创业板上市公司财务风险预警研究
发布时间：2021-04-24 16:10
自2009年创业板上市以来,至今已有近十年的时间,期间受到各界关注和投资者的青睐,在中国资本市场的地位仅次于主板市场。但随着时间的推移,其成立伊始的高盈利性和高增长性的热潮也随之减弱。同时随着当前国内经济新常态下产业调整阵痛和市场风险加大,再加上创业板企业发展不稳定、规模较小、风险管理意识淡薄、规章制度不健全等特征无疑使得它们所面临的财务风险更加凸显。对于创业板企业来说应尽早建立适当的财务风险预防体系以此应对可能出现的财务困境等问题,有利于完善企业风险管理体系,帮助企业及早预防风险,对于其在瞬息万变的市场环境下健康可持续发展具有重要意义。同时对于有效引导创业板市场发展,保护投资者和债权人相关利益、促进相关金融机构开展有效监督有着重要的参考价值和借鉴作用。本文汇总国内外专家学者对企业财务风险的理论的研究成果及预警方法的选择,结合宏观市场条件以及创业板制造业企业近年来的财务状况和自身特征,首先根据创业板制造业企业2016年年报数据选取了财务健康和财务危机配对企业共43对样本数据,根据网易财经和巨灵数据库的公开资料,分别选取来自偿债能力、盈利能力、发展能力、营运能力和资本结构5个维度的25个...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 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 文献综述
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 文献评述
1.3 研究内容与研究方法
1.3.1 研究内容
1.3.2 研究方法
1.4 本文的创新点
第2章 上市公司财务预警相关理论
2.1 概念界定
2.1.1 创业板市场概念
2.1.2 财务风险概念
2.1.3 财务预警概念
2.2 相关理论基础
2.2.1 企业危机管理理论
2.2.2 企业逆境管理理论
2.2.3 企业诊断理论
2.2.4 非均衡理论
2.3 传统预警方法介绍
2.3.1 单一变量预警模型
2.3.2 多元变量预警模型
2.3.3 条件概率预警模型
2.3.4 人工神经网络预警模型
2.3.5 模型比较与评价
第3章 研究设计
3.1 样本与数据的选择
3.2 预警度的确定
3.2.1 预警模型区间划分
3.2.2 预警模型时间划分
3.2.3 建模样本与仿真样本设计
3.3 预警指标选择
3.3.1 预警指标选取原则
3.3.2 预警指标初步选取
3.4 预警方法选择
第4章 创业板上市公司财务风险预警模型构建及检验
4.1 神经网络介绍
4.1.1 神经网络概述
4.1.2 BP神经网络工作原理
4.1.3 BP神经网络学习算法
4.2 BP神经网络财务指标选择
4.2.1 主成分分析基本原理
4.2.2 主成分提取计算步骤
4.2.3 预警指标筛选
4.3 BP神经网络预警模型构建
4.3.1 BP神经网络各参数确定
4.3.2 学习样本训练
4.3.3 训练样本运行结果
4.3.4 检验样本仿真处理
4.4 与传统模型比较
4.4.1 传统预警模型结果
4.4.2 比较与分析
4.5 构建BP网络预警模型应用
第5章 结论
5.1 研究结论
5.2 研究不足及展望
参考文献
在学研究成果
致谢
【参考文献】：
期刊论文
[1]上市公司财务状况与退市预警研究[J]. 于旭,魏双莹,丁丽霞. 现代管理科学. 2016(12)
[2]基于Logistic回归和BP神经网络的财务预警模型比较[J]. 关欣,王征. 统计与决策. 2016(17)
[3]基于Logistic和主成分分析的制造业上市公司财务危机预警[J]. 宋晓娜,黄业德,张峰. 财会月刊. 2016 (03)
[4]创业板公司财务危机预警实证[J]. 吴景泰,乔丽媛. 现代企业. 2016(01)
[5]基于Logistic模型的上市公司财务风险预警研究[J]. 陶志坤. 商业经济. 2013(17)
[6]创业板公司财务预警研究[J]. 刘鹏. 财会月刊. 2013(08)
[7]创业板上市公司财务评价指标体系研究[J]. 刘泽荣,方芳. 财会通讯. 2013(03)
[8]基于F分数模型的创业板企业财务风险预警——以制造业上市公司为例[J]. 李敏,赵丽萍,潘志刚. 财会通讯. 2012(35)
[9]创业板上市公司风险分析与预警[J]. 胡爱荣,陈清云. 山西财经大学学报. 2012(S3)
[10]我国创业板上市公司财务风险预警实证研究[J]. 闻岳春,侯锐. 西部金融. 2012(10)
硕士论文
[1]基于BP神经网络的创业板上市公司财务预警研究[D]. 秦秀秀.安徽理工大学 2015
[2]创业板上市公司财务质量评价研究[D]. 吕思媛.沈阳工业大学 2015
