基于BP神经网络的上市公司财务绩效评价研究

论文摘要

中国的上市公司是自80年代中期以来伴随着国有企业的股份制改造而发展起来的,随着经济发展步伐的加快,上市公司规模的稳步增长,己经成为国民经济的一支生力军。上市公司的绩效在引导投资者理性投资,协助市场管理者加强监管,督促上市公司加强内部管理等方面的作用显得越来越重要。上市公司绩效评价就是在这样的背景下提出的。本文从上市公司绩效评价的意义和发展历史入手,研究分析了国内外现有的评价体系,进一步分析了我国上市公司评价存在的若干问题。本文的主要结论如下:(1)委托代理理论、管理理论和“最大”“最小”法则是本研究的理论基础。在委托代理关系中,委托人与代理人利益、目标的不一致和委托人与代理人的信息不对称性,决定了企业绩效评价制度存在的逻辑基础,委托代理的层级关系决定了企业绩效评价体系的适用范围;管理理论要求企业建立一套开放的、完整的绩效评价指标体系,并具有全局的观念,在建立绩效评价系统时,应充分进行调查研究,广泛听取企业各方面人士的意见;“最大”“最小”法则告诉人们,利益最大化是企业从事生产经营活动的根本目的,也是企业绩效的集中体现。(2)常见的上市公司财务绩效评价方法包括杜邦分析系统评价法、沃尔评分法、平衡计分卡分析法、EVA评价方法等。通过本文的分析可知,上市公司绩效评价建模同任何系统模型一样可以看作是寻找函数映射的过程,但是评价系统中的各个指标之间是一种非线性的数学关系,严格地说,常用的方法并不科学地适用于绩效评价。(3)BP神经网络能够从数据样本中自动学习以前的经验,不需要繁杂的查询和表述过程,并且能够自动地逼近那些最佳刻画了样本数据规律的函数,不论这些函数具有怎样的形式。因此,本文提出一种基于BP神经网络的上市公司财务绩效的评价方法。用MATLAB的神经网络工具箱(NNT)下的图形用户界面(GUI)功能来进行网络设计和分析。本文搜集了一定量的数据样本对构建的拟模型进行训练和测试,然后对其修正,使其达到稳定状态,从而建立一个完整的BP神经网络模型。最后,用仿真样本验证了所建模型的可推广性,结果表明,BP神经网络绩效评价的方法是准确可行的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与研究意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究综述
• 1.2.1 国外研究综述
• 1.2.2 国内研究综述
• 1.3 研究思路与研究方法
• 1.3.1 研究思路
• 1.3.2 研究方法和可能的创新点
• 1.4 研究框架
• 第二章 上市公司绩效评价的理论和系统方法
• 2.1 上市公司绩效评价的理论基础
• 2.1.1 委托代理理论
• 2.1.2 管理理论
• 2.1.3 “最大”、“最小”法则
• 2.2 上市公司绩效评价的系统方法
• 2.2.1 评价标准
• 2.2.2 确定指标权重的方法
• 2.2.3 计分方法
• 2.3 本章小结
• 第三章 BP 神经网络技术在绩效评价中的应用
• 3.1 BP 神经网络技术
• 3.1.1 人工神经网络技术简介
• 3.1.2 BP 神经网络基本原理
• 3.2 常用上市公司绩效评价的方法及局限性
• 3.3 BP 神经网络技术在上市公司绩效评价中的优势
• 3.3.1 BP 神经网络技术的整体思想
• 3.3.2 上市公司绩效评价的的整体思想
• 3.3.3 BP 神经网络技术在上市公司绩效评价中的优势
• 3.4 本章小结
• 第四章 建立BP 神经网络的上市公司财务绩效评价模型
• 4.1 上市公司绩效评价体系
• 4.1.1 上市公司绩效评价体系构成要素
• 4.1.2 建立上市公司财务绩效评价体系的原则
• 4.1.3 上市公司财务绩效评价指标选取的原则
• 4.1.4 上市公司财务绩效评价指标的选取
• 4.2 基于BP 神经网络的上市公司财务绩效评价模型
• 4.3 本章小结
• 第五章 模型的数据处理和有效性检验
• 5.1 数据的采集与处理
• 5.2 模型的程序实现
• 5.3 模型修正与模型有效性检验
• 5.4 本章小结
• 第六章 结论与展望
• 6.1 本研究的主要工作及结论
• 6.2 待解决的问题
• 致谢
• 参考文献
• 附录
• 个人简历、在学期间发表的学术论文及取得的研究成果