一、上市公司财务危机预测—多类别变量实证研究(论文文献综述)
胡心搏[1](2021)在《企业财务危机预警中功效系数法的改进及应用探讨 ——以武汉凡谷为例》文中研究说明在市场结构日益复杂的今天,企业所处的经济环境存在重大不确定性,随时都可能陷入财务危机。一旦陷入财务危机,企业各方均会遭受重大损失,所以无论是企业自身还是其利益相关者都需随时关注企业的财务状况,对财务危机进行合理预警分析。目前主流的财务危机预警方法集中在运用实证分析建立模型方面,操作较为复杂,并不适用于企业的日常经营。与主流方法相比,功效系数法不仅操作简单易行,还能综合反映企业的财务状况,更能提高预警的准确性,因而被广泛应用于财务危机预警分析中。但其也存在指标权重未考虑行业特征等不足,基于此,本文将针对功效系数法的不足对其进行改进,并将改进后的方法应用于财务危机预警中,提高其在财务危机预警应用中的科学性与有效性。本文选取通信设备制造业中的“武汉凡谷”作为案例公司。通信设备制造业具有投入大、回收难的特征,属于高风险行业,因而对其进行财务危机预警研究具有重要意义。本文结合通信设备制造业的特征,运用改进后的功效系数法对案例公司进行预警分析。首先,理论部分通过对国内外企业财务危机预警相关文献的梳理,界定企业财务危机的概念,并对财务危机预警的内涵与理论基础进行阐述,再对功效系数法的基本原理、特点及应用程序进行介绍。其次,针对传统功效系数法的不足提出建议并对其进行改进,引入现金流量指标,运用层次分析法为指标赋权,优化单项评分值的计算方法,对警限区间进行重新划分。再次,结合案例公司所处行业的特征,构建出适合通信设备制造业的财务危机预警模型,将其应用于武汉凡谷财务危机预警,进而给出相应对策。通过研究结果可知,武汉凡谷自2014年起连续四年财务状况直线下降,于2017年跌至谷底,陷入财务危机,但其在2018年财务形势略有好转。最后,通过对比改进前后的功效系数法在财务危机预警应用的评价结果,验证了改进方法的有效性。改进后的功效系数法在指标的选择与赋权两方面作出了相关调整,对财务危机的辨识能力得到了明显提升。同时,层次分析法的引入让功效系数法在运用时能将行业特征纳入考量范围。此外,根据国资委每年颁布的《企业绩效评价标准值》,功效系数法重新确定了计算标准值的方法,从原有的二档细化为了五档,能更真实地反映重要指标对综合评分的贡献。基于改进后的功效系数法构建预警模型,一方面,提高了企业财务危机预警的准确性;另一方面,可以让企业及时采取应对措施以降低财务危机带来的损失。
刘美伶[2](2021)在《基于ANP-LightGBM算法的信用卡用户违约预测模型研究》文中认为目前,我国信用卡人均持有量和交易额持续上升,信用卡业务已成为各大银行的重要盈利项目,但信用卡违约风险也随着信用卡市场的扩大而快速上升,因此银行和各种借贷机构投入了大量资源不断地寻找和优化违约风险预测算法。由于信用卡数据的复杂性和不平衡性,银行很难建立精准的违约风险预测模型,但随着大数据时代的到来和科学技术的飞速发展,先进的机器学习算法为防范信用卡违约风险提供了新的方法。因此利用机器学习算法构建高稳定性、高精准率的违约预测模型有很强的现实意义。本文根据现有研究,借助机器学习算法,从特征工程、建立信用评分表和优化预测模型三方面入手,建立了一个更为全面的信用卡用户违约风险预测模型。在特征工程方面,根据数据类型和结构特征,对数值变量和类别变量采取不同方式进行筛选,其中对数值变量使用回归法、随机森林法和Boruta法输出各变量的重要性值,并结合与分类标签的相关性进行筛选,对类别变量采取计算IV值的方法进行筛选,最终选择了14个变量进入模型,提高了变量筛选的精确性。在信用评分表的建立方面,利用筛选保留下的指标构建个人信用指标体系,根据ANP网络层次分析法对准则层和网络层的指标进行重要性刻度,通过指标综合权重建立信用评分表,计算出用户信用得分并划分信用等级,对用户质量进行直观的评价。在优化预测模型方面,对逻辑类别变量、有序类别变量和无序类别变量采取不同编码方式进行处理,利用五折交叉验证调整模型参数,并将用户信用得分结果作为新的变量加入Light GBM模型进行训练,通过两个模型的融合建立起了基于ANP结果的Light GBM模型,并对该模型的性能进行检验,最后把训练出来的组合模型和组成它的基分类器模型在精确性、适用性、功效性和稳定性方面进行对比分析。结果表明,通过两个模型的融合,既保留了ANP方法将复杂问题系统化的特点,又保留了Light GBM高效率、高精度的优越性,这种改进的违约预测模型比单一的预测模型在风险用户识别和预测上都有更好的表现,更适合在银行或相关金融领域中投入应用,同时该模型也为银行信用卡用户违约预测问题提供了一种新的研究思路。
李存[3](2021)在《基于非线性混频模型的财务困境动态预测研究》文中提出混频数据抽样模型(Mixed Data Sampling,MIDAS)是解决响应变量与解释变量观测频率不一致的混频数据分析问题的一类重要的统计模型。这类模型克服了将混频数据同频化的数据预处理方式可能引起的高频数据信息的损失和人为填补数据的误差问题,保证了原始的混频数据结构。然而,目前的混频回归模型仍以线性模型为主,本文将混频数据抽样技术和逻辑回归模型相结合,提出了两类非线性混频预测模型,并将其应用于中国制造业上市企业的财务困境预测问题中。一是以年度可观测的财务及宏观指标、季度可观测的GDP增长率以及月度通货膨胀率为解释变量,以年度财务困境状态为响应变量,构建了不同时间窗口的混频数据抽样-逻辑回归模型(MIDAS-Logistic),探究了MIDAS-Logistic模型在制造业上市企业财务困境发生前2-3年的短期预测和5年左右的中长期预测的不同效果。二是捕捉上市企业ST标识的季度时间信息,以季度财务困境状态为响应变量,以年度财务指标、季度和月度的宏观指标为解释变量,构建了反向约束混频数据抽样-逻辑回归模型(RRMIDAS-Logistic),实现了相对高频的财务困境预测。本文的创新和特色有二:一是通过构建非线性混频模型,解决了不同频率的指标数据与企业财务困境状态之间的混频预测问题,同时引入高频宏观数据来挖掘宏观经济的波动变化对企业未来财务困境发生的影响。二是不同于现有上市企业财务困境的年度预测研究,本文利用上市企业获得财务困境标签的季度信息,构建了相对高频的财务困境预警模型,解决了企业财务困境披露的滞后性问题。实证研究表明:(1)在中国制造业上市公司2-3年的短期财务困境预测中,考虑高频宏观影响的MIDAS-Logistic模型的预测表现显着优于同频逻辑回归模型,混频模型的AUC值相比同频模型提高了7.45%,且能够显着降低第二类错误。(2)考虑上市企业ST标识的季度时间信息所构建的RRMIDAS-Logistic模型,较传统的年度财务困境预测模型,具有明显的时间优势,能把第2季度公布为ST的企业、提前1个季度预测出来,且准确度高达90%以上,从而为投资者、监管机构等提供更加及时的决策依据。
