基于极限学习机的制造业上市企业财务预警研究

发布时间：2017-07-30 14:00

  本文关键词：基于极限学习机的制造业上市企业财务预警研究

  更多相关文章： 制造业 上市企业 财务预警 极限学习机

【摘要】：制造业作为国民经济的支柱产业,在我国经济增长与转型过程中扮演着重要角色,是推动我国经济发展的主要动力,因此很有必要对制造行业存在的潜在危机进行审视。制造业上市企业作为制造行业的代表,其发展情况一定程度上能够代表制造行业整体发展水平。受国内需求减少,出口萎缩和行业转型等影响,我国制造业面临着前所未有的困境,一些制造业强省先后出现了制造业倒闭潮,可见制造业企业当前正面临的市场风险和政策风险进一步加剧。同时由于我国制造业对银行贷款有着高度的依赖性,导致行业资产负债率较其他行业普遍偏高,存在的金融风险较大。但是,我国制造业上市企业在财务危机预警方面尚处于萌芽阶段,缺少系统的理论方法进行指导。同时,由于制造业上市企业的特殊背景和财务危机预警的复杂性导致在实际生产经营过程中应用财务危机预警的制造业上市企业屈指可数。制造业上市企业在面对上述情况时,应当做好财务危机预警工作,使企业在面对复杂多变的外部经济政策环境时更有底气,沉着应对。因此,建立制造业上市企业财务危机预警模型能够使企业及时了解自身财务状况,发现可能存在的财务危机,采取措施避免财务危机的发生,这对于企业的存续是很有必要的。为此,本文对制造业上市企业财务预警进行研究,在借鉴前人对财务预警和极限学习机的研究基础上,构建针对制造业上市企业的财务危机预警模型。本文选取了82家制造业上市企业作为研究样本,19个综合指标作为本文研究的模型指标,通过统计方法筛选出存在显著性差异的模型指标,最后使用极限学习机对样本进行学习与分类,证明本文所是构建的财务危机预警模型具有实用性。经过研究表明:综合各方面的指标对制造业上市企业财务危机预警有显著作用。企业财务状况不仅受财务因素的影响,同时也会受到非财务隐私的影响。所以在进行财务危机预警指标选取时,本文加入了非财务指标,实证结果表明利用这些综合指标构建的财务危机预警模型具有有效性;通过前三年实证研究的结果可以表明本文中所构建的基于极限学习机的制造业上市企业财务危机预警模型对我国制造业上市企业有较好地适用性,能够较为精确地预测上市企业财务危机的发生,证明了极限学习机被用于企业财务危机预警研究具有可行性;通过模型的构建可以看出,ST企业和非ST企业在速动比率、成本费用利润率、应收账款周转率、总资产收益率四方面指标三年间一直存在显著性的差异,说明制造业上市企业应当注重短期还款能力,采取措施减少不必要的开支,对应收账款进行分析并改变策略提高周转效率最终提高企业的盈利水平,避免出现财务危机。本文主要贡献在于研究的现实意义和模型构建方法的创新。鉴于制造业在我国国民经济中的重要地位,做好制造业上市企业的财务风险管理,构建财务危机预警有很强的现实意义。再者本文将极限学习机引入财务危机预警研究中,构建出适合我国制造业上市企业的财务危机预警模型并对其进行了验证,得到了让人满意的结果。最后提供了具体措施帮助我国制造业上市企业预防、应对财务危机。这一套完整的研究不仅对制造业上市企业财务危机预警模型的构建有较强的指导意义,也为财务危机预警提供了新的研究思路。
【关键词】：制造业 上市企业 财务预警 极限学习机
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F406.7
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-25
• 1.1 研究背景与研究意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 国内外研究现状13-22
• 1.2.1 国外研究现状14-19
• 1.2.2 国内研究现状19-21
• 1.2.3 国内外研究现状评述21-22
• 1.3 本文研究的主要贡献及框架22-24
• 1.3.1 本文研究主要贡献22-23
• 1.3.2 研究框架23-24
• 1.4 本文的技术路线24-25
• 第2章 财务危机相关理论和预警原理25-33
• 2.1 财务危机的界定及其特征25-29
• 2.1.1 财务危机的界定25-26
• 2.1.2 国内关于特别处理的制度26-27
• 2.1.3 本文对财务危机含义的界定27
• 2.1.4 财务危机的特征27-28
• 2.1.5 财务危机发生的原因28-29
• 2.2 财务危机预警的基本理论29-33
• 2.2.1 财务危机预警的基本含义29-30
• 2.2.2 财务危机预警模型的功能30-31
• 2.2.3 财务危机预警模型的构建原则31-33
• 第3章 极限学习机的理论基础33-40
• 3.1 人工神经网络33-35
• 3.1.1 人工神经网络发展历程33-34
• 3.1.2 人工神经网络基本类型34-35
• 3.1.3 人工神经网络分类的优点35
• 3.2 单隐含层反馈神经网络35-37
• 3.3 极限学习机37-40
• 第4章 研究样本与财务预警指标的选取40-53
• 4.1 研究样本的选取40-42
• 4.2 预警指标的确定42-49
• 4.3 研究样本预警时间的确定49-50
• 4.4 显著性检验50-53
• 4.4.1 正态分布K-S检验50
• 4.4.2 独立样本T检验50-51
• 4.4.3 Mann-Whitney U检验51-53
• 第5章 财务危机预警模型构建与预测53-65
• 5.1 财务预警指标的筛选方法53
• 5.2 筛选财务预警指标53-61
• 5.2.1 t-3 年的财务预警指标筛选结果54-56
• 5.2.2 t-2 年的财务预警指标筛选结果56-59
• 5.2.3 t-1 年的财务预警指标筛选结果59-61
• 5.3 模型的构建与预测61-65
• 5.3.1 t-3 年财务危机预警模型构建与预测62
• 5.3.2 t-2 年财务危机预警模型构建与预测62-63
• 5.3.3 t-1 年财务危机预警模型构建与预测63-65
• 结论65-68
• 致谢68-69
• 参考文献69-72
• 攻读学位期间取得的学术成果72

【参考文献】

中国期刊全文数据库 前8条

1 吴德胜,梁j,殷尹;不同模型在财务预警实证中的比较研究[J];管理工程学报;2004年02期

2 陈静;上市公司财务恶化预测的实证分析[J];会计研究;1999年04期

3 梁慧媛;;制造行业财务预警模型的构建[J];会计之友(中旬刊);2010年07期

4 张红梅;童岳嵩;;可变精度粗糙集在上市公司财务预警中的运用[J];会计之友;2011年26期

5 吕峻;;基于财务比率调整的上市公司财务困境预测[J];山西财经大学学报;2006年01期

6 杨淑娥,黄礼;基于BP神经网络的上市公司财务预警模型[J];系统工程理论与实践;2005年01期

7 杨淑娥;王乐平;;基于BP神经网络和面板数据的上市公司财务危机预警[J];系统工程理论与实践;2007年02期

8 李帆;杜志涛;李玲娟;;企业财务预警模型:理论回顾及其评论[J];管理评论;2011年09期

，

本文编号：594520