上市公司财务危机预警研究

论文摘要

在竞争激烈的市场经济条件下,由于各方面的原因,财务风险是不可避免的,甚至一些规模很大的上市公司也存在着财务风险。由于上市公司的财务状况关系到方方面面的利益,如何准确度量财务风险并对之加以防范已成为上市公司、银行、投资者以及政府监管部门日益关注的焦点。国外理论界对这方面的研究起步比较早,并且已经取得了显著的成果,国内对这方面的研究处于起步阶段,这方面的理论和模型都不太成熟,处于借鉴和探索阶段。本文对上市公司的财务风险进行了理论研究并以我国部分上市公司为样本进行了实证和对比研究。完成本文作者共作了以下几个方面的工作:首先,对国内外该领域的研究状况进行了综述,较详细地介绍了国内外的研究状况并对其进行了评价,在此基础上,提出本文的研究方法和思路。其次,对主成分分析和BP神经网络的理论基础做一介绍,并根据一些原则和方法从沪深股市上市公司股票中选取106支作为研究样本,将其分成训练组和检验组,并且,根据一定的方法建立模型的指标体系。最后,构建主成分分析方法和BP神经网络相结合的预警模型,经过实证研究和对比研究表明:两者相结合的模型的判别正确率为85.71%,远远高于单一的BP神经网络模型64.29%的正确率。由此得出主成分分析和BP神经网络结合的模型更适合做财务危机预警,同时也说明,我国上市公司的财务指标的质量也基本在可以接受的范围内。文章的最后提出了研究中可能存在的一些影响研究结果的因素,并对作者今后的研究方向做了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 体题背景及意义
• 1.1.1 选题背景
• 1.1.2 选题意义
• 1.2 研究文献综述
• 1.2.1 定性研究方法
• 1.2.2 定量研究方法
• 1.2.3 小结
• 1.3 研究的方法与思路
• 第2章 模型建立的理论基础
• 2.1 财务危机
• 2.1.1 财务危机定义
• 2.1.2 财务危机阶段
• 2.2 财务危机预警
• 2.2.1 财务危机预警定义
• 2.2.2 财务危机预警模型
• 2.3 主成分分析理论
• 2.4 BP神经网络的基本理论
• 2.4.1 人工神经网络基础理论
• 2.4.2 BP神经网络理论
• 2.5 PCA与 BP神经网络相结合的财务危机预警模型
• 第3章 财务危机预警模型的指标选取
• 3.1 指标选取的原则
• 3.2 指标体系及解释
• 第4章 财务危机预警模型的建立与应用
• 4.1 样本选取
• 4.1.1 样本选取原则
• 4.1.2 选取样本描述及分类
• 4.2 模型的建立
• 4.2.1 PCA对 BP神经网络模型数据的预处理
• 4.2.2 BP神经网络模型的构建
• 4.3 实证研究与对比研究
• 4.3.1 实证研究
• 4.3.2 比较研究
• 4.4 小结
• 第5章 结论与展望
• 5.1 研究结论
• 5.2 问题及展望
• 参考文献
• 附录
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历