陈雪蒙[4](2021)在《基于行为财务理论“代表性原则偏误”的违规上市公司现金持有管理研究》文中认为传统财务理论中的“理性经济人”假设在现实金融市场的实际运用与操作中面临着较大的局限性,将心理学和实验经济学运用于决策过程的行为财务理论逐渐成形并且开始被学者关注。其中较为典型的“代表性原则偏误”理论,是指管理者基于经验法则的决策方式,其产生的偏差效应难免导致错误的管理决策。在我国资本市场发展的过程中,上市公司违规现象接连不断。于2020年3月1日正式实施的新《证券法》采用加大违规处罚、提高违规成本、升级处罚力度、加强市场监管等措施试图来遏制市场违规行为,但与财务舞弊的巨大预期收益相比,对管理者的利益诱惑仍力度不够。作为公司财务管理中至关重要的现金决策环节,其较为灵活的操控空间仍成为管理者满足个人偏好的首选手段。本文尝试利用“有限理性经济人”的假设为切入点来解释上市公司中的微观财务行为。本文从行为财务理论出发,针对我国上市公司“高持现”现象及其违规行为频发的问题,选取2010-2019年度A股市场中的非金融类上市公司,共有3455家上市公司的25871个非平衡面板数据作为样本进行实证研究,试图证实“代表性原则偏误”作用于现金持有水平的偏差效应。进一步探究上市公司管理者代表性原则偏误对现金持有水平的影响机理,分别从内部治理与外部环境角度找到两条影响路径,即关联方交易的中介效应和市场化程度的反向调节效应。本文首先对我国上市公司现金持有现状进行数据统计分析,按时间、行业、资产规模、是否违规等特征进行分组,结果发现:(1)我国上市公司现金持有水平整体呈逐渐下降趋势,但仍普遍处于较高水平;(2)高持现现象涉及大部分行业,数据异常情况较为严重;(3)相较于较大资产规模的上市公司,资产规模较小的上市公司过度现金持有问题更加严重,主要原因是外部融资条件的约束;(4)相较于未出现违规行为的上市公司,违规组的上市公司现金持有水平长期居高不下。本文结合运用规范分析和实证检验的方法,探究上市公司代表性原则偏误对现金持有水平的影响,得到以下三个主要结论:(1)违规组的上市公司管理者存在的代表性原则偏误程度越高,其下期的现金持有水平会显着提高,代表性原则偏误与现金持有水平显着正相关;(2)关联方交易由于其隐蔽性成为存在代表性原则偏误的管理者控制上市公司现金持有水平手段之一,代表性原则偏误会显着增加上市公司的关联方交易金额,进而导致现金持有水平显着上升;(3)市场化程度在其中发挥出了积极的负向调节作用,不同市场化程度下的代表性原则偏误对现金持有决策的影响程度也不同,市场化程度较低的地区,管理者代表性原则偏误对现金持有决策的偏差效应有所增加,上市公司的财务风险和金融风险会被进一步放大,市场化程度能够减少非理性行为对现金持有决策的负面影响程度。基于理论分析和回归结果,本文最后提出三方面政策建议,包括降低管理者代表性原则偏误程度、灵活应用关联方交易反舞弊对策及充分发挥市场化程度的积极调节作用,以期为我国上市公司特别是出现违规行为的上市公司的实际现金管理决策提供参考。
刘晓烨[5](2020)在《会税差异、财务潜伏危机与审计意见的关系研究》文中提出近年来,随着市场经济日益变化,行业竞争愈发激烈,许多企业的财务压力也日益增大,进而可能出现财务潜伏危机。为了掩盖企业出现的财务问题,管理层会利用会税差异进行盈余管理活动或税收筹划行为,达到粉饰财务信息或避税的目的,从而导致我国上市公司的会计信息披露质量较低。由于受到信息不对称的影响,利益相关者很难直接从公开的财务报告中鉴别企业财务状况的真实性,从而可能做出不利决策,然而,注册会计师可以在一定程度上识别出财务报告的错误信息,依据重大错报风险水平出具审计意见。因此,利益相关者能否通过会税差异和审计意见识别出企业的财务潜伏危机,即会税差异、财务潜伏危机与审计意见三者之间存在何种关系,这是亟待解决的问题。基于此,本文首先阐述研究背景和意义,梳理并评述相关文献,简述会税差异、财务潜伏危机与审计意见的相关概念。其次,结合五个相关理论,以我国2015-2018年2699家A股上市公司为研究对象,将会税差异分类为正向会税差异和负向会税差异,采用多元回归分析法,探究会税差异、财务潜伏危机与审计意见三者之间的直接效应和中介效应。实证结果与研究结论表明:(1)总会税差异、正向会税差异、负向会税差异分别与财务潜伏危机呈正“U”型关系,会税差异会显着影响财务潜伏危机;(2)总会税差异、正向会税差异分别与审计意见呈正“U”型关系,负向会税差异与审计意见存在显着的负相关关系,会税差异会显着影响注册会计师出具审计意见;(3)财务潜伏危机越大,注册会计师越容易出具非标准审计意见,财务潜伏危机会显着影响审计意见;(4)财务潜伏危机在总会税差异与审计意见的关系中存在部分中介效应,在正向会税差异与审计意见的关系中存在部分中介效应,而在负向会税差异与审计意见的关系中存在遮掩效应。最后,本文依据研究结论,提出相关对策建议,以期丰富会税差异的研究成果,为广大利益相关者鉴别企业财务状况的真实性、评估企业未来发展的价值提供新的视角。
赵泽[6](2020)在《大数据背景下的M新能源公司财务危机预警研究》文中指出如今时代瞬息万变,社会环境和信息技术迅猛发展,随之汹涌而来的企业财务风险无处不在。因此,企业做出财务危机预警至关重要。目前新能源行业正在迅速发展并逐渐成为了当今国民生活中不可或缺的重要行业。但是,一旦因为管理或者防范不当,就很有可能会出现严重的财务问题。因此,通过研究新能源行业的敏感性指标,从而进行财务危机预警研究是迫在眉睫的。与此同时,以大数据为手段,从而更好的做出新能源行业的财务危机预警也是一项新的突破和尝试。本文试图依据财务风险控制以及危机预警的相关知识,借鉴优秀学者的方法和理念,运用SPSS软件建立Logistic模型,并选取60家新能源上市公司作为研究对象,研究其财务指标并构建新能源上市公司的财务危机预警模型。在此基础之上,加以大数据的背景,使用Python软件对上市公司的数据进行网络爬虫抓取和情感文本分析,从而得到企业的非财务指标。通过这种方式,将财务危机模型的精度进一步确定,并选取一部分样本对该模型进行检验。最后,将该模型应用于M新能源公司,结合文献分析法、定量分析法和案例分析法等方法分析M新能源公司各项财务指标以及非财务指标,找出其存在的问题并进行优化,从而降低该公司发生财务危机的可能性。除此之外,以此作为新能源行业的一个案例,对于整个行业提供助力。
