本文首先介紹了上市公司ST的成因、國內(nèi)外研究現(xiàn)狀,并對本文構(gòu)建模型起主導(dǎo)作用的支持向量機(jī)學(xué)習(xí)法進(jìn)行介紹;然后構(gòu)建上市公司ST預(yù)警指標(biāo)體系,具體分為兩輪指標(biāo)篩選:第一輪是通過支持向量機(jī)方法篩選出可以顯著影響上市公司ST狀況的指標(biāo),第二輪是通過R型聚類方法剔除信息冗余指標(biāo),然后利用ROC曲線法檢驗(yàn)預(yù)警指標(biāo)體系的有效性,從而構(gòu)建了一套既能顯著區(qū)分ST公司與非ST公司、又不存在信息冗余指標(biāo)的上市公司ST預(yù)警指標(biāo)體系;其次為上市公司ST預(yù)警模型的構(gòu)建,基于支持向量機(jī)兩分類模型建立起一個(gè)上市公司ST預(yù)警模型,并利用MATLAB 2015a和SPSS 20結(jié)合國泰安數(shù)據(jù)中心的上市公司財(cái)務(wù)數(shù)據(jù),對構(gòu)建的模型進(jìn)行應(yīng)用;最后通過模型的實(shí)證結(jié)果找出上市公司被ST的主要影響因素,對上市公司避免被ST提供一定的建議。本文主要?jiǎng)?chuàng)新點(diǎn)如下:第一,選用Levene方差齊性檢驗(yàn)統(tǒng)計(jì)量W值識別預(yù)警指標(biāo)的ST狀況鑒定能力,采用R型聚類法按準(zhǔn)則層聚類并保留每類指標(biāo)中W值最大的指標(biāo),既刪除了信息冗余指標(biāo)又保留了具有顯著ST狀況鑒定能力的預(yù)警指標(biāo);第二,在ST預(yù)警指標(biāo)體系的構(gòu)建上,現(xiàn)有研究主要是人為挑選指標(biāo),這可能造成丟失部分重...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１研究思路??Ｆｉｇ．ｌ?Ｒｅｓｅａｒｃｈ?ｉｄｅａｓ??

圖１研究思路??Ｆｉｇ．ｌ?Ｒｅｓｅａｒｃｈ?ｉｄｅａｓ??１．３．２研究方法??本文首先用ＭＡＴＬＡＢ?Ｒ２０１５ａ的ＰＲＥＭＮＭＸ函數(shù)對原始數(shù)據(jù)進(jìn)行歸一化處理，??然后基于支持向量機(jī)學(xué)習(xí)法，利用ＭＡＴＬＡＢ?Ｒ２０１５ａ和ＬＩＢＳＶＭ工具箱篩選出能夠??鑒別ＳＴ上市公司與非Ｓ....

圖２二分類問題??．

圖２二分類問題??Ｆｉｇ．２?Ｔｗｏ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍ??ｇ（ｘ）＝０定義了一個(gè)判定面，它把歸類于Ｇ的點(diǎn)與歸類于Ｃ２的點(diǎn)分開來，??性函數(shù)時(shí)，這一平面稱為“超平面”。??量機(jī)是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，其基本思想用下況說明：??°??Ｈ?....

圖３最優(yōu)超平面??Ｆｉｇ．３?Ｏｐｔｉｍａｌ?ｈｙｐｅｒｐｌａｎｅ??

－Ｏ＇。Ａ??□?口??圖２二分類問題??Ｆｉｇ．２?Ｔｗｏ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍ??ｇ（ｘ）＝０定義了一個(gè)判定面，它把歸類于Ｇ的點(diǎn)與歸類于Ｃ２的點(diǎn)線性函數(shù)時(shí)，這一平面稱為“超平面”。??向量機(jī)是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，其基本思想情況說明：....

圖４?ＳＴ預(yù)警指標(biāo)體系的構(gòu)建思路??Ｆｉｇ．４?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｔｈｏｕｇｈｔｓ?ｏｆ?ｅａｒｌｙ?ｗａｒｎｉｎｇ?Ｉｎｄｉｃａｔｏｒ?ｓｙｓｔｅｍ?ｏｆ?ｓｐｅｃｉａｌ?ｔｒｅａｔｍｅｎｔ??

圖４?ＳＴ預(yù)警指標(biāo)體系的構(gòu)建思路??Ｆｉｇ．４?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｔｈｏｕｇｈｔｓ?ｏｆ?ｅａｒｌｙ?ｗａｒｎｉｎｇ?Ｉｎｄｉｃａｔｏｒ?ｓｙｓｔｅｍ?ｏｆ?ｓｐｅｃｉａｌ?ｔｒｅａｔｍｅｎｔ??響上市公司是否被ＳＴ的因素既包含財(cái)務(wù)因素，如資產(chǎn)負(fù)債率、存貨周轉(zhuǎn)率等，也包含....

本文編號：3958266