学位论文 > 优秀研究生学位论文题录展示

基于邻域粗糙集—神经网络的上市公司财务预警研究

作　者: 吴丽华
导　师: 马超群
学　校: 湖南大学
专　业: 管理科学与工程
关键词: 财务预警邻域粗糙集神经网络上市公司
分类号: F276.6;F224
类　型: 硕士论文
年　份: 2009年
下　载: 96次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息时代到来,公司面临的不确定性越来越多,风险也越来越大。因财务状况异常而被特别处理的上市公司数量急剧上升。财务困境预警模型作为一种事前预警模型,可以为公司战略调整、投资者投资决策、债权人发放债务等提供参考依据。因此,构建有效的财务困境预警模型具有重大的理论和现实意义。本文在财务困境概念界定和国内外经典文献分析评价基础上,指出现有研究的不足。通过深入分析我国上市公司财务困境现状,总结了公司发生财务困境的原因,探讨了公司治理与财务困境的关系,阐述了财务困境发生前可能存在的财物和非财务特征,为财务困境预警模型指标选取提供了理论和现实基础。接着,讨论了邻域粗糙集应用于知识约简的原理和算法并对神经网络理论进行了详细阐述。在此基础上分析了两者的结合原理,构建了邻域粗糙集-神经网络组合预测模型。模型首先对样本数据进行预处理,运用邻域粗糙集作为神经网络的前置系统对备择指标进行约简构建预测指标体系,然后将约简后的指标体系作为神经网络的输入进行分类预测。在预警指标选取方面,本文在财务指标的基础上,加入了能反映公司治理变量和审计意见的非财务指标以使预测指标能够更好更全面地反映公司的经营状况。最后,为避免行业特征的影响,本文使用2003年至2009年A股制造业上市公司年报数据,对所建立的组合预警模型进行实证研究。结果表明:组合预测模型能有效删除冗余信息;与单一的神经网络模型、Logistic回归模型相比,模型预测精度有所提高,并减少了网络的运算时间,提高了神经网络模型的预测效率。

基于邻域粗糙集—神经网络的上市公司财务预警研究

内容摘要

全文目录

相似论文