上市企業(yè)財務風險預測評價研究.pdf

1、隨著我國市場經濟的快速發(fā)展，市場競爭日趨激烈，企業(yè)面臨的風險性和復雜性進一步加大.近年來，企業(yè)因財務風險陷入危機，甚至宣告破產的例子己屢見不鮮.因此，構建一個有效適用的財務風險預測評價模型，無論對上市企業(yè)還是其利益相關者而言都具有重要的現(xiàn)實意義.而基于統(tǒng)計學習理論的支持向量機(SVM)是一種新型的學習方法.它采用結構風險最小化原則，是一個凸二次優(yōu)化問題，能夠保證找到的極值解就是全局最優(yōu)解，從而在統(tǒng)計樣本量較少的情況下獲得良好的統(tǒng)計規(guī)律和

2、更好的泛化能力，為解決小樣本、非線性、高維數(shù)等學習問題提供了一個框架，幫助解決了許多其他學習方法難以解決的問題.目前被廣泛應用于文本分類，手寫體數(shù)字識別，人臉識別，故障診斷等方面. 本文充分利用現(xiàn)代智能技術的特點，將支持向量機(SVM)方法應用到企業(yè)財務風險預測評價領域，為研究企業(yè)財務預測評價問題提出了一種新的建模思想和方法，拓寬了該領域的研究范圍.在研究過程中，本文按照證券市場的通行做法，將上市公司根據(jù)其財務狀況的好壞分為非S

3、T和ST兩類，具有權威性和可操作性的特點，充分利用支持向量機在非線性分類中的優(yōu)勢，克服了傳統(tǒng)模型采用線性假設的不足，提高了預測評價的精度.在內容安排上，首先回顧了國內外企業(yè)財務風險預測評價的研究歷史，指出了原本廣泛應用于工程領域的支持向量機方法也可用于該領域的研究.接著本文對支持向量機理論的分類原理進行了研究和探討.針對具體的研究問題，給出了確定和選取樣本及財務數(shù)據(jù)的標準，其中不僅包括傳統(tǒng)的財務指標還包括現(xiàn)金流量指標.同以往的研究方法相

4、比，本文將主成分分析法(PrincipalComponentAnalysis)同支持向量機方法相結合，用主成分析簡化了企業(yè)財務評價系統(tǒng)模型的輸入向量，然后用支持向量機對企業(yè)財務狀況進行識別和分類，實現(xiàn)預測評價的效果.在最后的實證中，支持向量機方法可以準確的提取企業(yè)財務狀況的特征，在小樣本量、高維數(shù)、強噪聲、非線性的數(shù)據(jù)條件下，通過對企業(yè)財務數(shù)據(jù)的分析處理，得到對企業(yè)狀態(tài)的準確預測.作為評判企業(yè)財務狀態(tài)的新方法，其克服了以往在區(qū)分企業(yè)狀態(tài)