基于云計(jì)算和數(shù)據(jù)挖掘技術(shù)的中小企業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型研究.pdf

1、經(jīng)歷了金融海嘯，企業(yè)的財(cái)務(wù)狀況備受關(guān)注，但如何使投資人實(shí)時(shí)掌握公司的營(yíng)運(yùn)狀況，并及時(shí)做出客觀的判斷，這是數(shù)據(jù)挖掘潛在的商業(yè)應(yīng)用價(jià)值之所在。云端運(yùn)算是基于網(wǎng)絡(luò)的運(yùn)算方式，它以虛擬化作為基礎(chǔ)架構(gòu)，使像網(wǎng)格架構(gòu)的硬件和軟件分布系統(tǒng)集成，憑借強(qiáng)大的運(yùn)行機(jī)制，采用云端的分布式體系結(jié)構(gòu)，它可以提供有力的數(shù)據(jù)存儲(chǔ)和處理能力，以滿足不同用戶的不同需求。
　　本文的目標(biāo)是建立基于云端的預(yù)警模型和預(yù)測(cè)系統(tǒng)找出信息的模式和未來(lái)趨勢(shì)，監(jiān)測(cè)中小企業(yè)(SME

2、)財(cái)務(wù)風(fēng)險(xiǎn)的演化。通過(guò)構(gòu)建多個(gè)數(shù)據(jù)挖掘模型，開(kāi)發(fā)了基于F值的中小企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別方法,并可以對(duì)企業(yè)的經(jīng)營(yíng)業(yè)績(jī)進(jìn)行比較。進(jìn)一步，借助云計(jì)算實(shí)時(shí)、快速的特點(diǎn)，將所構(gòu)建的中小企業(yè)財(cái)務(wù)預(yù)測(cè)模型與云計(jì)算整合，得到一個(gè)開(kāi)放的預(yù)警平臺(tái)(C2FAST)。這樣，終端用戶便可以通過(guò)網(wǎng)絡(luò)隨時(shí)隨地訪問(wèn)了解最新的風(fēng)險(xiǎn)預(yù)測(cè)信息,企業(yè)也能了解合伙公司的財(cái)務(wù)風(fēng)險(xiǎn)大小，決定是否繼續(xù)合作等。同時(shí)用戶也無(wú)需了解模型的細(xì)節(jié)，諸如編程、安裝、升級(jí)、如何使用等。通過(guò)結(jié)合云計(jì)算，研

3、究在可伸縮性和高性能方面都有了顯著地提升。模型使用的相關(guān)數(shù)據(jù)資料大都取自臺(tái)灣信息新報(bào)(TaiwanEconomic Journal，TEJ)資料庫(kù)，軟件平臺(tái)是基R語(yǔ)言建立的。
　　將研究對(duì)象鎖定在臺(tái)灣中小企業(yè)是因?yàn)橹行∑髽I(yè)是臺(tái)灣經(jīng)濟(jì)發(fā)展不可或缺的重要組成部分。事實(shí)上，臺(tái)灣和香港都是靠中小企業(yè)達(dá)到二十世紀(jì)七八十年代的繁榮，享有經(jīng)濟(jì)奇跡之名?！霸谂_(tái)灣，支持中小企業(yè)已經(jīng)成為一種文化。支持它們，不是憐憫，而是著眼未來(lái)，不止為公平正義，也為

4、培養(yǎng)中產(chǎn)階級(jí)，促進(jìn)社會(huì)穩(wěn)定”。
　　第一章，介紹了本文的研究背景，目的、意義和研究框架?；仡櫫?007年下半年至2010上半年，美國(guó)的次級(jí)債及金融危機(jī)影響到全球的經(jīng)濟(jì)，導(dǎo)致全球經(jīng)濟(jì)成長(zhǎng)緩慢的現(xiàn)象。在建立一個(gè)傳統(tǒng)私人的服務(wù)器及云端計(jì)算來(lái)比較，可以知道使用云端科技可減化作業(yè)及幫助企業(yè)減少成本，從而創(chuàng)造更大的利潤(rùn)。這表明中小企業(yè)金融危機(jī)預(yù)警平臺(tái)的建立是為各企業(yè)十分緊迫而有意義的問(wèn)題。
　　第二章，討論了中小企業(yè)財(cái)務(wù)指標(biāo)和相關(guān)財(cái)務(wù)危

5、機(jī)預(yù)測(cè)建模方法，并對(duì)以往的研究進(jìn)行了系統(tǒng)地回顧，將金融危機(jī)分為三種可能狀況:無(wú)金融危機(jī)，非真正的金融危機(jī)，金融危機(jī)。此外，本章對(duì)云計(jì)算的概念進(jìn)行了探討，并給出了明確的定義。
　　第三章，本章討論了羅吉斯回歸、決策樹(shù)、隨機(jī)森林、貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等預(yù)測(cè)模型，并探討了這些方法的理論原理和它們的優(yōu)劣。此外本章對(duì)使用的開(kāi)發(fā)工具，包括研發(fā)，PHP和MySQL等加以探討。
　　第四章,本章利用本研究的基于云端的中小企業(yè)

6、財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)對(duì)臺(tái)灣中小企業(yè)財(cái)務(wù)危機(jī)進(jìn)行實(shí)證分析。共選取了臺(tái)灣669家制造業(yè)企業(yè)2007-2009年的26個(gè)財(cái)務(wù)指標(biāo)的數(shù)據(jù)。在數(shù)據(jù)預(yù)處理中，考慮未知的估計(jì)值，數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)縮減，并采用線性回歸，Z-score模型和主成分分析等進(jìn)行處理。然后利用支持向量機(jī)、隨機(jī)森林、羅吉斯回歸、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)等預(yù)測(cè)模型對(duì)臺(tái)灣中小企業(yè)財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，并對(duì)不同方法的預(yù)測(cè)精度進(jìn)行了比較，發(fā)現(xiàn)隨機(jī)森林、支持向量即和羅吉斯回歸具有較好的預(yù)測(cè)精度。