基于财务和非财务指标的建筑业上市企业信用评价研究
发布时间：2022-01-04 09:52
建筑企业作为国民经济发展过程中重要的参与者和建设者,其在增加就业、促进经济增长、推动城市化水平建设发挥着重要作用。但由于我国建筑业的发展还存有忽视企业信用记录、企业财务数据造假、信用评价指标体系研究不够完善等问题。基于这种现状,本文以111家建筑业上市企业为研究对象,基于财务和非财务指标,通过随机森林算法构建模型对建筑企业进行信用评价研究。本文首先梳理国内外信用理论、信用评价方法以及企业信用评价指标体系的研究,对建筑行业企业信用评价发展现状和存在的问题进行探析。其次,在对比和分析已有研究、国内外金融机构和收集整理的京津冀、长三角、珠三角地区代表城市提出的建筑市场企业信用评价指标体系后,梳理筛选出现频率高的重要研究指标。由于对企业信用评价研究主要是对企业的还款能力和还款意愿的评估,在一定程度上,企业的财务指标反映了企业的还款能力,非财务指标反映了企业的还款意愿。因此初步构建了17个财务指标,6个非财务指标的建筑业上市企业信用评价指标体系。然后基于随机森林算法构建模型,以OOB-error（袋外数据误差率）为标准进行指标体系重要特征筛选,最终构建11个财务指标和3个非财务指标的企业信用评价...
【文章来源】：杭州师范大学浙江省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
014年（左）和2016（右）年建筑业各国占全球总附加值比例图
论文结构框架
杭州师范大学硕士学位论文 绪论9如下图 1.4 论文技术路线所示：图 1.4 论文技术路线图1.4 本文研究中的创新点（1） 研究指标体系中不仅选取传统的财务指标，还选取了反映建筑业特征的非财务指标，研究发现非财务指标的引入使得财务和非财务指标体系综合模型比仅财务指标模型具有更好的预测效果。（2） 构建一套基于财务和非财务建筑业上市企业信用评价指标体系。本文基于现有建筑行业信用评价现状、存在的问题以及综合整理已有信用评价研究的基础上，不仅参考财务指标，还针对建筑行业特征引入非财务指标进行研究，最终形成一套 11 个财务指标和 3 个非财务指标的企业信用评价指标体系，丰富现有建筑行业信用评价指标体系的研究。（3） 研究视角和方法具有一定的创新性。结合管理学、统计学和计算机科学的综合性研究视角，基于随机森林算法构建研究模型，经过统计分析和数据预处理后，以 OOB 误差来挖掘财务指标和非指标中的数据的重要性程度和模型准确率，以及构建 SVM、RF 和 CART 模型进行对比分析，发现随机森林对企业信用评价预测效果好。一定程度上丰富了现有建筑行业企业信用评价的研究方法。
【参考文献】：
期刊论文
[1]基于BP神经网络的商业银行信用风险度量模型研究[J]. 曾嵘欣. 金融发展研究. 2018(06)
[2]基于随机森林的企业信用风险评估模型研究[J]. 赵亚,李田,苑泽明. 财会通讯. 2017(29)
[3]管理层能力、信息披露质量与企业信用评级[J]. 吴育辉,吴世农,魏志华. 经济管理. 2017(01)
[4]小微企业信用评级模型及比较研究[J]. 肖斌卿,杨旸,余哲,沈才胜. 系统工程学报. 2016(06)
[5]基于LS-SVM的小微企业信用评估研究[J]. 肖斌卿,柏巍,姚瑶,李心丹. 审计与经济研究. 2016(06)
[6]施工企业信用评价体系研究[J]. 鲍依蓓,刘伊生. 建筑经济. 2016(08)
[7]中小企业信用再担保体系演化稳定条件分析[J]. 汪辉,邓晓梅,杨伟华,冯珂. 中国管理科学. 2016(07)
[8]略论马克思的信用理论与社会信用体系建设[J]. 廖茂吉. 重庆科技学院学报(社会科学版). 2015(10)
[9]基于差分进化自动聚类的信用风险评价模型研究[J]. 张大斌,周志刚,许职,李延晖. 中国管理科学. 2015(04)
[10]基于改进模糊综合评价法的信用评估体系研究——以我国中小上市公司为样本的实证研究[J]. 陈晓红,杨志慧. 中国管理科学. 2015(01)
博士论文
[1]基于复杂系统理论的建筑市场信用机制研究[D]. 戴若林.中南大学 2009
[2]中小企业信用评价因素研究[D]. 管晓永.浙江大学 2005
硕士论文
[1]中小企业信用指标体系构建及评估模型的最优化[D]. 奚梦缘.南京大学 2018
[2]基于随机森林的个人信用评价指标分析[D]. 王梦芹.安徽大学 2018
[3]随机森林在制造业上市公司信用风险评价中的应用[D]. 王若晨.暨南大学 2017
[4]我国建筑企业信用评价体系研究[D]. 鲍利佳.北京交通大学 2015
[5]基于随机森林算法的企业信用风险评价研究[D]. 李丽.西南财经大学 2012