[3]创业板上市公司治理与会计信息质量关系研究[D]. 董冬丽.沈阳工业大学 2015
[4]创业板上市公司财务预警模型研究[D]. 宋宝珠.首都经济贸易大学 2014
[5]创业板上市公司风险预警研究[D]. 潘松三.东华大学 2014
[6]创业板财务危机预警模型的研究[D]. 陈红.湘潭大学 2013
[7]基于BP神经网络的上市公司财务预警研究[D]. 杨新辉.湖南工业大学 2012
本文编号：3157662
【文章来源】：沈阳工业大学辽宁省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 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 文献综述
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 文献评述
1.3 研究内容与研究方法
1.3.1 研究内容
1.3.2 研究方法
1.4 本文的创新点
第2章 上市公司财务预警相关理论
2.1 概念界定
2.1.1 创业板市场概念
2.1.2 财务风险概念
2.1.3 财务预警概念
2.2 相关理论基础
2.2.1 企业危机管理理论
2.2.2 企业逆境管理理论
2.2.3 企业诊断理论
2.2.4 非均衡理论
2.3 传统预警方法介绍
2.3.1 单一变量预警模型
2.3.2 多元变量预警模型
2.3.3 条件概率预警模型
2.3.4 人工神经网络预警模型
2.3.5 模型比较与评价
第3章 研究设计
3.1 样本与数据的选择
3.2 预警度的确定
3.2.1 预警模型区间划分
3.2.2 预警模型时间划分
3.2.3 建模样本与仿真样本设计
3.3 预警指标选择
3.3.1 预警指标选取原则
3.3.2 预警指标初步选取
3.4 预警方法选择
第4章 创业板上市公司财务风险预警模型构建及检验
4.1 神经网络介绍
4.1.1 神经网络概述
4.1.2 BP神经网络工作原理
4.1.3 BP神经网络学习算法
4.2 BP神经网络财务指标选择
4.2.1 主成分分析基本原理
4.2.2 主成分提取计算步骤
4.2.3 预警指标筛选
4.3 BP神经网络预警模型构建
4.3.1 BP神经网络各参数确定
4.3.2 学习样本训练
4.3.3 训练样本运行结果
4.3.4 检验样本仿真处理
4.4 与传统模型比较
4.4.1 传统预警模型结果
4.4.2 比较与分析
4.5 构建BP网络预警模型应用
第5章 结论
5.1 研究结论
5.2 研究不足及展望
参考文献
在学研究成果
致谢
【参考文献】：
期刊论文
[1]上市公司财务状况与退市预警研究[J]. 于旭,魏双莹,丁丽霞. 现代管理科学. 2016(12)
[2]基于Logistic回归和BP神经网络的财务预警模型比较[J]. 关欣,王征. 统计与决策. 2016(17)
[3]基于Logistic和主成分分析的制造业上市公司财务危机预警[J]. 宋晓娜,黄业德,张峰. 财会月刊. 2016 (03)
[4]创业板公司财务危机预警实证[J]. 吴景泰,乔丽媛. 现代企业. 2016(01)
[5]基于Logistic模型的上市公司财务风险预警研究[J]. 陶志坤. 商业经济. 2013(17)
[6]创业板公司财务预警研究[J]. 刘鹏. 财会月刊. 2013(08)
[7]创业板上市公司财务评价指标体系研究[J]. 刘泽荣,方芳. 财会通讯. 2013(03)
[8]基于F分数模型的创业板企业财务风险预警——以制造业上市公司为例[J]. 李敏,赵丽萍,潘志刚. 财会通讯. 2012(35)
[9]创业板上市公司风险分析与预警[J]. 胡爱荣,陈清云. 山西财经大学学报. 2012(S3)
[10]我国创业板上市公司财务风险预警实证研究[J]. 闻岳春,侯锐. 西部金融. 2012(10)
硕士论文
[1]基于BP神经网络的创业板上市公司财务预警研究[D]. 秦秀秀.安徽理工大学 2015
[2]创业板上市公司财务质量评价研究[D]. 吕思媛.沈阳工业大学 2015
[3]创业板上市公司治理与会计信息质量关系研究[D]. 董冬丽.沈阳工业大学 2015
[4]创业板上市公司财务预警模型研究[D]. 宋宝珠.首都经济贸易大学 2014
[5]创业板上市公司风险预警研究[D]. 潘松三.东华大学 2014
[6]创业板财务危机预警模型的研究[D]. 陈红.湘潭大学 2013
[7]基于BP神经网络的上市公司财务预警研究[D]. 杨新辉.湖南工业大学 2012
本文编号：3157662
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3157662.html
