基于SVM的信息服務(wù)業(yè)上市公司財務(wù)風(fēng)險預(yù)測研究.pdf

1、在深入推進(jìn)“互聯(lián)網(wǎng)+”行動和國家大數(shù)據(jù)發(fā)展戰(zhàn)略的背景下，現(xiàn)代信息服務(wù)業(yè)迎來了高速發(fā)展的契機(jī)。上市公司是中國企業(yè)中具有代表性的一類，在其所處行業(yè)中有著重要的地位和影響力，隨著行業(yè)發(fā)展不斷深化，信息服務(wù)業(yè)上市公司在發(fā)展過程中也面臨著一系列挑戰(zhàn)。信息資源相對不足，投資分散且結(jié)構(gòu)不合理，信息資源開發(fā)利用率低，服務(wù)范圍狹窄等問題，現(xiàn)有產(chǎn)業(yè)的不斷發(fā)展和客戶對信息服務(wù)需求質(zhì)量的不斷提高，發(fā)展過程中存在的問題也日益凸顯，風(fēng)險水平日益提升。為了較好的適應(yīng)

2、不斷變化的經(jīng)營環(huán)境，運(yùn)用適當(dāng)?shù)募夹g(shù)手段，構(gòu)建財務(wù)風(fēng)險預(yù)測模型是有實(shí)際意義的。
　　本文一共分為六個部分。第一部分主要是確定了研究的背景和意義，總結(jié)學(xué)者們在信息服務(wù)、數(shù)據(jù)挖據(jù)和財務(wù)預(yù)測等領(lǐng)域所做的研究文獻(xiàn)，明確文章的研究內(nèi)容、思路和創(chuàng)新點(diǎn);第二部分主要是對數(shù)據(jù)挖據(jù)和財務(wù)風(fēng)險的基礎(chǔ)理論部分進(jìn)行介紹;第三部分，重點(diǎn)分析中國信息服務(wù)業(yè)上市公司的財務(wù)風(fēng)險，闡釋了信息服務(wù)行業(yè)所獨(dú)特的特征和特殊的財務(wù)風(fēng)險。第四部分主要為構(gòu)建財務(wù)預(yù)測模型做數(shù)據(jù)準(zhǔn)

3、備和指標(biāo)選取，選取了滬深兩市信息服務(wù)業(yè)上市公司338家作為研究對象，從經(jīng)過審計且公開的財務(wù)年報中獲取數(shù)據(jù)，選取了66家公司作為樣本，從償債能力、營運(yùn)能力、盈利能力、成長能力、現(xiàn)金流量和公司規(guī)模6個大類，選出24個指標(biāo)作為財務(wù)預(yù)測模型的指標(biāo)體系。第五部分，為模型的構(gòu)建和實(shí)證研究，應(yīng)用R語言作為構(gòu)建模型的工具，將清洗后的數(shù)據(jù)構(gòu)建樣本子集，應(yīng)用SVM算法對樣本做預(yù)測，最后給出預(yù)測的結(jié)果。第六部分為全文的總結(jié)和概況，提出研究的不足之處和展望。<

4、br>　　在模型的樣本選擇上，選取的是2012年到2016年之間，首次被標(biāo)為ST的公司，共有17家，按照同大類同規(guī)模的原則，配對出17家非ST公司，再從正常樣本中隨機(jī)選出22家，共計66家樣本。本文參考了國內(nèi)外對財務(wù)預(yù)測的研究成果，梳理了大量的相關(guān)文獻(xiàn)、總結(jié)了各種方法的優(yōu)缺點(diǎn)之后選擇用SVM進(jìn)行建模。這是由于該算法對變量分布沒有嚴(yán)格限制，兼具較好的學(xué)習(xí)能力和泛化能力，即使是在小樣本情況下也有著較高的模型預(yù)測精度。實(shí)證結(jié)果表明，基于SVM