学位论文 > 优秀研究生学位论文题录展示

基于灰色神经网络的信息技术业上市公司财务危机预警研究

作　者: 姚根
导　师: 傅太平
学　校: 湘潭大学
专　业: 企业管理
关键词: 信息技术业财务危机预警灰色神经网络
分类号: F275
类　型: 硕士论文
年　份: 2013年
下　载: 48次
引　用: 0次
阅　读: 论文下载

内容摘要

我国经济飞速的发展和国家政策的支持推动着信息技术业的迅猛发展，使得该行业成为国民经济的支柱产业之一。信息技术业的发展在解决我国就业问题，推动经济增长方面起到了很大作用，一系列数据显示了该行业为我国经济发展做出了自己应有的贡献。由于当前阶段良好的宏观经济环境等条件，信息技术业上市公司经营状况良好，在深沪两市中因财务出现危机而被ST的公司在该行业上市公司总数中所占比率不是很大。但是，信息技术业是典型的高风险行业，过高的风险虽然伴随过高的收益，但也给企业的管理者带来一定的挑战，一次失误就可能造成严重的财务危机。除此之外，由于我国该行业技术水平还远远落后于国外，在以后的竞争中面临的状况将越来越严峻。企业没有核心竞争力，无法占有市场获得经济利润就会出现财务危机。一旦财务出现问题，管理者又不能及时解决，就会给投资者、债权人等利益相关者带来巨大的损失。所以，如何在国内外研究的基础上，结合我国信息技术业特征，构建具有我国特色的财务危机预警模型是具有重大意义的。本文在阅读和参考较多的国内外文献的基础上，首先确定了本文研究中信息技术业的财务危机上市公司，并分析了为什么会出现财务危机。在实证部分，本文从深沪两市A股上市公司中选取了36家信息技术业上市公司作为样本，包括了财务健康和财务不健康上市公司，根据指标选取原则选取了21个财务指标和5个非财务指标作为预警指标，利用灰色关联分析后筛选出了8个预警指标用作模型的构建。为了实现动态财务危机预警，本文首先建立了神经网络模型，然后将灰色预测模型的预测数据输入已建好的神经网络模型中，建立了灰色神经网络，该模型结合了灰色预测模型能处理信息贫乏、数据灰度大的样本的优点和神经网络能自主学习的优点。该模型成功判断了上市公司的财务危机和财务健康，证明了模型是比较优秀的。该模型为管理者了解企业财务状况，采取措施弥补损失提供了依据。研究结果表明：（1）某些财务指标能很好地反映出企业是否陷入财务危机。（2）某些非财务指标也会对企业的财务状况产生很大影响。（3）应该重视财务指标的变化趋势，该趋势在一定程度上反映了企业未来的财务状况。（4）将灰色系统和BP神经网络进行串联后建立的灰色神经网络模型是良好的动态预警模型。

全文目录

摘要  4-5
Abstract  5-9
第1章引言  9-19
  1.1 选题背景和意义  9-11
    1.1.1 选题背景  9
    1.1.2 选题意义  9-11
  1.2 研究目的  11-12
  1.3 国内外相关研究概况  12-16
    1.3.1 财务预警相关研究状况  12-13
    1.3.2 灰色系统理论和应用相关研究状况  13-14
    1.3.3 神经网络理论和应用相关研究状况  14-15
    1.3.4 灰色神经网络研究状况  15-16
  1.4 论文研究内容和方法  16-17
    1.4.1 研究内容  16
    1.4.2 研究方法  16-17
  1.5 论文的创新与不足  17-19
    1.5.1 论文的创新点  17
    1.5.2 论文存在的不足  17-19
第2章相关概念界定和理论分析  19-25
  2.1 相关概念  19-20
    2.1.1 信息技术业的界定  19
    2.1.2 财务危机的定义  19-20
    2.1.3 财务预警的界定  20
  2.2 基础理论  20-25
    2.2.1 灰色系统理论  20-23
    2.2.2 BP 神经网络系统理论  23-24
    2.2.3 灰色系统理论与 BP 神经网络的融合  24-25
第3章信息技术业上市公司财务危机状况简析  25-31
  3.1 信息技术业上市公司简介  25-27
    3.1.1 信息技术业上市公司基本特征  25-26
    3.1.2 信息技术业上市公司发展现状  26-27
  3.2 信息技术业上市公司财务危机状况分析  27-29
  3.3 信息技术业上市公司财务危机形成原因  29-31
    3.3.1 信息技术业上市公司财务危机形成的内部环境因素  29-30
    3.3.2 信息技术业上市公司财务危机形成的外部环境因素  30-31
第4章信息技术业上市公司财务危机预警模型的构建和实证分析  31-47
  4.1 样本数据的选取  31-32
    4.1.1 样本及数据来源  31
    4.1.2 样本数据的选取标准  31-32
    4.1.3 样本选择结果  32
  4.2 预警指标的选取  32-34
    4.2.1 预警指标的选取原则  32-33
    4.2.2 财务指标的初步选取  33
    4.2.3 非财务指标的初步选取  33-34
  4.3 预警指标的筛选  34-37
    4.3.1 灰色关联度分析  34-36
    4.3.2 相关性检验  36-37
  4.4 BP 神经网络的建立  37-41
    4.4.1 BP 神经网络的初始化  37-38
    4.4.2 BP 神经网络的训练与回判仿真  38-41
    4.4.3 BP 神经网络的检验  41
  4.5 动态预警  41-45
    4.5.1 灰色预测数据处理  41-42
    4.5.2 动态预警与检验  42-43
    4.5.3 预警结果分析  43-45
  4.6 信息技术业上市公司财务预警对策  45-47
结论与展望  47-49
参考文献  49-52
致谢  52-53
附录 A 建模初选指标数据  53-58
附录 B MATLAB 程序  58-59
个人简历、在学期间发表的学术论文与研究成果  59

基于灰色神经网络的信息技术业上市公司财务危机预警研究

内容摘要

全文目录

相似论文