基于Probit与SVM组合模型的上市公司财务危机预警研究
发布时间：2021-01-01 01:20
在市场经济的前提下,公司从建立时就面临着“优胜劣汰”的困境。面对一个规模日益庞大的交易市场,上市公司的数量与规模不断给宏观监管的质量提出挑战,因此对财务风险的控制就显得尤为重要。财务窘况通常要经历潜伏期到爆发期较长的时间,在这段时间内上市公司会经历财政状态由健康慢慢发展成危机的过程。因此公司的财政危机具有前兆性和可瞻望性,建立一个符合市场状况的财务危机预警模型可以对危机及其发展趋向进行有效的预测、辨认和控制,可以令经营者在风险位于萌芽状态时就采用有用的措施,改进现状,降低损失,使利益相关者获得最大的收益。而且,当前的统计软件功能强大,理论也已成熟,以及证监会对上市公司财务状况的信息披露制定了标准化模式,这使得建模所需要的数据来源更加准确,这都为创立合理的危机预警模型提供了条件。因此如果能够准确预判公司的金融危机,不仅与投资者和债权人利益有关,而且可以帮助证券监管局制定出更加有效的稳定市场的办法。因此,上市公司财务危机预警的研究有十分重要的理论和现实意义。本文首先介绍财务危机的有关定义及成因,在对已有的研究现状进行总结回顾之后,深入剖析了目前影响我国上市公司财务危机的因素,从现金流量、偿...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和研究意义
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 小结
1.3 论文研究框架
第二章 财务危机分析及预警指标体系的建立
2.1 概念的界定
2.1.1 财务危机概念的界定
2.1.2 财务危机预警概念的界定
2.2 财务危机表现及成因分析
2.2.1 财务危机表现
2.2.2 财务危机的成因分析
2.3 财务危机预警指标体系的建立
2.3.1 指标的选取原则
2.3.2 指标体系的建立
2.4 本章小结
第三章 基于Probit-SVM财务危机预警组合模型的构建
3.1 单一模型的选取
3.2 单一模型的基本原理
3.2.1 Probit回归模型的基本原理
3.2.2 SVM模型的基本原理
3.3 组合模型的建立
3.4 本章小结
第四章 基于Probit-SVM财务危机预警组合模型的实证研究
4.1 样本数据预处理
4.1.1 研究样本的选取
4.1.2 预警指标预处理
4.2 单一模型的实证分析
4.2.1 Probit回归模型的实证分析
4.2.2 SVM模型的实证分析
4.3 组合模型的实证分析
4.4 实证结果比较分析
4.5 本章小结
第五章 总结与展望
参考文献
致谢
学位论文评阅及答辩情况表
【参考文献】：
期刊论文
[1]浅谈企业财务危机预警研究中的若干问题[J]. 边春霞. 山西农经. 2017(23)
[2]上市公司财务危机预警模型研究——基于数据挖掘Logistic算法[J]. 杨芹英. 工业经济论坛. 2017(02)
[3]基于因子分析的国有工业企业经济效益差异性研究[J]. 庞庆华,杨田田. 工业技术经济. 2017(03)
[4]基于主成分分析和Logistic回归模型的上市公司财务预警机制研究[J]. 刘肖,姚正海,汪轩如. 经济论坛. 2016(01)
[5]基于Probit回归模型的经济发达地区土地利用变化驱动力分析——以南京市为例[J]. 刘康,李月娥,吴群,沈键芬. 应用生态学报. 2015(07)
[6]基于R的江西省肺结核发病率ARIMA-SVM组合预测模型[J]. 谢骁旭,袁兆康. 中国卫生统计. 2015(01)
[7]核函数的选择研究综述[J]. 汪廷华,陈峻婷. 计算机工程与设计. 2012(03)
[8]我国上市公司财务危机界定及其征兆分析[J]. 焦海涛. 西安社会科学. 2012(01)
[9]基于动态财务评价下的评价指标体系构建[J]. 黎春,步丹璐. 财会研究. 2009(23)
[10]基于logistic-svm组合预测模型在公司信用评级中的应用[J]. 陈瑜,潘丽娜. 价值工程. 2008(12)
硕士论文
[1]基于ARIMA与SVM组合模型的国内旅游市场预测研究[D]. 刘胜.东华理工大学 2017
[2]基于累积和模型的中国上市公司财务危机预警研究[D]. 沈立.浙江工商大学 2017
[3]基于支持向量机的我国生物医药上市公司财务危机预警研究[D]. 柳灿星.江西财经大学 2016
[4]中国上市房地产企业财务危机预警研究[D]. 卢张胤.广西科技大学 2015
[5]基于LOGIT-SVM的商业银行信用风险度量研究[D]. 钱军.浙江财经大学 2015
