上市公司財(cái)務(wù)困境預(yù)警模型實(shí)證分析.pdf

1、首先，本文對(duì)國(guó)內(nèi)外財(cái)務(wù)困境預(yù)測(cè)模型研究領(lǐng)域的經(jīng)典文獻(xiàn)進(jìn)行了回顧，總結(jié)和分析。其次，針對(duì)財(cái)務(wù)困境預(yù)測(cè)，就樣本設(shè)計(jì)、預(yù)測(cè)變量選擇和統(tǒng)計(jì)方法選用等方面進(jìn)行了深入的研究。在分析不同模型預(yù)測(cè)財(cái)務(wù)困境能力優(yōu)劣的基礎(chǔ)上，選用支持向量機(jī)挖掘財(cái)務(wù)困境預(yù)測(cè)問(wèn)題中數(shù)據(jù)的內(nèi)在模式的有效性，并應(yīng)用它對(duì)中國(guó)上市公司的財(cái)務(wù)困境進(jìn)行預(yù)測(cè)。本文借助NeuroSolutions軟件建立一個(gè)有三層網(wǎng)絡(luò)的支持向量機(jī)模型，模型結(jié)構(gòu)采用kernel Adatron計(jì)算算法，參數(shù)采

2、用軟件中的默認(rèn)值。 在實(shí)證研究方面，本文選取我國(guó)上市公司中30家財(cái)務(wù)陷入困境的公司和30家財(cái)務(wù)正常的公司為訓(xùn)練樣本，應(yīng)用支持向量機(jī)研究了財(cái)務(wù)困境出現(xiàn)前2年這兩類公司的14個(gè)財(cái)務(wù)指標(biāo)，從中選定6個(gè)指標(biāo)作為預(yù)測(cè)變量，采用實(shí)際數(shù)據(jù)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)和Logistic回歸模型對(duì)財(cái)務(wù)困境分別進(jìn)行預(yù)測(cè)，并比較了三種方法的預(yù)測(cè)精度。結(jié)果表明，Logistic回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果不相上下，支持向量機(jī)模型的準(zhǔn)確度優(yōu)于前者，大約高出