导 师: 李荣钧
学科专业: L01
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要:
2007年上半年爆发的美国金融危机给美国和世界各国的经济都造成了巨大的冲击,数目惊人的企业陷入财务失败的阴霆之中。根据业绩预告,2008年年报亏损的A股公司至少为240家,也就是说,A股亏损面已超过15%。财务危机已成为我国企业面临的重要问题之一,它不仅危及到企业自身的生存与发展,而且还影响到投资者、债权人和整个社会的利益。因此,建立财务危机预警系统、有效地防范财务危机的出现,已是刻不容缓的财务管理研究课题之一。
本文介绍了国内外的相关研究文献,并对已有的财务危机预警方法进行了分析和比较。解决企业财务危机预警问题的方法有许多种,但其中运用最多的是统计方法,包括多元判别分析(MDA)、LOGISTIC回归分析等。由于有些变量分布并不符合MDA所要求的统计假设,所以使用MDA方法有可能会产生某些偏差。而LOGISTIC回归分析,同样也要求满足一定的统计假设,这些统计假设限制了该方法的应用。于是本文选择了另一个可供选择的方法——神经网络来解决企业财务危机的预警问题。
标准神经网络BP算法存在着易形成局部最小、收敛速度很慢和过度训练等问题。为此,人们在标准BP算法的基础上进行了许多有益的改进,如动量法等。但是基于这些算法的BP神经网络的泛化能力并没有达到理想的效果,而泛化能力是衡量神经网络性能好坏的主要标志。本文针对BP神经网络的这个缺陷,提出了用BAYESIAN正则化算法改进BP神经网络泛化能力。粗糙集是一种比较新的软计算方法,能够有效地分析和处理不明确和不完备的信息。在分析和讨论神经网络方法和粗糙集方法的各自优势之后,本文建立了一个基于粗糙集和神经网络的预警模型。通过应用分析,本文发现基于粗糙集和神经网络建立的财务危机预警模型,预测精度非常高,而且这一方法不需要对变量作任何特殊假设,能够很好的对企业财务状况的进行预测。此外,本文对预警模型自身存在的一些局限性加以说明,并对后续研究提出了一些建议。
关 键 词: 企业财务管理 财务危机预警 粗糙集理论 贝叶斯神经网络
分 类 号: [F275 TP183]