[6]基于Logistic-SVM的农户信用评价组合模型研究[D]. 康艳红.吉林大学 2014
[7]基于粗糙集—支持向量机的上市公司财务预警模型研究[D]. 李威.西南财经大学 2013
[8]NRS-SVM组合模型在中小企业信用评估中的应用[D]. 孙杨斌.湖南大学 2012
[9]信用评分模型的开发及probit回归在模型中的应用[D]. 高民.山东大学 2012
[10]我国上市公司财务危机预警指标体系构建及实证研究[D]. 周鸿顺.西安工程大学 2011
本文编号：2950671
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和研究意义
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 小结
1.3 论文研究框架
第二章 财务危机分析及预警指标体系的建立
2.1 概念的界定
2.1.1 财务危机概念的界定
2.1.2 财务危机预警概念的界定
2.2 财务危机表现及成因分析
2.2.1 财务危机表现
2.2.2 财务危机的成因分析
2.3 财务危机预警指标体系的建立
2.3.1 指标的选取原则
2.3.2 指标体系的建立
2.4 本章小结
第三章 基于Probit-SVM财务危机预警组合模型的构建
3.1 单一模型的选取
3.2 单一模型的基本原理
3.2.1 Probit回归模型的基本原理
3.2.2 SVM模型的基本原理
3.3 组合模型的建立
3.4 本章小结
第四章 基于Probit-SVM财务危机预警组合模型的实证研究
4.1 样本数据预处理
4.1.1 研究样本的选取
4.1.2 预警指标预处理
4.2 单一模型的实证分析
4.2.1 Probit回归模型的实证分析
4.2.2 SVM模型的实证分析
4.3 组合模型的实证分析
4.4 实证结果比较分析
4.5 本章小结
第五章 总结与展望
参考文献
致谢
学位论文评阅及答辩情况表
【参考文献】：
期刊论文
[1]浅谈企业财务危机预警研究中的若干问题[J]. 边春霞. 山西农经. 2017(23)
[2]上市公司财务危机预警模型研究——基于数据挖掘Logistic算法[J]. 杨芹英. 工业经济论坛. 2017(02)
[3]基于因子分析的国有工业企业经济效益差异性研究[J]. 庞庆华,杨田田. 工业技术经济. 2017(03)
[4]基于主成分分析和Logistic回归模型的上市公司财务预警机制研究[J]. 刘肖,姚正海,汪轩如. 经济论坛. 2016(01)
[5]基于Probit回归模型的经济发达地区土地利用变化驱动力分析——以南京市为例[J]. 刘康,李月娥,吴群,沈键芬. 应用生态学报. 2015(07)
[6]基于R的江西省肺结核发病率ARIMA-SVM组合预测模型[J]. 谢骁旭,袁兆康. 中国卫生统计. 2015(01)
[7]核函数的选择研究综述[J]. 汪廷华,陈峻婷. 计算机工程与设计. 2012(03)
[8]我国上市公司财务危机界定及其征兆分析[J]. 焦海涛. 西安社会科学. 2012(01)
[9]基于动态财务评价下的评价指标体系构建[J]. 黎春,步丹璐. 财会研究. 2009(23)
[10]基于logistic-svm组合预测模型在公司信用评级中的应用[J]. 陈瑜,潘丽娜. 价值工程. 2008(12)
硕士论文
[1]基于ARIMA与SVM组合模型的国内旅游市场预测研究[D]. 刘胜.东华理工大学 2017
[2]基于累积和模型的中国上市公司财务危机预警研究[D]. 沈立.浙江工商大学 2017
[3]基于支持向量机的我国生物医药上市公司财务危机预警研究[D]. 柳灿星.江西财经大学 2016
[4]中国上市房地产企业财务危机预警研究[D]. 卢张胤.广西科技大学 2015
[5]基于LOGIT-SVM的商业银行信用风险度量研究[D]. 钱军.浙江财经大学 2015
[6]基于Logistic-SVM的农户信用评价组合模型研究[D]. 康艳红.吉林大学 2014
[7]基于粗糙集—支持向量机的上市公司财务预警模型研究[D]. 李威.西南财经大学 2013
[8]NRS-SVM组合模型在中小企业信用评估中的应用[D]. 孙杨斌.湖南大学 2012
[9]信用评分模型的开发及probit回归在模型中的应用[D]. 高民.山东大学 2012
[10]我国上市公司财务危机预警指标体系构建及实证研究[D]. 周鸿顺.西安工程大学 2011
本文编号：2950671
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2950671.html
