基于BP神经网络的矿业上市公司财务风险预警研究

发布时间：2017-07-20 06:05

  本文关键词：基于BP神经网络的矿业上市公司财务风险预警研究

  更多相关文章： 矿业企业 财务风险 预警 BP神经网络

【摘要】：矿业行业是我国的基础性行业,在为国民经济提供保障的同时,更是国防安全建设中起着重要作用。矿业的基础性作用不仅不会随着时间推移而削弱,反而会被不断强化。而矿业企业财务风险的存在严重影响着企业的健康、稳定和持续发展。鉴于矿业行业的特殊性及重要性,结合矿业企业经营过程中现货市场流动性差、资源依懒性强、资金流动周期长、政策依赖性强等与其他行业区别的特点,及其财务风险成因,通过财务数据和非财务指标,准确地对矿业上市公司做出财务风险预警,这个研究强化了财务风险预警的行业性,具有一定的理论和实践意义。本文以我国矿业上市公司为研究对象,从偿债能力、营运能力、资本增值能力、现金流量能力和成长能力、股权结构六个方面,将其细化为17个财务指标和1个非财务指标构建了矿业上市公司财务风险预警指标体系。并根据该指标体系,利用国泰安数据库,获得原始数据。选取了47家样本上市公司的2014年财务数据并进行筛选,运用SPSS软件对数据进行了标准化处理和层次聚类分析,将财务风险划分为几个等级,并通过了显著性检验。然后构建BP神经网络预警模型,以多级分类的财务状况为预警模型提供精确的目标数据。利用Matlab软件训练BP神经网络后,得出理想的学习率、迭代次数等参数,再对检测样木进行训练,对多次迭代预测结果进行统计分析,证明该模型预警效果是否良好。实验结果证实针对矿业上市公司所构建BP神经网络财务预警模型是有效的。
【关键词】：矿业企业 财务风险 预警 BP神经网络
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;F426.1;F406.7
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 研究背景及目的10-11
• 1.2 国内外研究现状11-16
• 1.2.1 矿业企业财务风险研究现状11-13
• 1.2.2 企业财务风险预警模型研究现状13-16
• 1.3 研究内容16
• 1.4 研究方法、研究思路与技术路线16-19
• 1.4.1 研究方法16-17
• 1.4.1.1 文献研究法17
• 1.4.1.2 定量分析法17
• 1.4.2 研究思路17-18
• 1.4.3 技术路线18-19
• 第2章 矿业上市公司财务预警的理论基础19-24
• 2.1 企业财务风险的界定及成因19-21
• 2.1.1 财务风险的界定19-20
• 2.1.2 企业财务风险成因20-21
• 2.2 矿业上市公司概述21
• 2.3 我国矿业上市公司财务风险表现21-23
• 2.3.1 经营风险21-22
• 2.3.2 投资风险的表现22
• 2.3.3 筹资风险的表现22-23
• 2.4 本章小结23-24
• 第3章 矿业上市公司财务风险预警指标体系构建24-36
• 3.1 构建思路24
• 3.2 指标选取原则24-25
• 3.3 我国矿业上市公司财务风险影响因素25-29
• 3.3.1 矿业上市公司财务风险影响因素25-29
• 3.3.1.1 企业外部影响因素26-27
• 3.3.1.2 企业自身因素27-29
• 3.3.2 一级指标的选取29
• 3.4 二级指标的确定及分析29-34
• 3.4.1 偿债能力指标29-30
• 3.4.2 资产运营能力指标30-31
• 3.4.3 盈利能力指标31-32
• 3.4.4 现金流量能力指标32-33
• 3.4.5 成长能力指标33
• 3.4.6 表外指标33-34
• 3.5 预警指标体系构建34-35
• 3.6 本章小结35-36
• 第4章 用于矿业上市公司财务风险预警的BP神经网络模型设计36-45
• 4.1 设计思路36
• 4.2 传统财务预警模型评析36-39
• 4.2.1 传统财务预警方法列举36-38
• 4.2.2 传统财务预警模型评析38-39
• 4.3 BP神经网络相关理论39-42
• 4.3.1 人工神经网络39-40
• 4.3.2 BP神经网络及其结构40-41
• 4.3.3 BP神经网络模型用于财务风险预警的优势41-42
• 4.4 构建应用于矿业上市公司财务风险预警的BP神经网络模型42-44
• 4.4.1 BP神经网络设计过程42-43
• 4.4.2 BP神经网络中主要参数的影响43
• 4.4.3 粗糙集与BP神经网络的结合应用43-44
• 4.5 本章小结44-45
• 第5章 对矿业上市公司财务风险预警BP神经网络模型的验证45-59
• 5.1 验证思路45
• 5.2 样本的选取45-46
• 5.3 财务风险等级分类的确定46-53
• 5.3.1 数据的标准化处理46-51
• 5.3.2 样本层次聚类分析51-53
• 5.4 BP神经网络训练及模型检验53-59
• 第6章 结论与展望59-62
• 6.1 研究结论59-60
• 6.2 创新点60
• 6.3 总结60-62
• 6.3.1 本文研究不足60
• 6.3.2 进一步研究方向60-62
• 致谢62-63
• 参考文献63-66
• 附录66-76

【参考文献】

中国期刊全文数据库 前1条

1 李芳;;基于BP神经网络的我国制造业上市公司财务危机预警[J];中国市场;2010年40期

中国硕士学位论文全文数据库 前1条

1 孙嵘;基于BP神经网络的中小企业财务风险预警研究[D];长沙理工大学;2008年

，

本文编号：566515