王宁[7](2020)在《管理者过度自信、投资行为与公司财务困境》文中指出现代市场经济是建立在法制基础上的信用经济,其重要组成部分之一是资本市场。中国资本市场的发展速度令世人惊叹,曾经取得的成绩也令人瞩目,但近些年来却暴露出压力上升和风险加大的迹象。有统计数据显示近两年上市公司业绩不佳,部分公司商誉减值幅度大且亏损严重。导致这种现象出现的原因固然是多方面的,但外因通过内因起作用的规律是不变的。因此,可以说内部管理层制定的各项经营决策决定了公司的生死存亡,那么管理层自身的能力和行为特征以及经营决策的具体内容就变得至关重要。本文将管理者过度自信作为起点,研究管理者心理偏差如何通过投资行为影响公司财务困境。自信是一种乐观向上的态度,具有积极的现实意义。从心理学的角度讲,自信的人有一种积极的心理暗示,有助于激励人们推动事物向预期的方向发展,主观上的努力往往会大大提升成功的概率。根据优胜劣汰的观点,自信的人勇于创新、敢于接受挑战,从而增加成功的机会,所以更具有生存的竞争优势。但是,当自信的人们享受成功喜悦的时候,容易被胜利冲昏头脑,沉浸于自己自信、果断、高效的决策所带来的成就感,自我肯定的认知不断强化,最终形成过度自信的心理偏差。随着行为金融学的深入发展,研究者认为心理因素会阻碍决策者理性行事,导致实践中出现两个阻碍公司价值最大化的行为障碍,一个存在于公司内部,是管理者由于认知缺陷和情感影响而犯下的错误所带来的成本或价值损失;一个存在于公司外部,源于分析师和投资者的行为错误。公司内部的行为障碍直接影响经营决策的制定和决策执行的后果,从而出现管理者过度自信影响投资决策、投资决策影响财务困境的传导路径。本文首先在第2章中从管理者过度自信、财务困境、管理者过度自信对投资行为的影响、投资行为对财务困境的影响等几个方面对现有文献进行梳理,其中重点关注管理者过度自信的度量和管理者过度自信对财务决策尤其是投资决策的影响以及财务困境成因的实证研究。此外,为配合后文关于中介效应研究假设的检验,对该问题涉及到的已有文献做必要梳理,为明确中介效应分析法对本文研究的适用性提供依据。第3章从行为金融的角度研究上市公司财务困境成因,重点讨论管理者过度自信和公司财务困境之间的关系。实证检验结果显示,相对于理性公司而言,过度自信公司更容易陷入财务困境,盈利能力、公司治理水平和营运能力的提升有助于缓解财务困境,而投资机会、管理层持股会使财务健康状况恶化。对于管理者过度自信的度量指标,文章在稳健性检验部分通过实证分析排除了管理层增持股票的其他潜在解释,包括内部消息、历史业绩、风险偏好和信号传递,证明该方法是稳健的。第4章从投资规模的角度研究管理者过度自信与财务困境之间的作用机理,具体分为过度投资和投资-现金流敏感性两个问题。实证检验结果表明:首先,当公司处于较为宽松的内外融资环境时,相对于理性公司而言,管理者过度自信公司更容易出现过度投资的现象;但在融资条件较为恶劣的环境下,虽然获取资金的成本较高,但管理者自信投资项目未来的高收益足以弥补融资成本,且自身控制风险的能力可以确保高收益的实现,因而投资水平并未相应降低,没有呈现出显着的投资不足。其次,在管理者过度自信的公司,相对于内部现金流上升的情况而言,内部现金流下降时投资对现金流的敏感性会变弱,即内部现金流下降并未带来投资规模相应下调,投资规模出现向下调整粘性,从而出现投资-现金流敏感性非对称现象,而该现象在融资约束环境下虽然变弱但仍然存在。最后,过度投资现象和投资规模向下调整粘性即投资-现金流敏感性非对称现象在管理者过度自信导致财务困境的过程中起到部分中介作用。第5章选择多元化经营的视角,从投资方向的角度研究管理者过度自信对财务困境的影响。实证检验结果表明:首先,相对于理性管理者而言,过度自信管理者更易选择多元化经营,且多元化经营程度更深,体现为过度自信管理者选择多元化经营的概率更高、当年出现新增收入来源的可能性更大、经营涉及的行业数目更多、赫芬达尔指数更小、熵指数更大,总体显示出过度自信管理者的扩张欲望。其次,相对于单一经营而言,多元化经营的公司更易陷入财务困境,表现为行业数目越多、赫芬达尔指数越小、熵指数越大则公司陷入财务困境的概率越高。为进一步证实这个结论,文中对决策实施前后的不同时段进行区分,从时间序列的角度证明相对于多元化决策实施之前的财务状况而言,上市公司在决策实施之后更容易陷入财务困境。再次,如果公司在进入样本期之前是单一经营的状态,那么相对于经验丰富的多元化经营公司而言,这种公司在首次实施多元化决策之后陷入财务困境的概率更高,在重复经历中汲取经验的学习能力是不同多元化行为产生差异化影响的原因。第四,多元化经营决策尤其是单一公司多元化一次的行为,在管理者过度自信导致财务困境的过程中起部分中介作用。第五,过度自信管理者实施多元化决策后陷入财务困境并至少持续三年,而理性管理者实施多元化决策后并不会陷入财务困境。第6章选择并购决策的视角,从投资行为的角度研究管理者过度自信对财务困境的影响。实证检验结果表明:首先,相对于管理者理性的公司而言,管理者过度自信的公司更易选择并购活动,而且连续并购的可能性更大、并购活动更频繁。其次,管理者过度自信公司更易选择非相关并购、跨地域并购,在并购时更易选择现金支付,而且会支付更高的并购溢价。进一步分析发现过度自信管理者往往忽视非相关并购交易资源整合的难度以及跨地域并购伴随的自然环境、社会环境、企业文化和价值观等方面的差异,确定支付方式时不能充分考虑公司内部资源和所处市场环境,在确定交易金额时又夸大标的公司的潜在价值,从而不可避免的给出过度支付。再次,管理者过度自信公司的并购行为更易导致公司陷入财务困境。最后,并购行为在管理者过度自信与财务困境关系中发挥的部分中介作用是显着的,管理者过度自信通过不恰当的并购行为间接导致公司陷入财务困境,具体体现为非相关并购的中介效应、跨地域并购的中介效应、支付方式不当的中介效应和并购溢价过高中介效应。其中支付方式不当的中介效应体现为主并公司由于过高估计并购后资源整合带来的收益,在存有融资约束的情况下依然选择用现金支付,进而导致公司陷入财务困境。
