上市公司多分类财务预测模型及其应用研究

论文摘要

新破产法的实施和证券市场管理机制的不断完善拉开了我国上市公司优胜劣汰的帷幕。企业财务预测是一个重要的科学管理问题,其本质是分类问题,最主要目的一是确定能区别财务失败公司和财务正常公司的显著性指标,二是找到最有预测力的模型。尽管现实中企业的财务状况复杂多样,人们往往将财务预测当作两分类问题来解决。本文着眼于我国上市公司财务状况多样化的经济现实,总结了前人企业财务预测的研究成果和传统二分类研究的缺陷,旨在引入新的企业财务预测方法,构建一个单行业多分类财务预测模型。本文通过以下三个步骤来实现该目标:首先,借鉴吕长江（2003,2004）的财务分类理论,结合我国制造业上市公司的实际财务状况,本文将我国的制造业上市公司划分为财务正常、财务困境和财务破产三种类型。在此基础上,本文按照整个制造业上市公司的实际财务分布构造了研究样本。其次,为提高预测精度,得到最具预测力的指标,本文综合应用了Kruskal-Wallis单向秩方差分析、中位数检验、聚类分析和主成分分析4种方法筛选预测变量,并分别构建了提前一年、提前二年和提前三年的财务预测指标体系。最后,我们引入SVM模型,分别构建了提前一年、提前两年和提前三年的财务预测模型。

论文目录

• 中文提要
• Abstract
• 1 引言
• 1.1 本文研究背景和研究意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外文献综述
• 1.2.1 国外财务预测研究综述
• 1.2.2 国内财务预测研究综述
• 1.2.3 国内财务预测实证研究的评述与发展趋势
• 1.3 本文研究的目的、方法和结构
• 1.3.1 本文研究的目的
• 1.3.2 本文研究的主要方法
• 1.3.3 本文的结构
• 2 上市公司财务预测的理论基础
• 2.1 上市公司财务类型的理论界定
• 2.1.1 财务正常概念的理论界定
• 2.1.2 财务异常概念的理论界定
• 2.2 财务异常成因的总结
• 2.3 财务异常的形成过程及其对预测指标体系的影响
• 2.3.1 财务异常的形成过程
• 2.3.2 财务异常的形成过程与财务预测指标体系的关系
• 2.4 上市公司财务预测问题的本质
• 3 研究对象的选择和样本初选
• 3.1 研究对象的选择
• 3.2 上市公司财务状况的技术界定
• 3.2.1 财务困境的技术界定
• 3.2.2 财务破产的技术界定
• 3.2.3 财务正常的技术界定
• 3.3 样本的初选
• 3.3.1 财务异常样本的初步筛选
• 3.3.2 财务正常样本的初步筛选
• 4 样本的确定和预测指标体系的构建
• 4.1 财务预测指标体系的构建原则
• 4.2 初选财务指标
• 4.2.1 偿债能力
• 4.2.2 营运能力
• 4.2.3 盈利能力
• 4.2.4 成长基础与能力
• 4.2.5 现金流量指标
• 4.2.6 其他
• 4.3 上市公司短期财务预测指标体系的构建
• 4.3.1 （t-1）年样本的确定
• 4.3.2 异常值得甄别和替代
• 4.3.3 Kruskal-Wallis单向秩方差分析和中位数检验
• 4.4 上市公司长期财务预测指标体系的构建
• 4.4.1 （t-2）与（T-3）年样本的筛选
• 4.4.2 Kruskal-Wallis单向秩方差分析和中位数检验
• 4.4.3 指标的聚类分析和主成分分析
• 4.5 短期预测与长期预测指标体系比较分析
• 5 支持向量分类机简介
• 5.1 支持向量分类机的理论基础
• 5.1.1 机器学习
• 5.1.2 统计学习理论和VC维
• 5.1.3 结构风险最小化原则
• 5.2 支持向量分类机原理简介
• 5.2.1 最大间隔原则和最优分类线
• 5.2.2 线性支持向量分类机
• 5.2.3 非线性支持向量分类机
• 5.2.4 多分类问题
• 5.3 支持向量分类机在我国经济领域的应用
• 5.3.1 信用评估
• 5.3.2 经济预警
• 5.3.3 上市公司财务危机预测
• 5.4 支持向量分类机在上市公司财务危机预警中的可行性分析
• 5.4.1 上市公司财务危机预警与机器学习问题
• 5.4.2 上市公司财务预测的本质上是分类问题
• 5.4.3 上市公司财务预测SVM模型的构建流程
• 6 上市公司财务预测SVM模型的构建
• 6.1 样本数据的特点
• 6.2 预测指标体系的特点
• 6.3 与SVM模型预测精度相关的3个重要问题
• 6.3.1 样本不均衡问题
• 6.3.2 V折交叉检验
• 6.3.3 核函数的选择和参数的确定
• 6.4 上市公司财务预测模型的构建
• 6.4.1（t-1）年短期预测模型的构建
• 6.4.2 长期预测实证分析
• 7 结论
• 7.1 本文总结
• 7.2 本文的创新点
• 7.3 后续扩展研究思路
• 后记
• 参考文献
• 附录A 近年沪深两市市场规模统计
• 附录B 第3章样本初步筛选结果
• 表B.1 财务异常样本
• 表B.2 2005年财务正常样本
• 表B.2（续）
• 表B.3 2006年财务正常样本
• 表B.3（续）
• 附录C 第4章46个初选指标
• 附录E 第4章最终建模样本
• 表E.1（t-1）年最终建模样本（2006年）
• 表E.1（续）
• 表E.2（t-1）年最终建模样本（2005年）
• 表E.2（续一）
• 表E.2（续二）
• 表E.3（t-2）年最终建模样本（2006年）
• 表E.3（续）
• 表E.4（t-2）年最终建模样本（2005年）
• 表E.4（续一）
• 表E.4（续二）
• 表E.5（t-3）年最终建模样本（2006年）
• 表E.5（续）
• 表E.6（t-3）年最终建模样本（2005年）
• 表E.6（续一）
• 表E.6（续二）
• 附录F 第4章指标聚类和主成分结果
• 表F.1（t-1）年聚类和主成分分析结果
• 表F.1（续）
• 表F.2（t-2）年聚类和主成分分析结果
• 表F.3（t-3）年聚类和主成分分析结果
• 附录G 第6章SVM模型结果
• 表G.1 γ取不同值时对应的（t-2）年SVM模型结果
• 表G.2 γ取不同值时对应的（t-2）年SVM模型结果
• 表G.3 γ取不同值时对应的（t-3）年SVM模型结果
• 攻读硕士学位期间发表的论文目录
• 详细摘要