基于三元分類的上市公司財務預警研究.pdf

1、如今證券市場為越來越多的公司提供了融資渠道，創(chuàng)造機遇的同時帶來了挑戰(zhàn)。經營管理狀況好的企業(yè)抓住機遇，呈現越發(fā)良好的發(fā)展態(tài)勢，而面臨困境的企業(yè)則會更加的步履維艱。復雜變化的經濟環(huán)境下，為規(guī)范市場的運作，證監(jiān)會會對連續(xù)兩年虧損的企業(yè)進行特別處理(ST)，部分企業(yè)雖然還沒有被特殊處理，但已出現短期虧損或績效較差的狀況，處于危機的邊緣。所以通過反映企業(yè)經營管理活動的歷史財務數據進行預警對企業(yè)等各方都具有指向作用，意義深遠。
　　 以往研

2、究大多集中在對ST和非ST公司之間的研究，處于中間灰色地帶的財務狀況不穩(wěn)定的企業(yè)沒有引起足夠的重視，本文在謹慎性原則的指導下，將這部分公司單獨歸為一類，在以往學者研究的基礎上，將財務狀況分為財務危機，財務狀況不穩(wěn)定，財務狀況良好三類。從盈利能力、償債能力、現金流量能力、發(fā)展能力、營運能力和股東獲利能力六方面篩選財務指標，通過K-S檢驗檢驗出在類別間有顯著性差異的指標，之后通過heatmap圖觀察分析指標間的相關性，在指標間存在相關性的條

3、件下利用主成分分析構建新的成分因子，最后嘗試將近幾年財務危機預警研究領域已有的前沿主流方法應用到三分類的研究中，具體包括人工神經網絡法、支持向量機、K近鄰、AdaBoost和隨機森林。
　　 結果表明，ANN在未配對的全樣本狀態(tài)下，三分類的預測效果不盡理想。相比之下，SVM的預測效果還可以，準確率可以達到90％。Adaboost、K近鄰和隨機森林對自然狀態(tài)下公司財務狀況的三分類效果很好，即利用以前年度的歷史數據，實現了對t年的財