杨婷[8](2020)在《基于集成学习的房地产上市公司财务危机预警研究》文中研究表明房地产行业在我国国民经济中占有重要地位,它与数十个行业息息相关,一旦出现波动将对我国国民经济产生重大影响。近年来国家陆续出台的一系列调控政策使得房地产上市公司的经营状况受到了剧烈影响,房地产行业具有资产负债率高、经营周期长、资金占用多等特点,这些特点也加大了房地产上市公司发生财务危机的可能性。因此,构建房地产上市公司财务危机预警模型,对防范房地产上市公司财务危机,促进房地产行业持续健康发展都具有较大的现实意义。本文构建了基于集成学习的房地产上市公司财务危机预警模型。选取并整理了2000-2019年沪深A股128家房地产上市公司相关数据作为研究样本;构建了多因子预警指标体系,该体系由财务指标、股权结构和审计意见指标、股票因素指标、宏观经济指标和行业环境指标组合构建;采用SMOTE算法对训练集的财务危机样本进行采样以解决样本不平衡问题;提出一种特征选择组合方法,综合Lasso、MIC、RFE和RF四种特征选择方法,将特征重要度按照“强”“中”“弱”的方式进行分类,保留“强”重要度指标,剔除其余指标以防止噪声对预测结果的干扰;采用XGBoost算法构建房地产上市公司财务危机预警模型,并与GBDT、Adboost、RF三种集成学习算法和Logistic、SVM、决策树、神经网络四种单一算法构建的房地产上市公司财务危机预警模型进行预警效果比较。实证结果表明,采用SMOTE算法处理样本不平衡问题有助于提高模型的性能;提出的特征选择组合方法优于单一特征选择方法;采用XGBoost算法构建的房地产上市公司财务危机预警模型要优于其它集成算法和单一算法,且具有良好的预测效果。本文主要有三方面的创新:一是新指标的引入。传统的房地产上市公司财务危机预警指标多为财务指标和和股权结构、审计意见等非财务指标,而本文加入了股票因素指标、宏观经济指标和行业环境指标,丰富了指标体系。二是样本不平衡问题的处理。现有研究大多采用固定财务危机样本后按照一定的比例随机抽取财务正常样本进行匹配,以避免样本数据不平衡影响模型预测效果,但由于样本对总体的代表性有限,预测模型的泛化能力会受到影响。对此,本文采用SMOTE算法对财务危机样本进行采样来构建平衡数据集,并实证了该方法能够有效地解决样本不平衡问题对模型预测性能的影响。三是集成模型的构建。为避免单一特征选择算法因本身缺陷不能发现冗余特征或落选重要特征,本文集成多种算法进行特征选择,进一步采用XGBoost算法构建房地产上市公司财务危机预警模型,并实证了特征选择组合方法和XGBoost算法能够提升模型的预测效果。
黄丽霞[9](2020)在《基于RES-CNN的信息服务业ST公司财务危机预测研究》文中认为我国的经济规模不断扩大,公司的经营环境越来越复杂,也面临更多的机会和挑战,至2018年底,沪深两市有3700多家上市公司,市值总额占国内GDP总值60%以上,经济增速稳定保持在5%以上,但同时也新增了85家由于财务危机而面临巨大损失或者陷入破产困境的上市公司,其中信息服务业公司破产达到20家,因其个体规模庞大,对信息服务行业的健康发展也产生了非常不利的影响。因此信息服务也财务危机的研究既有利于利益相关者降低投融资风险,也有利于提高信息服务业的竞争力,促进与数字经济与实体经济的融合。在前辈们研究成果的基础上,以2015-2018年我国沪深两市A股市场上因“财务状况异常”而被特别处理的信息服务业上市公司(即被ST的公司)为研究对象。首先以危机预警理论、企业生命周期理论和委托代理理论为基础,阐述了信息服务企业应从成立期至成熟期都要进行危机管理活动;其次采用规范研究与实证研究相结合的方法,筛选了包括40家ST公司和80家非ST公司的样本,运用spss19.0对样本展开了充分的统计描述和参数检验,有效缓解了预测变量共线性问题,确定了显着影响信息服务业财务状况的预测变量,即21个财务比率指标和5个非财务指标;然后提出了残差-卷积神经网络的财务危机预测模型,以卷积神经网络为基础,引入残差网络中的快速连接技术,以全局平均池化层代替全连接层,引用不同功能的relu函数变体激活卷积层神经元,提高了模型的训练速率、特征学习能力以及降低了模型的拟合程度;最后对包含45家公司的测试样本运用了不同模型进行预测效果,检验了基于卷积神经网络预测模型的学习能力和分类能力。从模型的预测精度和指标变量两个维度进行了三次实验,分别得到了以下结论:第一次验证了将卷积神经网络应用在财务危机领域具有可行性和前瞻性,卷积神经网络是继神经网络研究财务危机问题的创造性引入,实验结果预测准确率最高达到了91.11%;第二是公司治理指标对财务危机的预测具有明显的作用,在残差-卷积神经网络模型的基础上,对比分析以诉讼次数、违规次数、以及审计意见为主体的公司治理指标对模型预测结果的影响;第三是统计方法的预测效果明显落后于卷积网络方法,运用RES-CNN模型、Z-score模型、logistic回归模型对相同样本进行实验分别取得的准确率为91%、68%和75%,表明了卷积神经网方法相对于统计计量方法的优势,而且对输入数据没有分布假设条件,不需要很大的数据量,可以直接学习数据特征,可以广泛的应用在各领域。
郑玉娇[10](2019)在《基于分解融合策略支持向量机的多类别企业财务困境预警研究》文中研究说明当企业内部经营管理混乱或遭受严重的外部冲击时,企业的财务状况会处于危险境地,影响企业的可持续经营性。企业财务困境是企业内部和外部所面临的各种风险因素恶化后综合、显着的表现,即使是由非财务因素诱发的隐患和危机最终往往也会以财务困境的形式展现。因此,构建能够精确地预测财务状况的企业财务困境预警系统是企业风险管理的重要环节,本文所构建的多类别企业财务困境预警模型将基于分解融合策略与支持向量机进行研究。本文突破将企业财务状态仅分为“良好”与“困境”两类别的思维,将原财务良好的企业细化分类成财务真良好企业和财务伪良好企业,将原财务困境的企业再次分类成财务轻危机企业和财务重危机企业,即企业的财务状态类别被分为四类别。随着财务状态类别的增加,多类别企业财务困境预警模型的训练变得更加复杂,传统支持向量机(SVM)方法不能够直接用于多类别财务困境预警模型的训练。所以本文将分解融合策略与SVM基本算法进行结合用于构建多类别企业财务困境预警模型。采用的分解融合策略为一对一(OVO)、一对多(OVR)、纠错输出编码(ECOC),构建得到OVO-SVMs、OVR-SVMs、ECOC-SVMs三种多类别企业财务困境预警模型。利用沪深证券交易所A股上市公司的财务数据进行实证检验,结果表明,三种多类别企业财务困境预警模型的整体平均预测准确率和四种财务状态类别的平均预测准确率都高于80%。本文构建的三种多类别企业财务困境预警模型各有优缺点,使用者可以根据具体需求选择合适的模型来预测企业的财务状态类别。用于构建模型的财务指标财务体系具有一定的可鉴定性,可用于辅助日常监测。同时表明企业的财务状态存在多类别性,财务真良好企业为具有可持续发展的财务较为安全企业,而财务伪良好、财务轻危机与财务重危机企业属于处于不同程度财务困境的企业,都需要给予警惕。本文主要的创新点为:①突破原有的将企业的财务状况分为“良好”和“困境”两类别的限制,将企业的财务状态细分为四种财务状态类别进行多类别财务困境预警研究。②创新性地基于分解融合策略和SVM构建多类别企业财务困境预警模型。本文构建的多类别财务困境预警模型更为贴近我国企业的实际情况,不仅有助于丰富企业财务困境预警方法的理论体系,而且是能为企业管理者、投资者和债权人提供决策支持的工具。
