發(fā)布時間：2018-06-06 00:00

  本文選題：財務預警 + BP神經網絡��； 參考：《河北大學》2014年碩士論文

【摘要】：隨著我國市場經濟發(fā)展程度的提高，市場競爭愈發(fā)激烈，企業(yè)遇到了更多危機與挑戰(zhàn)。對于為數(shù)眾多的制造業(yè)上市公司而言，財務問題尤為重要，一旦財務陷入困境，不但危機自身的生存與發(fā)展，也給投資者、債權人以及眾多利益相關者帶來重大損失。因此，對于財務狀況進行預警研究與探索，具有重要意義。 國內外的大量文獻已經能夠證明，企業(yè)的財務指標對企業(yè)財務發(fā)展狀況有一定的預示作用，但是對于財務預警指標體系的構建是不完善的。在研究財務預警的大量模型中，，也存在許多不足和局限性。本文就是針對財務預警指標體系的構建和預警模型來進行研究和探索。 通過分析前人的研究成果，總結出了28個對企業(yè)財務狀況影響較大的預警指標。其中，包含了財務指標和公司治理等非財務指標。豐富了預警指標體系，為財務預警模型研究提供了基礎。當輸入變量過多，輸入變量之間不是相互獨立時，BP神經網絡預警模型容易出現(xiàn)過擬合現(xiàn)象，從而導致模型精度過低、建模時間長等問題，因此本文選用遺傳算法對已經選取的預警指標進行變量降維，并對BP神經網絡預警模型進行優(yōu)化。 實證分析分為兩步，第一步先用BP神經網絡做預警分析，第二步應用遺傳算法優(yōu)化BP神經網絡做預測。通過對比兩步的計算結果，發(fā)現(xiàn)用遺傳算法優(yōu)化過的BP神經網絡對財務進行預警有更明顯的效果。大大提高了預測精度，縮短了建模時間，為財務預警的理論和實踐研究提出了新的思路。
[Abstract]:With the development of the market economy in China, the market competition is becoming more and more intense, and the enterprises have encountered more crises and challenges. For a large number of manufacturing listed companies, financial problems are particularly important. Once the financial crisis is in trouble, not only the survival and development of the crisis itself, but also the investors, creditors and many stakeholders are also brought. Therefore, it is of great significance to conduct early-warning research and Exploration on the financial situation.
A large number of documents at home and abroad have proved that the financial indicators of enterprises have a certain predictive effect on the financial development of enterprises, but the construction of the financial early-warning index system is not perfect. There are also many shortcomings and limitations in the study of a large number of financial early-warning models. This paper is aimed at the structure of the financial early warning index system. Construction and early warning model for research and exploration.
Through the analysis of previous research results, 28 early warning indicators have been summarized, including financial indicators and corporate governance, which enrich the early warning index system, which provides a basis for the study of financial early warning models. When the input variables are too much, the input variables are not independent, BP The neural network early warning model is easy to appear over fitting phenomenon, which leads to the low precision of the model and the long modeling time. Therefore, this paper uses genetic algorithm to reduce the variable of the selected early warning index, and optimizes the BP neural network early warning model.
The empirical analysis is divided into two steps. First, the BP neural network is used to make early warning analysis, and the second step is to optimize the BP neural network by genetic algorithm. By comparing the results of the two steps, it is found that the BP neural network optimized by genetic algorithm has a more obvious effect on the financial early warning. It greatly improves the prediction accuracy and shortens the modeling time. A new train of thought is put forward for the theory and practice of financial early-warning.
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP183;F406.72

【參考文獻】

相關期刊論文 前10條

1 張延波,彭淑雄;財務風險監(jiān)測與危機預警[J];北京工商大學學報(社會科學版);2002年05期

2 熊劍,陳凱凡;財務困境實證研究中的配對問題探討[J];商業(yè)研究;2004年22期

3 張根明;向曉驥;孫敬宜;;基于BP神經網絡的制造業(yè)上市公司財務預警[J];山東工商學院學報;2006年04期

4 盧興杰;;我國上市公司財務預警的實證研究[J];財會月刊;2006年03期

5 楊淑娥,魏明;企業(yè)財務危機成本形成機理及其間接成本的估量[J];當代經濟科學;2005年01期

6 陳良華,孫健;公司治理與財務困境:來自上海股票市場的證據(jù)[J];東南大學學報(哲學社會科學版);2005年05期

7 張國林,曾令琪;股權結構與公司業(yè)績、治理效率關系的實證[J];重慶大學學報(自然科學版);2005年07期

8 林敏,黃文廣;淺議企業(yè)財務報表在信貸管理中的作用[J];廣西金融研究;1996年08期

9 殷孟波;賀向明;;公司財務危機預警模型評介[J];經濟學動態(tài);2004年03期

10 吳世農,盧賢義;我國上市公司財務困境的預測模型研究[J];經濟研究;2001年06期

相關博士學位論文 前1條

1 馮征;數(shù)據(jù)挖掘方法在財務預警中的應用研究[D];天津大學;2007年

本文編號：1984005