基于神经网络的上市房地产企业财务风险预警研究
发布时间:2023-02-12 09:43
在政策的影响下,房价高涨得到控制,房地产企业也开始转型发展。从房地产企业的发展来看,房地产企业大部分具有较高的负债率,在资金来源以及销售端受控的情况下,对房地产企业的发展带来较大的挑战。随着政策的收紧,部分房地产公司,如恒大集团,多笔债务违约并爆发财务风险事件,带来不利的社会影响。因此,在房地产企业转型的背景下,需要进一步关注房地产企业可能存在的财务风险问题,对可能发生的房地产企业的财务风险进行预警。本文以房地产企业为研究对象,分析对房地产企业财务风险具有影响的指标,并构建房地产企业财务风险的预警模型。首先,对房地产行业的企业从宏观因素以及微观因素出发,分析影响其财务风险的各项因素,并构建房地产企业财务风险评价的指标体系。其次,采用因子分析以及TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)方法,对上市房地产企业的财务风险进行评价,根据评价结果确定存在较高风险的房地产公司。第四,采用GMDH(Group Method of Data Handing,GMDH)神经网络模型构建...
【文章页数】:84 页
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究述评
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.4 研究思路与方法
1.4.1 研究思路
1.4.2 研究方法
1.5 研究创新
2 概念界定及理论基础
2.1 概念界定
2.1.1 房地产行业
2.1.2 财务风险
2.2 理论基础
2.2.1 财务风险预警理论
2.2.2 风险管理理论
2.3 常用财务风险预警模型
2.3.1 逻辑回归
2.3.2 支持向量机模型
2.3.3 随机森林模型
2.3.4 BP神经网络模型
2.3.5 模型评价指标
2.4 本章小结
3 房地产上市企业财务风险特征与财务风险评价
3.1 房地产企业财务风险特征分析
3.2 房地产行业企业财务风险影响因素分析
3.2.1 外部影响因素
3.2.2 内部影响因素
3.3 房地产企业财务风险评价指标构建
3.3.1 偿债能力
3.3.2 营运能力
3.3.3 盈利能力
3.3.4 发展能力
3.3.5 现金流量
3.3.6 综合能力
3.3.7 治理能力
3.3.8 宏观因素
3.4 上市房地产企业财务风险评价
3.4.1 因子分析与TOPSIS方法
3.4.2 房地产上市企业TOPSIS财务风险评价
3.5 本章小结
4 基于GMDH神经网络的上市房地产企业财务风险预警模型构建
4.1 GMDH神经网络模型分析
4.1.1 GMDH神经网络模型适用性分析
4.1.2 GMDH神经网络模型结构
4.2 基于遗传算法的GMDH财务风险预警模型参数优化
4.2.1 遗传算法分析
4.2.2 财务风险预警模型构建
4.3 本章小结
5 基于GMDH神经网络的上市房地产企业财务风险预警模型实证分析
5.0 数据源说明与描述性统计分析
5.1 不平衡数据处理
5.2 指标选择
5.3 GMDH神经网络财务风险预警模型实证
5.4 模型对比分析
5.4.1 逻辑回归模型实证分析
5.4.2 支持向量机模型实证分析
5.4.3 随机森林实证分析
5.4.4 BP神经网络模型实证分析
5.4.5 综合对比分析
5.5 指标重要性分析
5.6 本章小结
6 结论建议及展望
6.1 研究结论
6.2 加强房地产企业财务风险预警的对策建议
6.2.1 加强对房地产上市公司财务风险的预警
6.2.2 改善房地产公司债务水平以及资金周转水平
6.2.3 提高对政策以及经济发展变化的应对能力
6.3 研究不足与展望
6.3.1 研究不足
6.3.2 研究展望
参考文献
致谢
本文编号:3740859
【文章页数】:84 页
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究述评
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.4 研究思路与方法
1.4.1 研究思路
1.4.2 研究方法
1.5 研究创新
2 概念界定及理论基础
2.1 概念界定
2.1.1 房地产行业
2.1.2 财务风险
2.2 理论基础
2.2.1 财务风险预警理论
2.2.2 风险管理理论
2.3 常用财务风险预警模型
2.3.1 逻辑回归
2.3.2 支持向量机模型
2.3.3 随机森林模型
2.3.4 BP神经网络模型
2.3.5 模型评价指标
2.4 本章小结
3 房地产上市企业财务风险特征与财务风险评价
3.1 房地产企业财务风险特征分析
3.2 房地产行业企业财务风险影响因素分析
3.2.1 外部影响因素
3.2.2 内部影响因素
3.3 房地产企业财务风险评价指标构建
3.3.1 偿债能力
3.3.2 营运能力
3.3.3 盈利能力
3.3.4 发展能力
3.3.5 现金流量
3.3.6 综合能力
3.3.7 治理能力
3.3.8 宏观因素
3.4 上市房地产企业财务风险评价
3.4.1 因子分析与TOPSIS方法
3.4.2 房地产上市企业TOPSIS财务风险评价
3.5 本章小结
4 基于GMDH神经网络的上市房地产企业财务风险预警模型构建
4.1 GMDH神经网络模型分析
4.1.1 GMDH神经网络模型适用性分析
4.1.2 GMDH神经网络模型结构
4.2 基于遗传算法的GMDH财务风险预警模型参数优化
4.2.1 遗传算法分析
4.2.2 财务风险预警模型构建
4.3 本章小结
5 基于GMDH神经网络的上市房地产企业财务风险预警模型实证分析
5.0 数据源说明与描述性统计分析
5.1 不平衡数据处理
5.2 指标选择
5.3 GMDH神经网络财务风险预警模型实证
5.4 模型对比分析
5.4.1 逻辑回归模型实证分析
5.4.2 支持向量机模型实证分析
5.4.3 随机森林实证分析
5.4.4 BP神经网络模型实证分析
5.4.5 综合对比分析
5.5 指标重要性分析
5.6 本章小结
6 结论建议及展望
6.1 研究结论
6.2 加强房地产企业财务风险预警的对策建议
6.2.1 加强对房地产上市公司财务风险的预警
6.2.2 改善房地产公司债务水平以及资金周转水平
6.2.3 提高对政策以及经济发展变化的应对能力
6.3 研究不足与展望
6.3.1 研究不足
6.3.2 研究展望
参考文献
致谢
本文编号:3740859
本文链接:https://www.wllwen.com/jingjifazhanlunwen/3740859.html