基于BP-Adaboost和Logistic模型的制造業(yè)上市公司財務(wù)風(fēng)險預(yù)警研究.pdf

1、伴隨中國經(jīng)濟(jì)的快速發(fā)展和資本市場的進(jìn)一步對外開放,中國證劵市場已經(jīng)成為數(shù)千家上市公司的主要融資平臺,隨著市場競爭的日趨激烈以及金融市場潛在風(fēng)險的疊加,深滬兩市每年都有部分上市公司的股票交易因其自身財務(wù)狀況或其它異常而被證監(jiān)會進(jìn)行特別處理或停止上市,因此準(zhǔn)確及時地衡量各上市公司的財務(wù)風(fēng)險狀況具有重要的現(xiàn)實意義。本文通過借鑒和學(xué)習(xí)發(fā)達(dá)資本市場先進(jìn)的財務(wù)風(fēng)險預(yù)警評估方法,構(gòu)建了一個能適應(yīng)我國證劵市場發(fā)展情況的財務(wù)危機(jī)預(yù)警系統(tǒng),研究實踐表明該系

2、統(tǒng)具有較好的預(yù)測效果,不僅能夠?qū)ξ覈鲜泄矩攧?wù)風(fēng)險情況進(jìn)行有效地預(yù)警分析,而且對于研究我國上市公司財務(wù)風(fēng)險的度量和預(yù)警機(jī)制也具有一定的理論意義。
　　國內(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)建立了財務(wù)風(fēng)險預(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)測效果存在著一定的不穩(wěn)定性,針對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上市公司財務(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個關(guān)鍵指標(biāo)變量,并以2011年因財務(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2008,2009兩年的財務(wù)數(shù)據(jù),合計196個樣本空間,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這些財務(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模型在上市公司財務(wù)預(yù)警研究中是可行的且預(yù)測效果顯著優(yōu)于Logistic回歸模型,因而在實際應(yīng)用中具有較好的研究及應(yīng)用前景。最后,針對研究中發(fā)現(xiàn)的問題并結(jié)合模型的研究結(jié)論對制