)據(jù)流數(shù)據(jù)集為分析財(cái)務(wù)狀態(tài)的變化過程提供了條件。根據(jù)財(cái)務(wù)危機(jī)公司與財(cái)務(wù)健康公司所經(jīng)歷的財(cái)務(wù)狀態(tài)變化過程存在可分性的特性,可以通過兩類公司所經(jīng)歷的財(cái)務(wù)路徑信息建立分類模型。為了量化財(cái)務(wù)狀態(tài)的變化過程,本文介紹了“財(cái)務(wù)路徑”的概念及使用目的。由于模糊聚類方法可以根據(jù)財(cái)務(wù)指標(biāo)特征對(duì)財(cái)務(wù)數(shù)據(jù)集進(jìn)行分組,所以本文以會(huì)計(jì)年份作為時(shí)間戳,對(duì)財(cái)務(wù)數(shù)據(jù)流中每一年度的財(cái)務(wù)數(shù)據(jù)集進(jìn)行多財(cái)務(wù)狀態(tài)分組,并以公司為基本單位設(shè)計(jì)其在過去若干年間所經(jīng)歷的財(cái)務(wù)狀態(tài)變化序列,實(shí)現(xiàn)對(duì)財(cái)務(wù)路徑的量化分析�；诎l(fā)生財(cái)務(wù)危機(jī)公司與未發(fā)生財(cái)務(wù)危機(jī)公司所經(jīng)歷的財(cái)務(wù)路徑具有可分性的基本思想,在設(shè)計(jì)完成公司的財(cái)務(wù)路徑后,根據(jù)路徑之間的歐幾里德距離設(shè)計(jì)了分類器模型。實(shí)證研究結(jié)果表明,一方面,本文設(shè)計(jì)的分類器模型能夠?qū)镜呢?cái)務(wù)狀態(tài)變化過程進(jìn)行可視化分析,確保對(duì)財(cái)務(wù)危機(jī)的預(yù)測不再是一個(gè)“黑盒”模型,為財(cái)務(wù)危機(jī)的發(fā)生和發(fā)展提供了過程解釋能力;另一方面,該模型能夠充分利用財(cái)務(wù)數(shù)據(jù)流信息,在預(yù)測財(cái)務(wù)危機(jī)問題上具有很好的表現(xiàn)。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：F275;F832.51
【圖文】：

圖 1-1 財(cái)務(wù)危機(jī)預(yù)測模型分類Fig.1-1 Categories of financial distress prediction model計(jì)的分析方法主要包括單變量分析、多元判別分析、tic 回歸分析和 Probit 模型等方法。單變量分析方法最危 機(jī)預(yù)測 領(lǐng)域，Beaver[15]等 是較早采用 單變量 分析 Analysis)預(yù)測企業(yè)狀況的學(xué)者，并在研究中發(fā)現(xiàn)對(duì)企

研究技術(shù)路線圖

圖 2-1 單預(yù)測模型的建模方法Fig.2-1 Single prediction model模型的建模方法測方法，如神經(jīng)網(wǎng)絡(luò)，雖然對(duì)企業(yè)財(cái)務(wù)危果，但單一預(yù)測方法存在兩方面明顯的不并掌握數(shù)據(jù)集中所包含的決策空間，需要

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪志偉;薛永堅(jiān);倪麗萍;肖宏旺;;基于流形學(xué)習(xí)的多核SVM財(cái)務(wù)預(yù)警方法研究[J];系統(tǒng)工程理論與實(shí)踐;2014年10期

2 丁德臣;呂志勇;;基于粗糙集與分類器集成的財(cái)險(xiǎn)公司全面風(fēng)險(xiǎn)預(yù)警研究[J];保險(xiǎn)研究;2014年06期

3 潘攀;淳偉德;謝琴;;基于AdaBoost整體模型的公司財(cái)務(wù)危機(jī)預(yù)測研究[J];軟科學(xué);2013年12期

4 時(shí)建中;程龍生;牛俊磊;;基于RS-Bag分類器集成技術(shù)的上市公司財(cái)務(wù)危機(jī)預(yù)測[J];數(shù)理統(tǒng)計(jì)與管理;2013年05期

5 孫曉琳;;基于狀態(tài)空間的財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警模型在中國的實(shí)證研究[J];中國軟科學(xué);2013年04期

6 吳沖;張霞;張新穎;;基于橢圓概率神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J];統(tǒng)計(jì)與信息論壇;2013年02期

7 李清;于萍;;財(cái)務(wù)危機(jī)預(yù)測主要方法比較研究[J];數(shù)理統(tǒng)計(jì)與管理;2012年04期

8 梁明江;莊宇;;集成學(xué)習(xí)方法在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用[J];軟科學(xué);2012年04期

9 孫潔;李輝;韓建光;;基于滾動(dòng)時(shí)間窗口支持向量機(jī)的財(cái)務(wù)困境預(yù)測動(dòng)態(tài)建模[J];管理工程學(xué)報(bào);2010年04期

10 孫曉琳;田也壯;王文彬;;基于Kalman濾波的企業(yè)財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警模型[J];系統(tǒng)管理學(xué)報(bào);2010年04期

本文編號(hào)：2765422