本文關(guān)鍵詞：基于熵權(quán)法的神經(jīng)網(wǎng)絡(luò)模型與logistic回歸的財(cái)務(wù)預(yù)警模型比較與分析

  更多相關(guān)文章： 財(cái)務(wù)危機(jī)預(yù)警 熵權(quán)法 神經(jīng)網(wǎng)絡(luò)模型 logistic模型 制造業(yè)上市公司

【摘要】：中國經(jīng)濟(jì)體在2015年經(jīng)歷了爬坡上坎的一年。上半年的中國股市狂飆進(jìn)入瘋牛時(shí)期,下半年證監(jiān)會(huì)強(qiáng)力去杠桿之后虛高的資產(chǎn)泡沫被戳破,千股跌停,IPO被暫停。有史以來的第一次強(qiáng)制杠桿調(diào)整,導(dǎo)致了大量資產(chǎn)的蒸發(fā),緊接出現(xiàn)人民幣貶值熱錢外流,這些都使得整個(gè)經(jīng)濟(jì)體系付出了巨大的代價(jià)。在如此起伏不定的經(jīng)濟(jì)形勢(shì)下,2015年以來上市公司被特殊處理與特殊轉(zhuǎn)讓的狀況呈現(xiàn)井噴之勢(shì),已達(dá)到110例之多。而在2015年11月19日召開的常務(wù)會(huì)議中,股票發(fā)行的持續(xù)盈利條件被取消,股票上市跨入注冊(cè)制的門檻。施行注冊(cè)制調(diào)低了小微創(chuàng)新企業(yè)的上市門檻,降低了對(duì)凈利潤的嚴(yán)格要求。同時(shí),我國也迎來了股票期權(quán)的時(shí)代。在上市企業(yè)中,向管理階層發(fā)放期權(quán),是減少代理成本的有效措施。這些都將對(duì)上市公司的財(cái)務(wù)危機(jī)預(yù)測(cè)造成影響。在經(jīng)濟(jì)疲軟且未來經(jīng)濟(jì)形式不明朗的當(dāng)下,如何抓住機(jī)遇,規(guī)避轉(zhuǎn)讓上市公司的風(fēng)險(xiǎn),預(yù)防財(cái)務(wù)危機(jī),平穩(wěn)有序的發(fā)展經(jīng)濟(jì)是我們現(xiàn)在以及未來都需要面對(duì)的一個(gè)話題。作為國民經(jīng)濟(jì)重要組成部分,面對(duì)不可阻擋的經(jīng)濟(jì)下行趨勢(shì),制造產(chǎn)業(yè)也面臨人口紅利消失,勞動(dòng)密集所帶來的利潤被不斷壓縮的危機(jī),轉(zhuǎn)型已經(jīng)迫在眉睫。因此,當(dāng)下制造業(yè)上市公司不僅需要預(yù)測(cè)及調(diào)節(jié)發(fā)展態(tài)勢(shì),防范其陷入財(cái)務(wù)困境也是制造業(yè)產(chǎn)業(yè)變革所必須打下的基礎(chǔ)。而我國金融市場(chǎng)逐漸成熟,股市主力軍依然是中小股民,他們倚靠自己的分析能力解析上市公司的公開信息。但由于財(cái)務(wù)危機(jī)爆發(fā)的突發(fā)性,使用簡(jiǎn)單的指標(biāo)分析難以捕捉危機(jī)的出現(xiàn)。因而,對(duì)于財(cái)務(wù)危機(jī)的預(yù)測(cè)變得更有存在的意義。近年來,對(duì)于預(yù)警模型的數(shù)學(xué)方法集成的研究從未停止過。比如李曉峰(2004)提出的粗糙集與神經(jīng)網(wǎng)絡(luò)結(jié)合的RST-BPNN模型,岑涌(2008)等利用遺傳算法優(yōu)化的GA-SVM模型,以及彭靜等(2008)提出的PSO-SVM模型。PSO-SM模型將PSO粒子群算法運(yùn)用到核函數(shù)優(yōu)化中,驗(yàn)證了新模型的預(yù)測(cè)性能。本文擬基于前人的研究,將信息熵運(yùn)用到指標(biāo)篩選中來,與人工神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,再與傳統(tǒng)統(tǒng)計(jì)模型相比較。并基于財(cái)務(wù)會(huì)計(jì)的某些分析角度,將一些新指標(biāo)運(yùn)到預(yù)警模型體系中去,為預(yù)警指標(biāo)集合的科學(xué)性與完備性做出一些貢獻(xiàn)。本文首先通過對(duì)財(cái)務(wù)危機(jī)預(yù)警的以往文獻(xiàn)的模型和指標(biāo)進(jìn)行研究�？偨Y(jié)國內(nèi)外對(duì)財(cái)務(wù)危機(jī)的定義,并給出本文對(duì)財(cái)務(wù)危機(jī)概念的定義。同時(shí),多角度分析現(xiàn)有財(cái)務(wù)危機(jī)預(yù)警模型：從單變量模型、多變量模型的角度,從定量分析模型、定性分析模型的角度分別闡述,并描述其優(yōu)缺點(diǎn),為后文的模型選擇提供理論依據(jù)。