基于BP神经网络的制造业上市公司财务预警研究

论文摘要

随着市场经济的不断发展和股票市场的进一步扩容,企业之间的竞争日益激烈,时刻面临着经营失败陷入危机甚至破产的危险。对于上市公司而言,如果陷入财务危机,不仅危及其自身的生存和发展,也给投资者、债权人带来巨大的损失。因此,对财务危机进行预警管理,具有很重要的意义。本文利用基于BP神经网络的判别方法构建了一个上市公司财务预警研究体系。选取了相同发展阶段、相同规模、相同时间窗的150家制造业上市公司作为研究对象,对该体系的判别过程进行了实证。在研究开展中,有以下两方面内容为本文特色:第一,不同于以往研究中利用盈利能力、运营能力等方面的若干个经验财务指标,本文对表内表外完整的25个指标进行了两次筛选,使得预测的指标体系更具有合理性,能把较多的原始预测变量筛选为较少的变量,而信息含量却没有什么减少,使得模型更易于计算和推广。第二,分别用传统统计判别模型、人工神经网络判别模型和组合判别模型对财务预警进行了实证比对和分析,发现基于BP神经网络的预测方法充分利用了人工神经网络的容错性、自学习性,具有很好的预测精度和适用性。组合预测模型结合了统计方法和BP神经网络的优点,也具有很高的预测精度,但对比纯粹的神经网络模型没有明显的优势。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文的研究背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 国外有关公司财务困境的研究
• 1.2.2 国内有关公司财务困境的研究
• 1.3 论文的研究思路及主要内容
• 2 财务危机预警的理论基础
• 2.1 财务危机的定义
• 2.2 财务危机预警理论
• 3 预警指标体系的建立
• 3.1 预警指标的选取原则
• 3.2 预警指标体系构建
• 4 财务危机预警模型
• 4.1 传统财务危机预警方法
• 4.2 基于人工神经网络预警方法
• 4.3 基于传统预警方法与人工神经网络的组合预测方法
• 4.4 基于BP 神经网络的财务危机预警模型构建
• 4.4.1 样本与研究变量的选择
• 4.4.2 指标的筛选与分析
• 4.4.3 建立模型
• 5 制造业上市公司财务预警模型的实证研究
• 5.1 研究样本的设计
• 5.2 预警指标筛选
• 5.2.1 指标体系初步构建
• 5.2.2 指标第一次筛选—显著性分析
• 5.2.3 指标第二次筛选——因子分析
• 5.3 BP 神经网络财务预警实证
• 5.3.1 神经网络结构设计
• 5.3.2 神经网络训练
• 5.3.3 神经网络测试
• 5.4 基于不同方法的预测模型对比
• 5.4.1 基于Z 值分析判别模型
• 5.4.2 基于Logistic 回归分析判别模型
• 5.4.3 基于传统方法与人工神经网络的组合判别模型
• 5.4.4 基于不同方法的预测模型结果比较
• 6 结论
• 参考文献
• 附录
• 致谢
• 攻读学位期间发表的学术论文目录