基于支持向量機的動態(tài)財務預警研究.pdf

1、中國證券市場日益發(fā)展但尚不成熟，許多上市公司抗壓能力差，頻頻陷入財務困境，這種狀況嚴重損害了廣大股東、債權(quán)人和其它利益相關(guān)者的利益。也對我國證券市場的健康發(fā)展不利。因此，如何構(gòu)建上市公司財務預警系統(tǒng)對上市公司財務及早預警己成為學術(shù)界研究熱點。它不僅學術(shù)價值高，而且實用價值也高。如果能把此預警研究推廣至非上市公司，能夠指導各個類型的企業(yè)及早防范財務危機，那么此研究就更具有現(xiàn)實意義。本論文的重點就是建立財務預警模型，以期對上市公司可能出現(xiàn)的

2、財務危機進行預警，進而提高公司的財務管理水平。
　　 支持向量機方法己得到學者們的認可和肯定，應用至理工類方面較多，本文分析并總結(jié)了學者的研究成果和不足，在此基礎之上，將支持向量機引入財務預警，選取2007—2009年符合條件的33家由于“財務狀況異?！北弧癝T”的上市公司，按照行業(yè)分類和資產(chǎn)規(guī)模相當?shù)脑瓌t，按照1：1比例，選取33家財務狀況良好的正常上市公司與之組成配對樣本，并選取11個財務指標建立指標體系。使用支持向量機這種

3、新型神經(jīng)網(wǎng)絡技術(shù)建立動態(tài)預警模型，并對模型的結(jié)果進行分析和解釋，最后對本課題提出展望。
　　 研究的主要結(jié)論如下：
　　 ①支持向量機動態(tài)預警模型在判讀上市公司財務狀況有更高的精度，有較高的實用經(jīng)濟價值。
　　 ②將SVM和BP神經(jīng)網(wǎng)絡模型進行自身性能穩(wěn)定性比較，BP神經(jīng)阿絡模型自身性能欠穩(wěn)定。
　　 ③將SVM預警模型和BP神經(jīng)網(wǎng)絡進行比較，得出支持向量機更優(yōu)越，如小樣本研究、維數(shù)不受限制等。