在對(duì)相關(guān)文獻(xiàn)進(jìn)行綜述之后,本文闡述了與財(cái)務(wù)危機(jī)預(yù)警相關(guān)的理論基礎(chǔ),包括經(jīng)濟(jì)周期與經(jīng)濟(jì)預(yù)警理論、代理成本理論、內(nèi)部控制理論、財(cái)務(wù)分析理論以及會(huì)計(jì)信息失真的理論。在此之后,本文開始對(duì)后續(xù)模型所需的一切指標(biāo)、樣本等進(jìn)行設(shè)計(jì)。首先,對(duì)本文的實(shí)證研究內(nèi)容作出假設(shè),其中包含對(duì)新模型準(zhǔn)確度的假設(shè)、財(cái)務(wù)危機(jī)漸進(jìn)性的假設(shè)以及對(duì)于本文擴(kuò)建新指標(biāo)的假設(shè)。關(guān)于樣本,僅選取由于財(cái)務(wù)問題而由財(cái)務(wù)正常變?yōu)镾T以及由財(cái)務(wù)正常變?yōu)?ST的上市公司作為財(cái)務(wù)危機(jī)企業(yè)備選樣本；考慮到2007年1月1日國內(nèi)上市公司開始實(shí)行新的通用會(huì)計(jì)準(zhǔn)則和2015年發(fā)生的股災(zāi),樣本的研究時(shí)間段為2007年初至2014年末；針對(duì)危機(jī)樣本公司按照1：1的比例選取同行業(yè)同規(guī)模的企業(yè)。將被ST或*ST的時(shí)刻定義為T時(shí)刻,本文主要研究T-2、T-1時(shí)刻的數(shù)據(jù),欲以T-1和T-2時(shí)刻的數(shù)據(jù)分別篩選指標(biāo)、構(gòu)建模型,再使用預(yù)測(cè)樣本數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn),并且用以建模和預(yù)測(cè)的樣本比例為2：1。對(duì)指標(biāo)的選取服從全面、敏感、可度量的原則,從償債、盈利、經(jīng)營、風(fēng)險(xiǎn)、發(fā)展、股權(quán)結(jié)構(gòu)、現(xiàn)金流量的角度分t-1、t-2時(shí)刻進(jìn)行顯著性檢驗(yàn),通過檢驗(yàn)的指標(biāo)成為后文模型的初始指標(biāo)集。最后,運(yùn)用SPSS軟件對(duì)初始指標(biāo)集進(jìn)行降維分析,通過因子分析之后建立logistic模型；再利用MATLAB軟件,根據(jù)熵權(quán)法對(duì)第四章中的初始指標(biāo)集進(jìn)行了篩選,保留累計(jì)熵權(quán)為0.99之前的所有指標(biāo),并運(yùn)用clemintine構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,并通過添加新的預(yù)警指標(biāo)(財(cái)務(wù)狀況指標(biāo)與利潤分析指標(biāo)),驗(yàn)證了新指標(biāo)對(duì)于神經(jīng)網(wǎng)絡(luò)模型的精度提升作用。前文對(duì)實(shí)證研究內(nèi)容的假設(shè)都得到了驗(yàn)證。實(shí)證結(jié)果表明logistic模型不論在哪個(gè)階段,對(duì)于構(gòu)建和預(yù)測(cè)的準(zhǔn)確度,都不如神經(jīng)網(wǎng)絡(luò)高。原因可能在于神經(jīng)網(wǎng)絡(luò)能相對(duì)完整的保留指標(biāo)相互作用而造成的影響,同時(shí)使用熵權(quán)法篩選指標(biāo)是單獨(dú)考慮指標(biāo)的變異程度能夠提供的信息,不因多重共線性而過濾重要的數(shù)據(jù)。而傳統(tǒng)模型由于數(shù)據(jù)分布限制和分析條件限制,在使用相關(guān)性分析篩選指標(biāo)時(shí)就可能漏掉一些重要指標(biāo)。并且神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性和推理能力也能提高預(yù)測(cè)的精度。對(duì)于財(cái)務(wù)危機(jī)發(fā)生的前兩年T-2時(shí)刻,盈利能力指標(biāo)均未入選預(yù)警指標(biāo),這代表至少在財(cái)務(wù)危機(jī)發(fā)生的往前兩年,盈利指標(biāo)不論是經(jīng)過利潤操縱或是真實(shí)數(shù)據(jù),均未與正常公司區(qū)別開來。這也證明了財(cái)務(wù)危機(jī)的暴露是漸進(jìn)的。同時(shí)我們也可以看到在對(duì)指標(biāo)進(jìn)行擴(kuò)充之后,財(cái)務(wù)狀況指標(biāo)的添加使得模型預(yù)測(cè)準(zhǔn)確有所提高,而利潤操縱指標(biāo)則使得模型準(zhǔn)確度明顯上升�？