基于BP-Adaboost和Logistic模型的制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究.pdf

1、伴隨中國(guó)經(jīng)濟(jì)的快速發(fā)展和資本市場(chǎng)的進(jìn)一步對(duì)外開放,中國(guó)證劵市場(chǎng)已經(jīng)成為數(shù)千家上市公司的主要融資平臺(tái),隨著市場(chǎng)競(jìng)爭(zhēng)的日趨激烈以及金融市場(chǎng)潛在風(fēng)險(xiǎn)的疊加,深滬兩市每年都有部分上市公司的股票交易因其自身財(cái)務(wù)狀況或其它異常而被證監(jiān)會(huì)進(jìn)行特別處理或停止上市,因此準(zhǔn)確及時(shí)地衡量各上市公司的財(cái)務(wù)風(fēng)險(xiǎn)狀況具有重要的現(xiàn)實(shí)意義。本文通過借鑒和學(xué)習(xí)發(fā)達(dá)資本市場(chǎng)先進(jìn)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警評(píng)估方法,構(gòu)建了一個(gè)能適應(yīng)我國(guó)證劵市場(chǎng)發(fā)展情況的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng),研究實(shí)踐表明該系

2、統(tǒng)具有較好的預(yù)測(cè)效果,不僅能夠?qū)ξ覈?guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行有效地預(yù)警分析,而且對(duì)于研究我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的度量和預(yù)警機(jī)制也具有一定的理論意義。
　　國(guó)內(nèi)外已有學(xué)者從人工神經(jīng)網(wǎng)絡(luò)模型和Logistic回歸模型出發(fā)建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)并取得了較好的研究成果,但現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果存在著一定的不穩(wěn)定性,針對(duì)這一問題本文從人工神經(jīng)網(wǎng)絡(luò)出發(fā),通過采用能夠?qū)⑷我馊鯇W(xué)習(xí)器進(jìn)行組合改進(jìn)為強(qiáng)學(xué)習(xí)器的Adaboost算法與神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合

3、構(gòu)建預(yù)警模型的方法來研究我國(guó)上市公司財(cái)務(wù)預(yù)警狀況。本文構(gòu)建的BP_Adaboost模型本質(zhì)上是把BP神經(jīng)網(wǎng)絡(luò)作為弱分類器,通過反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)、預(yù)測(cè)樣本輸出并結(jié)合Adaboost算法來得到由神經(jīng)網(wǎng)絡(luò)弱分類器組成的強(qiáng)分類器,最終利用該分類器進(jìn)行預(yù)警分析及研究。
　　本文首先選取了CCER數(shù)據(jù)庫中制造業(yè)上市公司所有關(guān)鍵財(cái)務(wù)指標(biāo)數(shù)據(jù),通過顯著性分析和因子分析篩選出了9個(gè)關(guān)鍵指標(biāo)變量,并以2011年因財(cái)務(wù)異常被 ST處理的94家制造業(yè)

4、上市公司和同行業(yè)的94家正常公司作為研究樣本,搜集其2008,2009兩年的財(cái)務(wù)數(shù)據(jù),合計(jì)196個(gè)樣本空間,并使用Adaboost算法構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型和Logistic回歸模型這兩種方法對(duì)這些財(cái)務(wù)數(shù)據(jù)進(jìn)行預(yù)警研究分析,研究過程和研究結(jié)果表明,BP_Adaboost模型在上市公司財(cái)務(wù)預(yù)警研究中是可行的且預(yù)測(cè)效果顯著優(yōu)于Logistic回歸模型,因而在實(shí)際應(yīng)用中具有較好的研究及應(yīng)用前景。最后,針對(duì)研究中發(fā)現(xiàn)的問題并結(jié)合模型的研究結(jié)論對(duì)制