中小企业财务危机的智能信息预测模型研究

发布时间：2020-07-19 16:56

【摘要】：近几年,在国家政策的支持下,中小企业实现了快速的发展,在国民经济中的作用日益凸显。然而,我国当下的经济已经进入新常态,中小企业的生存发展情况已经与过去不同,生存压力空前增加。能够引发中小企业财务危机的因素多种多样,不单只有财务因素,还有非财务因素和外部宏观经济因素。因此,在经济形势新常态下,中小企业如何抵御风险、提高应对危机的能力,已成为各界学者新的关注焦点。在此基础上,本文围绕“中小企业财务危机的智能预测”这一主题,综合运用财务信息、非财务信息和公共宏观信息,构建了中小企业财务危机的智能信息预测模型。本文拟解决的主要问题有四个:一,困境企业样本的选取;二,配对健康企业样本的选择;三,筛选变量;四,构建财务危机的预测模型。具体如下:本文选取2013-2017年间中小板上市企业中被ST或ST*的企业为研究对象,考虑到这类企业不多,5年间只有40家被ST的企业,将按照“行业相同,资产规模相近”的原则选择40家与之匹配的健康企业来增添样本,然后从剩余企业中随机选择20家健康企业作为补充样本,共计100家样本进行实证研究。基于中小企业的特点,在建立财务危机预测指标体系时,本文不仅考虑了财务信息指标,同时也包括了非财务信息指标和公共宏观信息指标。研究表明,加入非财务信息数据和公共宏观信息数据使得中小企业财务危机预测指标体系更为全面,提高了模型的预测效果。综合运用中小企业T-2年的财务数据、非财务数据以及公共宏观信息数据,在对比研究的基础上,分别构建了以SVM模型为代表的智能信息预测模型和以Logistic模型为代表的传统预测模型。通过这种方式,帮助中小企业的管理者发现经营管理活动中的异常情况,及时应对市场运营风险。实证结果表明,智能预测模型的危机预测效果明显优于传统模型的危机预测效果,预测准确率高达90%,能够较好地根据财务数据、非财务数据和公共宏观信息数据及时预测T+2年中小企业是否会陷入财务危机,具有实践意义。总而言之,本文立足于中小企业自身发展的特征,在原有的以财务信息为主的预测指标体系上,综合考虑了非财务信息指标和公共宏观信息指标,构建了以SVM为代表的中小企业财务危机的智能信息预测模型。该模型为管理者预防财务危机、控制企业的经营风险提供了技术支持,具有实用价值。
【学位授予单位】：山西财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51;F276.3;F275
【图文】：

效果图,低维,高维,样本集

()s11itisitiiibyxi 量集。此时，可以得出最优的分类函数：tiitisiF x ayxx b ()数之后，就能够输出 x 类别的分类结果，表示2H(x)01H(x)0{ 类别类别味着 x 位于边界不可分区域，而 {x 1 F (x)分，有必要使用核函数来改变原始空间，将找最优的分类面。

指标检验,基本流程

息治理指标理兼任情况X29 外部审计：审计意见类型标准无保留取 0，其他取公共信息宏观指标X30 GDP 增长率X31 CPI 增长率X32 PPI 增长率X33 M2 增长率5.3 预测变量显著性检验及筛选本节主要对依照“行业相同，资产规模相近”的匹配原则，对初步选定的标体系进行统计检验，以获得在总体样本中平均值存在差异的连续型变量，以与样本企业是否是困境样本存在联系的非连续型变量。统计性检验的基本流程如图 5.1 所示。

参数寻优

在构建 SVM 的智能财务危机预测模型前，首先，需要确定核函数的类型子 C 和核宽度 g。目前，普遍常用的非线性核函数有三种类型，即径向基F)、多项式函数和 sigmoid 函数。RBF 函数可以处理非线性的种类标签值间的关系的情况，一般首选 RBF 函数。sigmoid 函数的行为与 RBF 函数能会在某些条件中无法使用。多项式函数在训练阶段耗时多，需要设置数，所以它的性能在三者之中是最差的。根据函数的特点，本文将选择 RBF 核函数，并通过 Matlab 软件中的 L箱进行建模。在实验过程中，先运用 mapminmax 命令对训练集和测试集一化，再利用 SVMcgforClass 函数寻找惩罚因子 C 与核宽度 g。操作过程ee 的和 g 的范围区间设定在(2^(-8),2^8)，搜索步距设定为 1，使用 10 折的方式将训练集随机分为两个子集进行交叉验证，其结果为：C=64,g=0.1如图 6.1 所示：

【相似文献】