v向?qū)Ρ饶Ｐ涂梢园l(fā)現(xiàn)：t-2時(shí)刻的所有模型的預(yù)測(cè)準(zhǔn)確度都低于相應(yīng)的t-1時(shí)刻的模型。這其中有指標(biāo)滯后作用的影響,也有財(cái)務(wù)危機(jī)分階段漸進(jìn)式爆發(fā)的原因。經(jīng)過實(shí)證分析,我們應(yīng)該有一些清晰的認(rèn)知：針對(duì)每個(gè)行業(yè),預(yù)警指標(biāo)都應(yīng)該有針對(duì)性的偏移。例如本文研究的樣本為制造業(yè),作為負(fù)債常年處于較高狀態(tài)的行業(yè),其償債能力就是需要提起重視的研究視角。財(cái)務(wù)危機(jī)是由綜合性的風(fēng)險(xiǎn)造成的,在風(fēng)險(xiǎn)質(zhì)變成為危機(jī)之前,各個(gè)類別的風(fēng)險(xiǎn)并不是同時(shí)段全面發(fā)生的,比如文中t-2時(shí)刻的盈利能力指標(biāo)在所有模型中都是正常狀態(tài)。但這并不意味著我們就不需要對(duì)這一部分風(fēng)險(xiǎn)提高警覺。因此,制定科學(xué)全面的風(fēng)險(xiǎn)防范措施是預(yù)防財(cái)務(wù)危機(jī)爆發(fā)所必須的。本文的研究采用了多種研究方法。具體來說,在確定初始指標(biāo)集之前使用峰度和偏度來判定是否服從正態(tài)分布,由于指標(biāo)數(shù)據(jù)均不服從正態(tài)分布,于是采用秩和檢驗(yàn)進(jìn)行均值差異分析。在logistic模型中,采用了Spearman秩相關(guān)分析,效度檢驗(yàn)則采用KMO和Bartlett's Test,用因子分析法進(jìn)行指標(biāo)降維處理。在基于熵權(quán)法的神經(jīng)網(wǎng)絡(luò)模型中,首先使用MATLAB計(jì)算指標(biāo)的熵值,通過排序來刪除變異程度不高的指標(biāo),再利用clemintine快速構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。本文的創(chuàng)新點(diǎn)主要有以下兩個(gè)方面：①新指標(biāo)的引入。其一為財(cái)務(wù)狀況(綜合)指標(biāo),它是把幾個(gè)重點(diǎn)指標(biāo)糅合為一個(gè)指標(biāo),保留了指標(biāo)的內(nèi)部作用力。其二是利潤操縱指標(biāo),體現(xiàn)了財(cái)務(wù)會(huì)計(jì)信息被操縱的程度,被引入之后對(duì)模型預(yù)測(cè)準(zhǔn)確率的提升有很大的影響。②本文將熵權(quán)法與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合運(yùn)用于制造業(yè)上市公司的研究。對(duì)通過了均值差異檢驗(yàn)的指標(biāo)計(jì)算熵值,對(duì)指標(biāo)的熵權(quán)進(jìn)行排序來篩選重要的指標(biāo)。將此種集成的方法用于研究制造業(yè)上市公司的財(cái)務(wù)危機(jī)預(yù)警模型并進(jìn)行詳細(xì)論述,是本文的創(chuàng)新點(diǎn)之一。在最后的結(jié)論部分,對(duì)財(cái)務(wù)預(yù)警模型的未來進(jìn)行了展望并總結(jié)了不足(包括本文的指標(biāo)選取只是針對(duì)制造業(yè),指標(biāo)在其他行業(yè)的運(yùn)用中還存在局限性等)。指出未來可以從指標(biāo)的擴(kuò)充著手進(jìn)一步的研究,包括本文囿于各種原因未能加入新模型進(jìn)行分析的β與股價(jià)偏離度,還有傳統(tǒng)分析中的行業(yè)、地區(qū)相關(guān)指標(biāo)；同時(shí),本文并未采用Cox生存分析、支持向量機(jī)等方法構(gòu)造模型進(jìn)行對(duì)比,未來可在這個(gè)方面對(duì)文章進(jìn)行進(jìn)一步的完善。在數(shù)據(jù)處理上,在未來或許可以利用灰色系統(tǒng)在不完備的小樣本信息上的處理優(yōu)勢(shì),提升數(shù)據(jù)處理的科學(xué)性。同時(shí)也對(duì)大數(shù)據(jù)在個(gè)性化企業(yè)的財(cái)務(wù)預(yù)警系統(tǒng)中的運(yùn)用作了展望。
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F275

