上市公司财务困境预测模型研究

论文摘要

随着当今市场经济的蓬勃发展和股票市场进一步的扩大,上市公司之间竞争日益激烈,越来越多的上市公司面临着经营失败进而陷入财务困境甚至破产的风险。对于陷入困境的上市公司,不仅危害自身的生存和健康发展,还会给债权人、投资人带来巨大损失。因此,对上市公司的财务困境进行预测具有重要的意义。本文在前人提出的指标体系基础上,加入了股票价值指标,改进了上市公司财务困境预测指标体系。文章选取了相似发展阶段,相近资产规模,同时间段的180家上市公司作为研究对象,并构建了基于Elman神经网络的组合预测模型。最后利用已有的单一预测模型:判别分析,多元逻辑回归,支持向量机,Elman神经网络和组合预测模型进行了实证分析。在研究过程中,以下方面为文章主要工作:一,在构建指标体系时,结合已有的指标体系,本文加入了股票价值指标,即:市盈率,市销率,市净率,托宾Q,为了从多方面反映上市公司的财务状况。二,构建了基于Elman神经网络的组合预测模型,其中组合预测的权重通过神经网络自学习获得。三,分别用传统预测模型、人工智能模型和组合预测模型进行了实证,通过结果比较分析发现,人工智能模型预测准确率要优于传统预测模型,组合预测模型要优于单一预测模型。本文的研究,旨在对上市公司财务困境进行准确、有效的预测,这样对保护投资人和债权人的权益、经营者防范风险、政府部门对宏观经济的监管和调控都具有重要的现实意义。

论文目录

• 中文摘要
• 英文摘要
• 1 引言
• 1.1 研究的背景
• 1.2 研究的意义
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本文的主要研究内容
• 2 财务困境的界定及指标体系的构建
• 2.1 国外对财务困境的界定
• 2.2 国内对财务困境的界定
• 2.3 本文对财务困境的界定
• 2.4 指标体系的构建原则
• 2.5 指标体系的构建
• 3 上市公司财务困境预测模型
• 3.1 传统预测模型
• 3.1.1 判别分析
• 3.1.2 多元逻辑回归
• 3.2 人工智能模型
• 3.2.1 支持向量机
• 3.2.2 Elman神经网络
• 3.3 基于传统方法与ELMAN神经网络的组合预测方法
• 4 实证研究
• 4.1 研究样本的设计
• 4.2 财务困境指标体系的预处理
• 4.2.1 显著性检验
• 4.2.2 主成分分析
• 4.3 实证结果及比较分析
• 4.3.1 判别分析的实证结果
• 4.3.2 多元逻辑回归的实证结果
• 4.3.3 支持向量机的实证结果
• 4.3.4 Elman神经网络的实证结果
• 4.3.5 组合模型的实证结果
• 4.4 结果比较分析
• 5 结论与展望
• 致谢
• 参考文献
• 附录
• 攻读学位期间发表的学术论文