导 师: 苏锡坤
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要: 财务危机是一个世界性的问题。自上世纪60年代以来,随着企业破产问题的日益严重,各国学者已经开始进行财务危机预警的定量研究。近五十年来,从多元判别分析等线性预测模型,到以神经网络模型为代表的各种非参数预测模型,相关的研究成果层出不穷。但是,国内对公司财务危机预测的研究才刚刚起步,其主要原因是1993年7月1日之前我国并没有实施统一的会计准则,缺乏可靠的规范的研究数据。因此,研究如何利用国外现有的研究成果,结合中国的实际对企业破产做出准确的预测,是摆在我们面前迫切需要解决的问题。 本文在对国内外财务危机预警模型研究的基础上,以中国上市公司作为研究对象,将公司因财务状况异常而被特别处理(ST)作为企业陷入财务危机的标志,构建了一套包括4个方面19个指标的财务危机预警指标体系,并利用基于BP神经网络的非线性组合预测方法构建我国上市公司财务危机预警模型。此外,本文选取了我国深、沪两市A股2007年首次被ST的公司30家和配对财务状况正常公司30家作为训练样本进行实证分析。 实证分析结果表明:一是我国上市公司的财务数据总体上是有效的,并具有较强的预测能力;二是组合预测模型集合了统计模型和人工智能模型的优点,在上市公司财务危机发生前3年有86.67%的判别准确率,具有较强的优越性和应用价值。
关 键 词: 上市公司 公司财务危机 危机预警模型 组合模型 线性预测模型 组合预测 神经网络模型 研究成果 实证分析 企业破产 财务状况 预警指标体系 多元判别分析 中国 智能模型 预测能力 预测方法 应用价值 研究对象 训练样本
领 域: [经济管理—金融学]