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐云龍;李劍英;陳玲熙;;一種神經(jīng)網(wǎng)絡(luò)模型在醫(yī)學(xué)中的應(yīng)用[J];消費(fèi)導(dǎo)刊;2008年14期

2 楊則正;聲識(shí)別中的神經(jīng)網(wǎng)絡(luò)模型[J];管理科學(xué)文摘;1995年09期

3 王春景;;一類神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性分析[J];科技創(chuàng)新導(dǎo)報(bào);2009年13期

4 汪健雄;劉春煌;單杏花;朱建生;;基于雙層次正交神經(jīng)網(wǎng)絡(luò)模型的鐵路客運(yùn)量預(yù)測(cè)[J];中國鐵道科學(xué);2010年03期

5 黃小原;;動(dòng)態(tài)經(jīng)濟(jì)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型和預(yù)報(bào)[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;1992年05期

6 賀力群,朱克強(qiáng);企業(yè)市場(chǎng)占有率預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型[J];北京理工大學(xué)學(xué)報(bào);1998年06期

7 歐陽江林;重復(fù)傳播神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法的探討[J];浙江工貿(mào)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2002年01期

8 黃靜;;神經(jīng)網(wǎng)絡(luò)模型在股票預(yù)測(cè)上的應(yīng)用[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年07期

9 吳玉鳴,李建霞;非線性神經(jīng)網(wǎng)絡(luò)模型及在糧食生產(chǎn)預(yù)測(cè)中的應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

10 秦江波;王宏起;;商業(yè)銀行信貸風(fēng)險(xiǎn)識(shí)別的神經(jīng)網(wǎng)絡(luò)模型[J];商業(yè)研究;2009年11期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 孫寶成;劉錫薈;;時(shí)間序列神經(jīng)網(wǎng)絡(luò)模型[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

2 周金榮;胡澤新;黃道;;一種多層混合型神經(jīng)網(wǎng)絡(luò)模型的研究[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

3 王阿明;劉天放;;高階神經(jīng)網(wǎng)絡(luò)模型特性研究[A];中國地球物理學(xué)會(huì)年刊2002——中國地球物理學(xué)會(huì)第十八屆年會(huì)論文集[C];2002年

