基于橢圓概率神經網絡集成的企業(yè)財務危機預測研究.pdf

1、在經濟全球化的過程中,由于資本市場的快速發(fā)展,企業(yè)競爭日趨激烈,加上企業(yè)自身內部的認識缺陷,企業(yè)陷入危機的風險越來越大。所以,對企業(yè)財務危機預測的研究具有很重要的理論及實踐意義。
　　本文在分析企業(yè)財務風險的基礎上,根據(jù)企業(yè)財務危機評價指標體系的選取原則,進而構建了含有20個指標的評估體系,經過因子分析最終形成5個經濟含義較為明確的公因子,并以此作為企業(yè)財務危機預測模型的輸入。同時,本文根據(jù)公因子的得分得出每個樣本的綜合得分,以企

2、業(yè)是否ST作為輔助參考,來劃分了三個財務狀況的得分區(qū)間,其對應了三個財務狀況:健康、關注、危機,摒棄了單純以ST與非ST的劃分標準。
　　目前,運用神經網絡進行企業(yè)財務危機預測,被許多研究者重視,但神經網絡每次的預測效果有一定的不穩(wěn)定性。鑒于此,本文介紹了概率神經網絡的原理及Adaboost集成算法,首先對現(xiàn)有的神經網絡進行改進得到橢圓概率神經網絡,該網絡具有三種可通過訓練來修正的網絡參數(shù):代表輸入變量重要性的變量權值、代表樣本有

3、效范圍的核寬倒數(shù)、代表樣本可靠程度的樣本權值。進而采用能夠將任意弱分類器進行組合,改進為強分類器的Adaboost算法去集成該神經網絡建立企業(yè)財務危機預測模型。該方法考慮了各子神經網絡分類器的預測結果和各子神經網絡分類器的預測對最終結果的影響程度,為相關研究提供一種新思路。
　　最后進行實證研究,本文選用了作為我國資本市場基石的上市公司中200家作樣本,為了增加模型的實用性,本文利用企業(yè)(t-2)年的年度財務報告來預測其t年的財務