钢铁行业上市公司绩效预测研究

论文摘要

由于证券投资的收益与风险是成正比的,投资收益越高,风险就越大。因此,对于广大投资者来说,怎样在风险一定的情况下,取得最大的收益或者在收益一定时,承担最小的风险是一个比较棘手的问题。相对于少数的专业机构投资者而言,广大的中小投资者缺乏必要的专业背景知识,风险承受能力差,另外由于受到时间、空间等条件的限制,往往无法实时、动态关注证券市场的发展。人们迫切需要一种简便、有效的分析预测方法,可以作为投资决策时的参考。据此,本文以钢铁行业上市公司的绩效分析为背景,建立钢铁行业的绩效预测模型,给投资者在选择投资策略时提供一定的支持。本文以钢铁行业36家上市公司(实际采用32家)03、04、05、06年的财务数据为样本,根据预测指标体系建立的原则和前人的研究成果,在上市公司公开发布的报表中选取了19个财务指标组成初选指标体系。然后,根据粗糙集理论,在不改变信息含量的前提下对指标体系进行约简,得到12个属性指标作为模型的输入。随后,用Matlab7.0建立粗糙集神经网络预测模型,用64个样本对模型进行训练,确定模型的参数,再用剩下的32个样本作为检测样本对所建模型进行检验。结果显示预测的效果很好,准确率达到了71.9%,证明了钢铁行业绩效模型作为投资者参考工具的可行性。最后将粗糙集和人工神经网络组合模型与普通神经网络模型预测结果进行比较,发现预测准确性由原来的59.38%提高到了71.9%,表明了前者比后者具有结构简单、预测准确度高,证明了前者的优越性。本文建立的粗糙集和人工神经网络相结合的预测模型在钢铁行业上市公司的绩效预测方面展现了良好的效果,当然,也可为其他行业和各种预测提供参考。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题的提出
• 1.2 国内外研究现状
• 1.2.1 财务指标有用性的研究
• 1.2.2 绩效预测研究现状
• 1.2.3 神经网络在经济预测中的应用
• 1.2.4 文献述评
• 1.3 研究对象
• 1.4 研究方法
• 1.5 研究意义
• 第2章 我国钢铁行业发展现状简介
• 2.1 钢铁行业的特点
• 2.2 市场需求现状
• 2.2.1 国内市场
• 2.2.2 国外市场
• 2.3 竞争力现状
• 2.3.1 技术创新能力
• 2.3.2 人力资源
• 2.4 宏观政策环境
• 2.4.1 经济因素
• 2.4.2 政策社会因素
• 2.5 发展前景
• 第3章 粗糙集和人工神经网络理论概述
• 3.1 粗糙集理论概述
• 3.1.1 粗糙集基本概念
• 3.1.2 信息系统和决策表
• 3.1.3 属性约简和核
• 3.2 人工神经网络理论概述
• 3.2.1 神经网络概述
• 3.2.2 BP神经网络
• 3.3 粗糙集和神经网络相结合的理论分析
• 第4章 绩效预测模型的实证分析
• 4.1 构建预测指标体系
• 4.1.1 建立指标体系的基本原则
• 4.1.2 具体指标的选取
• 4.2 绩效预测模型的实证分析
• 4.2.1 研究对象的选择
• 4.2.2 样本的选择
• 4.2.3 数据的处理
• 4.2.4 模型构建
• 4.2.5 模型的训练及测试
• 第5章 两种模型预测效果的比较分析
• 5.1 两种模型预测精度的比较分析
• 5.2 对预测结果的进一步讨论
• 结论与展望
• 致谢
• 参考文献
• 附录1
• 附录2
• 附录3
• 附录4
• 附录5
• 攻读硕士学位期间发表的论文及科研成果