[6]基于Logistic模型和KMV模型的我国上市公司违约率实证分析[D]. 林娟.东北财经大学 2011
[7]基于核主成分与支持向量机的企业信用评估研究[D]. 陈庚.福州大学 2010
[8]完善陕西省建筑市场信用体系的研究[D]. 杨海欧.长安大学 2008
[9]随机森林在企业信用评估中的应用[D]. 彭国兰.厦门大学 2007
[10]建设领域业主信用管理体系理论及信用约束机制模型研究[D]. 陈颖.湖南大学 2006
本文编号：3568129
【文章来源】：杭州师范大学浙江省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
014年（左）和2016（右）年建筑业各国占全球总附加值比例图
论文结构框架
杭州师范大学硕士学位论文 绪论9如下图 1.4 论文技术路线所示：图 1.4 论文技术路线图1.4 本文研究中的创新点（1） 研究指标体系中不仅选取传统的财务指标，还选取了反映建筑业特征的非财务指标，研究发现非财务指标的引入使得财务和非财务指标体系综合模型比仅财务指标模型具有更好的预测效果。（2） 构建一套基于财务和非财务建筑业上市企业信用评价指标体系。本文基于现有建筑行业信用评价现状、存在的问题以及综合整理已有信用评价研究的基础上，不仅参考财务指标，还针对建筑行业特征引入非财务指标进行研究，最终形成一套 11 个财务指标和 3 个非财务指标的企业信用评价指标体系，丰富现有建筑行业信用评价指标体系的研究。（3） 研究视角和方法具有一定的创新性。结合管理学、统计学和计算机科学的综合性研究视角，基于随机森林算法构建研究模型，经过统计分析和数据预处理后，以 OOB 误差来挖掘财务指标和非指标中的数据的重要性程度和模型准确率，以及构建 SVM、RF 和 CART 模型进行对比分析，发现随机森林对企业信用评价预测效果好。一定程度上丰富了现有建筑行业企业信用评价的研究方法。
【参考文献】：
期刊论文
[1]基于BP神经网络的商业银行信用风险度量模型研究[J]. 曾嵘欣. 金融发展研究. 2018(06)
[2]基于随机森林的企业信用风险评估模型研究[J]. 赵亚,李田,苑泽明. 财会通讯. 2017(29)
[3]管理层能力、信息披露质量与企业信用评级[J]. 吴育辉,吴世农,魏志华. 经济管理. 2017(01)
[4]小微企业信用评级模型及比较研究[J]. 肖斌卿,杨旸,余哲,沈才胜. 系统工程学报. 2016(06)
[5]基于LS-SVM的小微企业信用评估研究[J]. 肖斌卿,柏巍,姚瑶,李心丹. 审计与经济研究. 2016(06)
[6]施工企业信用评价体系研究[J]. 鲍依蓓,刘伊生. 建筑经济. 2016(08)
[7]中小企业信用再担保体系演化稳定条件分析[J]. 汪辉,邓晓梅,杨伟华,冯珂. 中国管理科学. 2016(07)
[8]略论马克思的信用理论与社会信用体系建设[J]. 廖茂吉. 重庆科技学院学报(社会科学版). 2015(10)
[9]基于差分进化自动聚类的信用风险评价模型研究[J]. 张大斌,周志刚,许职,李延晖. 中国管理科学. 2015(04)
[10]基于改进模糊综合评价法的信用评估体系研究——以我国中小上市公司为样本的实证研究[J]. 陈晓红,杨志慧. 中国管理科学. 2015(01)
博士论文
[1]基于复杂系统理论的建筑市场信用机制研究[D]. 戴若林.中南大学 2009
[2]中小企业信用评价因素研究[D]. 管晓永.浙江大学 2005
硕士论文
[1]中小企业信用指标体系构建及评估模型的最优化[D]. 奚梦缘.南京大学 2018
[2]基于随机森林的个人信用评价指标分析[D]. 王梦芹.安徽大学 2018
[3]随机森林在制造业上市公司信用风险评价中的应用[D]. 王若晨.暨南大学 2017
[4]我国建筑企业信用评价体系研究[D]. 鲍利佳.北京交通大学 2015
[5]基于随机森林算法的企业信用风险评价研究[D]. 李丽.西南财经大学 2012
[6]基于Logistic模型和KMV模型的我国上市公司违约率实证分析[D]. 林娟.东北财经大学 2011
[7]基于核主成分与支持向量机的企业信用评估研究[D]. 陈庚.福州大学 2010
[8]完善陕西省建筑市场信用体系的研究[D]. 杨海欧.长安大学 2008
[9]随机森林在企业信用评估中的应用[D]. 彭国兰.厦门大学 2007
[10]建设领域业主信用管理体系理论及信用约束机制模型研究[D]. 陈颖.湖南大学 2006
本文编号：3568129
本文链接：https://www.wllwen.com/sizhenglunwen/3568129.html