4 屈景怡;王如彬;;大腦皮層神經(jīng)網(wǎng)絡(luò)模型同步問題研究[A];第十四屆全國非線性振動(dòng)暨第十一屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議摘要集與會(huì)議議程[C];2013年

5 張美戀;林熙;;經(jīng)濟(jì)增長的神經(jīng)網(wǎng)絡(luò)模型[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 陳昭炯;葉東毅;;一個(gè)改進(jìn)的競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)模型[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

7 郭成安;李建華;李明偉;;從觀測(cè)數(shù)據(jù)學(xué)習(xí)后驗(yàn)概率函數(shù):一種最佳神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)與分析[A];第十屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

8 李媛;康春艷;于亞芳;;交指型缺陷接地結(jié)構(gòu)共面波導(dǎo)的神經(jīng)網(wǎng)絡(luò)模型[A];2009年全國微波毫米波會(huì)議論文集（上冊(cè)）[C];2009年

9 禹建麗;蘇中義;楊衛(wèi)平;;牽引傳動(dòng)中潤滑油牽引系數(shù)的神經(jīng)網(wǎng)絡(luò)模型[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

10 胡金亮;李建生;余學(xué)慶;沈建京;周濤;王永炎;;用于中醫(yī)證候量化診斷的神經(jīng)網(wǎng)絡(luò)模型的探索[A];計(jì)算機(jī)在診法中的應(yīng)用與研究論文匯編[C];2005年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 自治區(qū)交通廳養(yǎng)路費(fèi)征稽處 程愛娟;應(yīng)用“神經(jīng)網(wǎng)絡(luò)模型”預(yù)測(cè)婦女的平均工資水平[N];新疆科技報(bào)(漢);2000年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 袁朝暉;二元離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2003年

2 王軍平;幾類離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];復(fù)旦大學(xué);2006年

3 南晉華;決策神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用研究[D];華中科技大學(xué);2008年

4 周日貴;量子神經(jīng)網(wǎng)絡(luò)模型研究[D];南京航空航天大學(xué);2008年

5 劉艷青;時(shí)滯神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性研究[D];天津大學(xué);2005年

6 趙靈曉;基于部件神經(jīng)網(wǎng)絡(luò)模型的制冷系統(tǒng)混合仿真方法及應(yīng)用[D];上海交通大學(xué);2010年

7 朱紅;高速（HS-K-WTA）神經(jīng)網(wǎng)絡(luò)模型[D];南京理工大學(xué);2003年

8 熊佩英;幾類神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2013年

9 劉開宇;幾類二元神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)性質(zhì)研究[D];湖南大學(xué);2004年

10 黃振坤;幾類神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];浙江大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊巍;三元離散神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性與分岔分析[D];東北林業(yè)大學(xué);2010年

2 孫文淵;基于BP神經(jīng)網(wǎng)絡(luò)模型下預(yù)測(cè)吉林省GDP[D];延邊大學(xué);2015年

3 李波;一類帶有分段連續(xù)控制項(xiàng)的非線性遞推關(guān)系的漸近周期性[D];延邊大學(xué);2015年

4 鞏云野;兩類具有時(shí)滯項(xiàng)的Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性分析[D];東北林業(yè)大學(xué);2015年

5 王薇;一類離散時(shí)間雙極人工神經(jīng)網(wǎng)絡(luò)模型的周期性[D];延邊大學(xué);2015年

6 李辰風(fēng);改進(jìn)遺傳BP網(wǎng)絡(luò)的地表沉降預(yù)測(cè)方法研究[D];江西理工大學(xué);2015年

7 尤軍;民用建筑沉降監(jiān)測(cè)與預(yù)報(bào)方法應(yīng)用研究[D];寧夏大學(xué);2015年

8 吳嬌嬌;基于時(shí)空神經(jīng)網(wǎng)絡(luò)模型的瓦斯?jié)舛阮A(yù)測(cè)研究[D];中國礦業(yè)大學(xué);2015年

9 李靈光;細(xì)長導(dǎo)軌加工變形分析與參數(shù)優(yōu)化技術(shù)[D];北京理工大學(xué);2015年

10 王鵬;切換Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];長沙理工大學(xué);2014年

，

本文編號(hào)：1186468