我国A股上市公司企业财务危机预警研究
发布时间：2021-03-03 21:43
随着我国经济的发展,上市公司数量在逐渐增多,同时也带来了上市公司亏损占比逐渐增大的噩耗,所以建立企业财务预警模型对我国经济的稳健发展有着重要意义。另外,如果能够建立有效的企业财务危机预警模型,企业就可以提前对自己财务状况进行评估,可以在危机爆发之前就及时采取有效措施来遏制财务状况的恶化,极大的减小了破产的可能性,同时也帮助投资人和相关企业降低相关损失。因此,建立一个有效的企业财务危机预警模型对企业、广大投资者和我国经济市场都有着重要意义。为了建立上市公司企业危机预警模型,本文先对含有99个特征指标的3372个A股上市公司的财务数据进行初步的数据选取,剩余72个指标,然后依次进行数据填充、数据归一化和特征选择。在数据填充过程中对比了常用的数据填充方法,选择了填充后均方误差值最小的随机森林方法对整个数据进行填充。特征选择过程中先后使用显著性检验、基于AUC的随机森林、Lasso方法,筛选出17个特征变量来建立后续模型。本文数据存在高度不平衡的问题,为了构建合理的A股上市企业财务预警模型,本文使用了解决数据不平衡问题的SMOTE算法和平衡随机森林算法,使用召回率、正判率、宏平均、F...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
意义相近指标的相关系数矩阵热力图
第 3 章 数据处理与特征选择性检验除掉无法有效区分ST企业和非ST企业的变量，提高后续用显著性检验的方法。由于样本分布不同，通常采用显著本文先用 Python 的 scipy.stats.shapiro 模块对 ST 企业和非行正态分布检验并画出散点图，散点图结果见图 3-3，由均在 0 附近，变量均不服从正态分布，所以本文使用tney U)[38]检验方法的方法来对ST企业和非ST企业进行
将每一次挑选剩下的 N-1 份数据作为训练集，对每一次的 N随机森林模型的训练，在模型训练的过程中计算此次的 OOB-AUC选择，挑选特征重要性排名前 K 的特征变量出来作为被选中的变个过程中进行了 N 次模型的训练和变量选择，将最优的 OOB-AU次交叉验证的 AUC 值； m<M，返回第 2 步，否则结束循环。将在第 2 步中产生的交叉验均，并作为此次交叉验证的 AUC 值，记为 cv-AUC，可以衡量随。整个过程一共进行了 N M次，每个变量被选入模型的N M选中的次数。2）AUC-RF 特征选择数据集进行 AUC-RF 特征选择，选取的步骤如下：利用随机森林重要性度量的方法对指标进行初始排序。由于本文数所有的变量全部放上图会展现不清晰，现在仅将重要性在前 20 的 3-4 中呈现出来。
【参考文献】：
期刊论文
[1]我国上市公司财务困境的预测模型研究[J]. 吴世农,卢贤义. 经济研究. 2001(06)
博士论文
[1]中国股票市场分割与一体化演进问题研究[D]. 胡新明.华中科技大学 2007
硕士论文
[1]基于核参数优化的SVM方法及其在股市中的应用研究[D]. 陈晓燕.西安理工大学 2018
[2]基于集成算法的上市公司财务危机预警研究[D]. 史立新.暨南大学 2018
[3]Adaptive Boosting算法及组合分类器的构建研究[D]. 王玲娣.江南大学 2018
[4]Lasso及其改进方法在变量选择中的优劣性研究[D]. 郝宽.哈尔滨工业大学 2018
[5]基于Boosting的集成树算法研究与分析[D]. 连克强.中国地质大学(北京) 2018
[6]基于随机森林的高维不平衡数据分类方法研究[D]. 徐少成.太原理工大学 2018
[7]非均衡分类的集成学习应用研究[D]. 从威.南京信息工程大学 2017
[8]九种常用缺失值插补方法的比较[D]. 廖祥超.云南师范大学 2017
[9]基于多分类器性能比较的企业财务预警研究[D]. 丘皓威.广西大学 2016
[10]构建上市公司财务危机预警模型的研究[D]. 常有霞.河北经贸大学 2015
本文编号：3061980
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
意义相近指标的相关系数矩阵热力图
第 3 章 数据处理与特征选择性检验除掉无法有效区分ST企业和非ST企业的变量，提高后续用显著性检验的方法。由于样本分布不同，通常采用显著本文先用 Python 的 scipy.stats.shapiro 模块对 ST 企业和非行正态分布检验并画出散点图，散点图结果见图 3-3，由均在 0 附近，变量均不服从正态分布，所以本文使用tney U)[38]检验方法的方法来对ST企业和非ST企业进行
将每一次挑选剩下的 N-1 份数据作为训练集，对每一次的 N随机森林模型的训练，在模型训练的过程中计算此次的 OOB-AUC选择，挑选特征重要性排名前 K 的特征变量出来作为被选中的变个过程中进行了 N 次模型的训练和变量选择，将最优的 OOB-AU次交叉验证的 AUC 值； m<M，返回第 2 步，否则结束循环。将在第 2 步中产生的交叉验均，并作为此次交叉验证的 AUC 值，记为 cv-AUC，可以衡量随。整个过程一共进行了 N M次，每个变量被选入模型的N M选中的次数。2）AUC-RF 特征选择数据集进行 AUC-RF 特征选择，选取的步骤如下：利用随机森林重要性度量的方法对指标进行初始排序。由于本文数所有的变量全部放上图会展现不清晰，现在仅将重要性在前 20 的 3-4 中呈现出来。
【参考文献】：
期刊论文
[1]我国上市公司财务困境的预测模型研究[J]. 吴世农,卢贤义. 经济研究. 2001(06)
博士论文
[1]中国股票市场分割与一体化演进问题研究[D]. 胡新明.华中科技大学 2007
硕士论文
[1]基于核参数优化的SVM方法及其在股市中的应用研究[D]. 陈晓燕.西安理工大学 2018
[2]基于集成算法的上市公司财务危机预警研究[D]. 史立新.暨南大学 2018
[3]Adaptive Boosting算法及组合分类器的构建研究[D]. 王玲娣.江南大学 2018
[4]Lasso及其改进方法在变量选择中的优劣性研究[D]. 郝宽.哈尔滨工业大学 2018
[5]基于Boosting的集成树算法研究与分析[D]. 连克强.中国地质大学(北京) 2018
[6]基于随机森林的高维不平衡数据分类方法研究[D]. 徐少成.太原理工大学 2018
[7]非均衡分类的集成学习应用研究[D]. 从威.南京信息工程大学 2017
[8]九种常用缺失值插补方法的比较[D]. 廖祥超.云南师范大学 2017
[9]基于多分类器性能比较的企业财务预警研究[D]. 丘皓威.广西大学 2016
[10]构建上市公司财务危机预警模型的研究[D]. 常有霞.河北经贸大学 2015
本文编号：3061980
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3061980.html
