基于鄰域粗糙集和粒子群優(yōu)化BP網(wǎng)絡的上市企業(yè)財務預警研究.pdf

1、2011年資本市場的萎靡表現(xiàn)，令眾多上市公司資金需求大幅增加，融資難度增大，企業(yè)陷入財務困境的風險越來越高。因此，在現(xiàn)實經(jīng)濟形勢下，對財務預警的理論和實踐進行進一步研究，構建合乎我國國情的上市企業(yè)財務危機預警模型是十分必要的。企業(yè)的經(jīng)營狀況正常與否是可以通過財務報表以及各項財務指標的變化反映出來的，同時在21世紀的今天，越來越多的非財務因素對企業(yè)的繼續(xù)發(fā)展也起到了不可忽視的作用，因此我們需要對這些指標進行時刻監(jiān)測，采用可行的技術方法根據(jù)

2、指標的變化來對企業(yè)的運營狀況進行預測，這對上市公司自身、投資者、資本市場和其他利益相關者都具有十分重要的意義。
　　基于此，本文在進行財務預警研究時主要集中在三個方面：第一，在所構建的企業(yè)財務預警指標體系中不僅包含傳統(tǒng)的財務指標，還將部分非財務指標納入到了體系之中；第二，為解決經(jīng)典粗糙集理論在處理數(shù)值型數(shù)據(jù)上的不足，本文將鄰域粗糙集引入財務研究領域，通過多次實驗選取合適鄰域半徑，對指標進行屬性約簡；第三，本文還運用粒子群算法來彌補

3、BP神經(jīng)網(wǎng)絡算法的部分缺陷，對其進行優(yōu)化，由此構建了基于鄰域粗糙集和粒子群優(yōu)化神經(jīng)網(wǎng)絡的企業(yè)財務預警模型，以實現(xiàn)對上市企業(yè)財務狀況的預警。
　　本文的主要研究過程如下：
　　首先，對國內(nèi)外財務預警研究領域的現(xiàn)狀進行了解分析，總結其中關于指標選取和模型研究的各種方法。
　　其次，系統(tǒng)地介紹了本文中將要運用的鄰域粗糙集理論、粒子群算法和BP神經(jīng)網(wǎng)絡算法，并對鄰域粗糙集和經(jīng)典粗糙集進行了比較分析，構建了粒子群優(yōu)化BP神經(jīng)網(wǎng)絡

4、的模型。
　　第三，根據(jù)各項指標選取原則，提供了初始指標，然后分別運用經(jīng)典粗糙集和鄰域粗糙集模型對指標進行了屬性約簡，構建了上市企業(yè)財務預警指標體系。
　　最后，根據(jù)新建的上市企業(yè)財務預警指標體系，運用訓練樣本數(shù)據(jù)對基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的模型進行訓練，最后用測試樣本數(shù)據(jù)來考察模型的預警性能，并且將預測結果與經(jīng)典粗糙集-BP神經(jīng)網(wǎng)絡模型、鄰域粗糙集-神經(jīng)網(wǎng)絡模型的預測結果進行比較，得出本文采用鄰域粗糙集替代經(jīng)典粗糙集、利