二、上市公司财务危机预测—多类别变量实证研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、上市公司财务危机预测—多类别变量实证研究(论文提纲范文)
(1)企业财务危机预警中功效系数法的改进及应用探讨 ——以武汉凡谷为例(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 关于财务危机及其成因的研究 |
1.2.2 关于财务危机预警模型的研究 |
1.2.3 关于功效系数法在财务危机预警中的研究 |
1.2.4 文献评述 |
1.3 研究方法与研究思路 |
1.3.1 研究方法 |
1.3.2 研究思路 |
1.3.3 论文框架 |
2 企业财务危机预警与功效系数法理论概述 |
2.1 企业财务危机及其预警的内涵 |
2.1.1 企业财务危机的概念界定 |
2.1.2 企业财务危机预警的内涵 |
2.2 功效系数法的基本原理及其特点 |
2.2.1 功效系数法的基本原理 |
2.2.2 功效系数法的优点 |
2.3 功效系数法的应用程序 |
2.3.1 预警指标体系的建立 |
2.3.2 各指标标准值的确定 |
2.3.3 单项评分值的确定 |
2.3.4 综合评分值的确定及警限区间的划分 |
2.4 企业财务危机预警理论基础 |
2.4.1 企业危机管理理论 |
2.4.2 企业逆境管理理论 |
2.4.3 企业诊断理论 |
2.4.4 危机生命周期理论 |
3 传统功效系数法在财务危机预警分析应用的局限及改进 |
3.1 传统功效系数法在财务危机预警分析应用存在的局限 |
3.1.1 预警指标局限于静态报表 |
3.1.2 预警指标的权重未考虑行业因素 |
3.1.3 单项评分值的计算缺乏灵活性 |
3.1.4 警限区间的划分过于平均 |
3.2 功效系数法的应用改进 |
3.2.1 引入现金流量指标 |
3.2.2 使用层次分析法确定指标的权重 |
3.2.3 单项评分值的计算 |
3.2.4 警限区间的划分 |
4 改进的功效系数法在武汉凡谷财务危机预警中的应用 |
4.1 武汉凡谷电子技术股份有限公司背景介绍 |
4.1.1 公司基本情况 |
4.1.2 公司所处行业分析 |
4.2 武汉凡谷电子技术股份有限公司财务状况分析 |
4.2.1 资产负债表分析 |
4.2.2 利润表分析 |
4.2.3 现金流量表分析 |
4.3 改进后的预警体系的构建 |
4.3.1 预警指标选取的原则 |
4.3.2 预警指标的分析 |
4.3.3 预警指标的相关性分析 |
4.3.4 层次分析法设计预警指标权重 |
4.4 基于改进方法对“武汉凡谷”进行财务危机预警分析 |
4.4.1 单项功效系数的计算 |
4.4.2 单项评分值的计算 |
4.4.3 指标类评分值与综合评分值的计算 |
4.4.4 “武汉凡谷”警情分析预报 |
4.4.5 “武汉凡谷”财务危机警源分析与相关对策 |
5 改进方法应用的有效性评价及前景分析 |
5.1 改进方法应用的有效性评价 |
5.2 改进方法应用的前景分析 |
参考文献 |
附录 |
致谢 |
(2)基于ANP-LightGBM算法的信用卡用户违约预测模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 研究内容与创新点 |
1.3 研究方法与技术路线 |
1.4 国内外的研究现状 |
第2章 相关概念界定 |
2.1 网络层次分析法 |
2.2 梯度提升决策树 |
2.3 轻量级梯度提升决策树 |
第3章 特征工程及探索性分析 |
3.1 数据来源及变量解释 |
3.2 数据预处理及探索性分析 |
3.3 特征筛选 |
3.4 维度压缩 |
3.5 数据分组 |
第4章 基于ANP的信用评分表的构建 |
4.1 个人指标体系构建 |
4.2 基于网络分层的信用体系建立 |
4.3 基于ANP的用户信用评分表的构建及检验 |
第5章 基于ANP结果的Light GBM模型建立与检验 |
5.1 数据预处理 |
5.2 模型的参数设置 |
5.3 模型的建立 |
5.4 模型的评价与检验 |
第6章 模型的对比分析 |
6.1 模型的精确性对比 |
6.2 模型的适用性对比 |
6.3 模型的功效性对比 |
6.4 模型的稳定性对比 |
第7章 结论及展望 |
7.1 结论 |
7.2 不足与展望 |
参考文献 |
致谢 |
附录 |
(3)基于非线性混频模型的财务困境动态预测研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 混频数据处理及混频模型的研究现状 |
1.2.2 企业财务困境影响因素的研究现状 |
1.2.3 中国上市公司财务困境预测的研究现状 |
1.3 研究内容及框架 |
1.3.1 研究内容及创新 |
1.3.2 研究框架 |
2 基本原理 |
2.1 逻辑回归模型的基本原理 |
2.2 混频数据抽样模型的基本原理 |
2.2.1 权重函数的选取 |
2.2.2 参数估计原理 |
2.2.3 反向约束混频数据抽样模型的基本原理 |
2.3 基于非线性混频模型的上市公司财务困境预警原理 |
3 非线性混频预测模型的构建 |
3.1 基于混频数据抽样-逻辑回归的上市公司财务困境预测模型 |
3.1.1 MIDAS-Logistic模型构建 |
3.1.2 MIDAS-Logistic模型的极大似然估计 |
3.2 基于反向混频数据抽样-逻辑回归的上市公司财务困境预测模型 |
3.2.1 RRMIDAS-Logistic模型构建 |
3.2.2 RRMIDAS-Logistic模型的极大似然估计 |
3.3 模型精度的评价标准 |
4 实证分析 |
4.1 样本选取 |
4.2 样本构成及划分 |
4.3 指标及数据处理 |
4.3.1 财务指标 |
4.3.2 宏观指标 |
4.3.3 指标标准化处理 |
