基于支持向量機(jī)的動(dòng)態(tài)財(cái)務(wù)預(yù)警研究.pdf

1、中國(guó)證券市場(chǎng)日益發(fā)展但尚不成熟，許多上市公司抗壓能力差，頻頻陷入財(cái)務(wù)困境，這種狀況嚴(yán)重?fù)p害了廣大股東、債權(quán)人和其它利益相關(guān)者的利益。也對(duì)我國(guó)證券市場(chǎng)的健康發(fā)展不利。因此，如何構(gòu)建上市公司財(cái)務(wù)預(yù)警系統(tǒng)對(duì)上市公司財(cái)務(wù)及早預(yù)警己成為學(xué)術(shù)界研究熱點(diǎn)。它不僅學(xué)術(shù)價(jià)值高，而且實(shí)用價(jià)值也高。如果能把此預(yù)警研究推廣至非上市公司，能夠指導(dǎo)各個(gè)類(lèi)型的企業(yè)及早防范財(cái)務(wù)危機(jī)，那么此研究就更具有現(xiàn)實(shí)意義。本論文的重點(diǎn)就是建立財(cái)務(wù)預(yù)警模型，以期對(duì)上市公司可能出現(xiàn)的

2、財(cái)務(wù)危機(jī)進(jìn)行預(yù)警，進(jìn)而提高公司的財(cái)務(wù)管理水平。
　　 支持向量機(jī)方法己得到學(xué)者們的認(rèn)可和肯定，應(yīng)用至理工類(lèi)方面較多，本文分析并總結(jié)了學(xué)者的研究成果和不足，在此基礎(chǔ)之上，將支持向量機(jī)引入財(cái)務(wù)預(yù)警，選取2007—2009年符合條件的33家由于“財(cái)務(wù)狀況異?！北弧癝T”的上市公司，按照行業(yè)分類(lèi)和資產(chǎn)規(guī)模相當(dāng)?shù)脑瓌t，按照1：1比例，選取33家財(cái)務(wù)狀況良好的正常上市公司與之組成配對(duì)樣本，并選取11個(gè)財(cái)務(wù)指標(biāo)建立指標(biāo)體系。使用支持向量機(jī)這種

3、新型神經(jīng)網(wǎng)絡(luò)技術(shù)建立動(dòng)態(tài)預(yù)警模型，并對(duì)模型的結(jié)果進(jìn)行分析和解釋?zhuān)詈髮?duì)本課題提出展望。
　　 研究的主要結(jié)論如下：
　　 ①支持向量機(jī)動(dòng)態(tài)預(yù)警模型在判讀上市公司財(cái)務(wù)狀況有更高的精度，有較高的實(shí)用經(jīng)濟(jì)價(jià)值。
　　 ②將SVM和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行自身性能穩(wěn)定性比較，BP神經(jīng)阿絡(luò)模型自身性能欠穩(wěn)定。
　　 ③將SVM預(yù)警模型和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較，得出支持向量機(jī)更優(yōu)越，如小樣本研究、維數(shù)不受限制等。