学位论文 > 优秀研究生学位论文题录展示

基于神经网络的财务困境预测模型设计

作　者: 李凡军
导　师: 魏海坤
学　校: 东南大学
专　业: 控制理论与控制工程
关键词: 财务困境 CC算法 TAF模型特别处理(ST) 动态主元分析
分类号: TP183
类　型: 硕士论文
年　份: 2006年
下　载: 282次
引　用: 0次
阅　读: 论文下载

内容摘要

财务困境已成为一个世界问题,因为它会极大地影响投资者、信贷者以及银行官员的财务决策,审计人员也需要通过财务困境的判别和预测来获取财务信息。公司陷入财务困境是一个逐步的过程,不但具有先兆,而且可以预测。正确预测公司财务困境,对于保护公司投资者和债权人的利益、对于管理者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险,都具有极其重要的现实意义。自1960年财务困境预测在美国和欧洲就已经开始研究,国外公司财务困境预测研究在证券投资、信用风险管理、审计决策和公司财务管理中开始扮演越来越重要的角色。有很多方法可以用于解决财务困境预测问题,其中用的最多的就是统计方法,包括多元判别分析法(MDA)、Logit法和Probit法。MDA方法已被广泛应用于企业破产预测、企业信用评价、信贷评价等等领域。但是由于变量分布不符合MDA所需要的统计假设,所以使用MDA方法有可能导致判别结果产生偏差。作为另一个可供选择的模型,神经网络通过其神经元之间的连接来代表非线性的判别关系,所以神经网络是完全适合解决企业财务困境的预测问题的。国内这方面的研究才刚刚起步,本文利用某些函数的高阶导函数可以由其低阶导函数表示这一特性,提出了激活函数可调的级连相关算法(TAFCC),并将动态主元分析应用到变量选择中。最后应用我国上市公司的财务报表数据(1998-2002),采用集成神经网络(BP、CC、TAFCC)和动态主元分析相结合组成的新模型,对我国上市公司进行财务困境预警研究。实证结果显示新模型效果要优于MDA、logit等预测结果。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-11
  1.1. 课题的意义  8
  1.2. 研究现状  8-10
    1.2.1 国外研究现状  9
    1.2.2 国内研究现状  9-10
  1.3 课题任务与内容  10
  1.4 课题的实现方法  10-11
第二章财务困境的相关概念  11-25
  2.1 财务困境的定义及特征  11-14
    2.1.1 国外有关财务困境的定义标准  11-12
    2.1.2 国内有关财务困境的定义标准  12-14
    2.1.3 财务困境的某些特征  14
  2.2 财务困境预测的常用模型  14-22
    2.2.1 单变量判别  14-15
    2.2.2 多元判别分析(MDA)  15-16
    2.2.3 线性概率模型(LPM)  16
    2.2.4 Logit、Probit模型  16-17
    2.2.5 人工神经网络(ANNs)  17-18
    2.2.6 遗传算法(genetic algorithm)  18-20
    2.2.7 粗集方法(rough set theory)  20-21
    2.2.8 支持向量机  21
    2.2.9 组合预测模型  21-22
  2.3 财务困境预测中变量选择  22-25
    2.3.1 预测变量选择的原则  22-23
    2.3.2 依据经济金融理论选择预测变量  23
    2.3.3 逐步回归  23-24
    2.3.4 神经网络方法  24-25
第三章激活函数可调的级连相关算法  25-37
  3.1 CC算法原理及结构  25-27
  3.2 TAF模型  27-30
    3.2.1 TAF模型的基本结构  27-28
    3.2.2 TAF函数的可行函数域  28-29
    3.2.3 权值调节  29-30
  3.3 激活函数可调的CC算法  30-33
    3.3.1 基本原理  30-31
    3.3.2 并联方式  31-32
    3.3.3 串联方式  32-33
    3.3.4 算法实现  33
  3.4 实验及结果  33-37
    3.4.1 双螺旋问题  33-34
    3.4.2 Makey_Glass时间序列  34-37
第四章动态主元分析简介  37-39
  4.1 多变量主成分及其求法  37-38
  4.2 多元动态主成分实现及其特点  38-39
第五章实证研究及前景展望  39-50
  5.1 样本及变量选取  39-43
    5.1.1　样本选取  39-40
    5.1.2 变量选择  40-43
  5.2 模型建立及实证结果分析  43-49
    5.2.1 BP模型  43-45
    5.2.2 CC模型  45-46
    5.2.3 激活函数可调的CC算法(TAFCC)  46
    5.2.4 网络集成模型  46-49
  5.3 前景展望  49-50
结束语  50-51
致谢  51-52
参考文献  52-55
研究生期间发表的论文  55

相似论文

终极控制人特征、治理环境差异与财务困境——来自中国上市公司的经验证据,F832.51;F224
房地产上市公司财务困境预测研究,F293.33
我国生物制药行业财务困境预警研究,F406.72
异常审计收费与财务困境客户经营风险,F239.4;F224
我国上市公司财务困境预警实证分析,F275
我国财务困境上市公司资产重组绩效研究,F275
上市公司自愿性变更会计师事务所的影响因素研究,F276.6;F224
公司治理与财务困境成本的研究,F276.6;F224
基于多元判别模型和BP神经网络模型的上市公司财务困境预警,F832.51;F275
我国生物制药行业上市公司财务困境预警研究,F406.72;F224
上市公司股权结构与财务困境关系的实证研究,F275;F224
具有新型预测能力的财务困境模型研究,F275
我国上市公司财务困境成本实证研究,F275
基于可拓理论的我国房地产上市公司财务预警研究,F224
我国上市公司财务困境成本研究,F224
中国上市公司财务预警实证研究,F224
上市公司财务困境分析与预测,F276.6;F224
中国上市公司财务困境预测模型研究,F832.51
资产减值对上市公司财务困境预测的影响研究,F276.6;F224
基于公司治理因素的财务困境预警实证研究,F275
秦皇岛耀华玻璃股份有限公司财务困境预警研究,F426.71