4.3.4 多重共线性检验及显着性检验 |
4.4 MIDAS-Logistic模型的实证结果分析 |
4.4.1 指标的违约预测能力分析 |
4.4.2 MIDAS-Logistic模型的预测表现分析 |
4.5 RRMIDAS-Logistic模型的实证结果分析 |
4.5.1 指标的违约预测能力分析 |
4.5.2 RRMIDAS-Logistic模型的预测表现分析 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(4)基于行为财务理论“代表性原则偏误”的违规上市公司现金持有管理研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容与方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.3 研究创新 |
2 理论基础与文献综述 |
2.1 核心概念界定 |
2.1.1 现金持有水平 |
2.1.2 代表性原则偏误 |
2.2 相关基础理论 |
2.2.1 行为财务理论 |
2.2.2 现金持有相关理论 |
2.3 国内外文献综述 |
2.3.1 行为财务学研究动态 |
2.3.2 现金持有管理研究动态 |
2.3.3 文献述评 |
3 理论分析与研究假设 |
3.1 我国上市公司现金持有现状分析 |
3.1.1 上市公司现金持有现状 |
3.1.2 上市公司现金持有存在问题分析 |
3.2 影响机理分析与研究假设 |
3.2.1 代表性原则偏误与现金持有水平的关系 |
3.2.2 代表性原则偏误、关联方交易与现金持有水平的关系 |
3.2.3 代表性原则偏误、市场化程度与现金持有水平的关系 |
4 实证研究 |
4.1 实证研究设计 |
4.1.1 样本选择与数据来源 |
4.1.2 变量选择及说明 |
4.1.3 实证模型的构建 |
4.2 实证分析及结果 |
4.2.1 描述性统计分析 |
4.2.2 相关性分析 |
4.2.3 回归结果分析 |
4.2.4 稳健性检验 |
5 结论与建议 |
5.1 研究结论 |
5.2 对策建议 |
5.2.1 削弱管理者代表性原则偏误的非理性偏差效应 |
5.2.2 灵活运用关联方交易反舞弊对策 |
5.2.3 充分发挥市场化程度的积极调节效应 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文目录 |
(5)会税差异、财务潜伏危机与审计意见的关系研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 国内外研究现状 |
1.3.1 会税差异与财务潜伏危机的研究现状 |
1.3.2 会税差异与审计意见的研究现状 |
1.3.3 财务危机与审计意见的研究现状 |
1.3.4 文献评述 |
1.4 研究方法 |
1.5 研究内容与框架 |
1.5.1 研究内容 |
1.5.2 研究框架 |
2 概念界定与理论基础 |
2.1 概念界定 |
2.1.1 会税差异的界定 |
2.1.2 财务潜伏危机的界定 |
2.1.3 审计意见的界定 |
2.2 理论基础 |
2.2.1 盈余管理理论 |
2.2.2 契约理论 |
2.2.3 信息不对称理论 |
2.2.4 审计风险理论 |
2.2.5 税收筹划理论 |
3 理论分析与研究假设 |
3.1 会税差异与财务潜伏危机关系的理论分析与研究假设 |
3.2 会税差异与审计意见关系的理论分析与研究假设 |
3.3 财务潜伏危机与审计意见关系的理论分析与研究假设 |
3.4 会税差异、财务潜伏危机与审计意见关系的理论分析与研究假设 |
4 研究设计 |
4.1 样本选取和数据来源 |
4.2 变量设计 |
4.2.1 被解释变量 |
4.2.2 解释变量 |
4.2.3 中介变量 |
4.2.4 控制变量 |
4.2.5 虚拟变量 |
4.3 模型构建 |
5 实证分析 |
5.1 描述性统计分析 |
5.1.1 样本变量总体特征 |
5.1.2 标准审计意见与非标准审计意见样本特征比较 |
5.1.3 财务状况良好与财务状况不佳样本特征比较 |
5.2 相关性分析 |
5.3 回归结果分析 |
5.3.1 会税差异与财务潜伏危机的回归结果 |
5.3.2 会税差异与审计意见的回归结果 |
5.3.3 财务潜伏危机与审计意见的回归结果 |
5.3.4 会税差异、财务潜伏危机与审计意见的回归结果 |
5.4 稳健性检验 |
5.5 实证结果与分析 |
6 研究结论、建议与展望 |
6.1 研究结论 |
6.2 对策建议 |
6.3 研究展望 |
致谢 |
参考文献 |
攻读学位期间取得的学术成果 |
(6)大数据背景下的M新能源公司财务危机预警研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 文献评述 |
1.4 研究内容、方法和创新点 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 创新点 |
1.4.4 技术路线图 |
第二章 概念界定及相关理论 |
2.1 财务风险和财务危机的内涵 |
2.1.1 财务风险的含义及特征 |
2.1.2 财务危机的含义及特征 |
2.2 财务危机预警模型理论基础 |
2.2.1 财务危机预警模型的含义 |
2.2.2 财务危机预警模型理论 |
2.3 大数据的理论基础 |
2.3.1 大数据指标的概念 |
2.3.2 大数据指标的来源 |
2.4 大数据背景下的财务预警模型理论基础 |
第三章 M新能源公司财务风险和危机现状及问题分析 |
3.1 M新能源公司基本情况和行业状况 |
3.1.1 新能源企业行业状况 |
3.1.2 M新能源公司介绍 |
3.1.3 M新能源公司主要经济数据 |
3.2 M新能源公司财务风险现状 |
3.3 M新能源公司财务危机预警现状 |
第四章 新能源行业财务危机预警模型设计 |
4.1 研究方法与样本数据来源 |
4.1.1 研究方法 |
4.1.2 样本选择 |
4.1.3 数据来源 |
4.2 新能源行业财务危机预警指标确定 |
4.2.1 预警指标选取原则 |
4.2.2 财务指标的确定 |
4.2.3 大数据指标的确定 |
4.3 建立财务危机预警模型 |
4.3.1 财务数据处理 |
4.3.2 建立LOGISTIC模型 |
4.4 引入大数据背景的新危机预警模型 |
4.4.1 大数据的处理结果 |
4.4.2 引入大数据指标的Logistic财务危机预警模型 |
4.4.3 两种预警模型对比和检验 |
4.5 M新能源公司危机预警 |
第五章 M新能源公司的财务危机防范措施 |
5.1 加强建设公司财务管理 |
5.2 加强公司内部控制 |
5.3 建立公司的风险防范部门 |
5.4 建立公司财务危机预警系统 |
第六章 结论及展望 |
6.1 研究结论与局限性 |
6.1.1 研究结论 |
6.1.2 研究局限性 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读学位期间所发表的论文 |
(7)管理者过度自信、投资行为与公司财务困境(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景 |
1.2 基本概念界定 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 研究创新与不足 |
1.4.1 研究创新 |
1.4.2 研究不足 |
1.5 结构安排 |
第2章 文献综述 |
2.1 管理者过度自信 |
2.1.1 管理者过度自信的基本内涵 |
2.1.2 管理者过度自信与投资决策 |
2.1.3 管理者过度自信与其他决策 |
2.2 财务困境 |
2.2.1 财务困境理论 |
2.2.2 财务困境成因实证研究 |
2.3 中介效应 |
2.3.1 中介效应及其应用 |
2.3.2 中介效应分析法对本研究的适用性 |
2.3.3 中介效应检验方法 |
2.3.4 中介效应与调节效应 |
2.4 文献评述 |
2.4.1 指标选取问题 |
2.4.2 过度自信的双重效应 |
2.4.3 过度自信与财务困境 |
第3章 管理者过度自信与公司财务困境 |
3.1 引言 |
3.2 理论分析与研究假设 |
3.3 研究设计 |
3.3.1 模型设定 |
3.3.2 变量选取 |
3.3.3 样本选取与数据处理 |
3.4 实证检验 |
3.4.1 描述性统计 |
3.4.2 变量相关性分析 |
3.4.3 实证结果与分析 |
3.5 稳健性检验 |
3.5.1 过度自信度量方法的适用性 |
3.5.2 其他度量过度自信的方法 |
3.5.3 样本自选择偏误问题 |
3.6 基本结论 |
第4章 管理者过度自信、投资规模与公司财务困境 |
4.1 引言 |
4.2 理论分析与研究假设 |
4.2.1 管理者过度自信与过度投资 |
4.2.2 管理者过度自信与投资-现金流敏感性 |
4.2.3 投资规模中介效应 |
4.3 研究设计 |
4.3.1 模型设定 |
4.3.2 变量选取 |
4.3.3 样本选取与数据处理 |
4.4 实证检验 |
4.4.1 描述性统计 |
4.4.2 变量相关性分析 |
4.4.3 实证结果与分析 |
4.5 稳健性分析 |
4.5.1 异质性随机前沿模型的适用性 |
4.5.2 实证结果与分析 |
4.6 基本结论 |
第5章 管理者过度自信、多元化经营与公司财务困境 |
5.1 引言 |
5.2 理论分析与研究假设 |
5.2.1 管理者过度自信与多元化经营决策 |
5.2.2 多元化经营与公司财务困境 |
5.2.3 多元化经营中介效应 |
5.3 研究设计 |
5.3.1 模型设定 |
5.3.2 变量选取 |
5.3.3 样本选取与数据处理 |
5.4 实证检验 |
5.4.1 管理者过度自信与多元化经营决策 |
5.4.2 多元化经营与公司财务困境 |
5.4.3 多元化经营中介效应 |
5.4.4 进一步分析:多元化经营导致财务困境的持续时间 |
5.5 稳健性检验 |
5.5.1 管理者过度自信与归核化 |
5.5.2 过度自信管理者归核化后的财务状况 |
5.6 基本结论 |
附表 |
第6章 管理者过度自信、并购决策与公司财务困境 |
6.1 引言 |
6.2 理论分析与研究假设 |
6.2.1 管理者过度自信与并购决策 |
6.2.2 管理者过度自信与并购行为特征 |
6.2.3 管理者过度自信与主并公司财务困境 |
6.2.4 并购行为中介效应 |
6.3 研究设计 |
6.3.1 模型设定 |
6.3.2 变量选取 |
6.3.3 样本选取与数据处理 |
6.4 实证检验 |
6.4.1 描述性统计 |
6.4.2 变量相关性分析 |
6.4.3 实证结果与分析 |
6.5 稳健性检验 |
6.6 基本结论 |
附表 |
结论 |
参考文献 |
作者简介及在学期间取得的科研成果 |
致谢 |
(8)基于集成学习的房地产上市公司财务危机预警研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景和意义 |
一、研究背景 |
二、研究意义 |
第二节 文献综述 |
一、财务危机预警指标选取的研究现状 |
二、财务危机预警方法的研究现状 |
三、文献评述 |
第三节 研究内容及创新点 |
一、研究内容 |
二、创新点 |
第二章 相关理论概述 |
第一节 财务危机相关理论 |
一、财务危机的界定 |
二、财务危机预警方法基本理论 |
第二节 房地产上市公司财务危机基本要素 |
一、房地产行业的特征 |
二、房地产上市公司财务状况影响因素 |
第三节 集成学习 |
一、集成学习思想 |
二、集成学习算法 |
第四节 特征选择 |
一、特征选择方法 |
二、特征选择方法优缺点对比 |
本章小结 |
第三章 房地产上市公司财务危机预警模型的构建 |
第一节 研究样本选择 |
一、研究对象的确定 |
二、时间窗口的选择 |
第二节 指标体系构建 |
一、指标选取原则 |
二、指标的选取 |
第三节 模型的构建 |
一、数据预处理 |
二、基于SMOTE样本合成 |
三、特征选择组合方法 |
四、基于集成学习的模型 |
五、模型结果评估方法 |
本章小结 |
第四章 实证分析 |
第一节 实验数据 |
一、数据获取及分析 |
二、实验目的 |
第二节 数据预处理及特征选择 |
一、数据预处理 |
二、样本不平衡问题的处理 |
三、特征选择 |
第三节 实验结果与分析 |
一、集成学习预测模型结果与分析 |
二、单一算法预测模型结果与分析 |
三、集成学习与单一算法对比分析 |
四、SMOTE样本合成预测结果与分析 |
五、不同特征选择方法预测结果与分析 |
本章小结 |
第五章 结论与展望 |
第一节 结论 |
第二节 不足和展望 |
参考文献 |
(9)基于RES-CNN的信息服务业ST公司财务危机预测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1.现实背景 |
1.1.2.理论背景 |
1.2 选题意义 |
1.2.1.理论意义 |
1.2.2.现实意义 |
1.3 国内外财务危机预测研究文献综述 |
1.3.1.国外研究进展 |
1.3.2.国内研究进展 |
1.3.3.文献述评 |
1.4 研究内容与方法 |
1.4.1.研究内容 |
1.4.2.研究方法 |
1.5 技术路线图 |
1.6 研究创新 |
第二章 相关理论概述 |
2.1 信息服务业财务危机的界定 |
2.2 财务危机预测理论基础 |
2.2.1.危机预警理论 |
2.2.2.企业生命周期理论 |
2.2.3.委托代理理论 |
2.3 财务危机预测模型 |
2.3.1.财务危机预测的功能 |
2.3.2.基于统计分析的财务危机预测模型 |
2.3.3.基于人工智能技术的财务危机预测方法 |
2.4 卷积神经网络的理论基础 |
2.4.1.卷积神经网络的基本结构 |
2.4.2.卷积的权重分配 |
第三章 信息服务业ST公司财务危机分析 |
3.1 信息服务业及ST公司的现状 |
3.1.1.信息服务业发展现状 |
3.1.2.信息服务业ST公司的现状 |
3.2 信息服务业ST公司财务风险特征 |
3.3 信息服务业ST公司财务危机的成因 |
3.3.1.外部原因 |
3.3.2.内部原因 |
第四章 实验样本数据及定量财务指标 |
4.1 信息服务业财务危机预测指标的初步选取 |
4.1.1.指标选取原则 |
4.1.2.预测指标初步选取 |
4.2 信息服务业研究样本的确定 |
4.2.1.研究样本的选取与确定 |
4.2.2.样本数据来源与获取 |
4.3 财务指标数据预处理 |
4.3.1.描述性统计 |
4.3.2.样本数据的非参数检验 |
4.3.3.财务指标的相关性分析 |
4.3.4.财务预测指标的确定 |
第五章 基于RES-CNN的 ST公司财务危机分类预测 |
5.1 卷积神经网络的选择和应用 |
5.2 卷积神经网络的改进 |
5.2.1.Res Net降级 |
5.2.2.非线性函数修正 |
5.3 Res-Cnn网络结构 |
5.3.1.网络结构设计 |
5.3.2.非线性激活函数 |
5.3.3.网络参数配置 |
5.4 基于RES-CNN模型的训练和预测 |
5.4.1.RES-CNN模型的训练 |
5.4.2.RES-CNN模型分类预测 |
5.5 实证比较与分析 |
5.5.1.基于PCA的Z分数模型分类预测 |
5.5.2.Logistic回归模型分类预测 |
5.5.3.结果分析 |
第六章 信息服务业ST公司财务危机的研究结论和建议 |
6.1 研究结论 |
6.2 研究建议 |
6.2.1.提高股权集中度 |
6.2.2.控制资产负债率 |
6.2.3.监督研发项目 |
6.2.4.塑造企业形象 |
6.2.5.组建永久性危机管理团队 |
6.3 研究局限性 |
参考文献 |
附录 |
攻读硕士学位期间发表的学术论文及取得相关科研成果 |
致谢 |
(10)基于分解融合策略支持向量机的多类别企业财务困境预警研究(论文提纲范文)
内容摘要 |
Abstract |
第1章 导论 |
1.1 研究背景及研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 企业财务困境概念的研究 |
1.2.2 企业财务困境预警建模方法的研究 |
1.2.3 企业财务困境预警实证检验的研究 |
1.2.4 文献评述 |
1.3 主要研究内容和研究方法 |
1.3.1 主要研究内容 |
1.3.2 主要研究方法 |
1.4 主要创新点 |
第2章 相关概念界定与制度背景 |
2.1 企业财务困境及财务困境预警的概念 |
2.1.1 企业财务困境的概念 |
2.1.2 企业财务困境预警的概念 |
2.2 企业财务困境有关制度背景 |
2.2.1 企业财务困境的有关制度 |
2.2.2 上市公司风险警示制度 |
2.3 多类别企业财务状态类别的界定 |
第3章 基于分解融合策略支持向量机的多类别企业财务困境预警建模 |
3.1 总体思路框架设计 |
3.2 多类别企业财务困境预警的数据非平衡处理机制 |
3.3 企业财务困境预警的二分类支持向量机建模算法 |
3.4 多类别企业财务困境预警模型的分解融合策略 |
3.4.1 多类别企业财务困境预警建模的一对一分解融合策略 |
3.4.2 多类别企业财务预警建模的一对多分解融合策略 |
3.4.3 多类别企业财务预警建模的纠错输出编码分解融合策略 |
第4章 实证研究 |
4.1 多类别企业财务困境样本的选取 |
4.2 财务困境预警指标体系 |
4.2.1 建立初始财务指标体系 |
4.2.2 选取建模指标体系 |
4.2.3 建模财务指标的合理性分析 |
4.3 实证结果及模型分析 |
4.3.1 模型预测性能的结果分析 |
4.3.2 模型预测性能的差异检验 |
4.4 多类别企业财务困境预警小结 |
第5章 结论 |
参考文献 |
在学期间发表的学术论文与研究成果参考文献 |
后记 |
四、上市公司财务危机预测—多类别变量实证研究(论文参考文献)
- [1]企业财务危机预警中功效系数法的改进及应用探讨 ——以武汉凡谷为例[D]. 胡心搏. 江西财经大学, 2021(10)
- [2]基于ANP-LightGBM算法的信用卡用户违约预测模型研究[D]. 刘美伶. 重庆工商大学, 2021(09)
- [3]基于非线性混频模型的财务困境动态预测研究[D]. 李存. 大连理工大学, 2021(01)
- [4]基于行为财务理论“代表性原则偏误”的违规上市公司现金持有管理研究[D]. 陈雪蒙. 陕西科技大学, 2021(09)
- [5]会税差异、财务潜伏危机与审计意见的关系研究[D]. 刘晓烨. 西安科技大学, 2020(01)
- [6]大数据背景下的M新能源公司财务危机预警研究[D]. 赵泽. 西安石油大学, 2020(10)
- [7]管理者过度自信、投资行为与公司财务困境[D]. 王宁. 吉林大学, 2020(08)
- [8]基于集成学习的房地产上市公司财务危机预警研究[D]. 杨婷. 中南财经政法大学, 2020(07)
- [9]基于RES-CNN的信息服务业ST公司财务危机预测研究[D]. 黄丽霞. 上海工程技术大学, 2020(05)
- [10]基于分解融合策略支持向量机的多类别企业财务困境预警研究[D]. 郑玉娇. 天津财经大学, 2019(07)