主成分与支持向量机组合的上市公司财务预警模型研究——以IT业上市公司为例

摘要

随着我国经济改革正在不断深化，企业面对越来越激烈的市场竞争，而在日益发展但尚不成熟的中国证券市场中，一些上市公司的财务状况频频陷入困境，这不仅严重损害了广大股票投资者、债权人的利益，危及其自身的生存和发展，也严重影响了我国证券市场的健康发展。因此，对上市公司财务困境预警的研究已成为近年来学术界的一个研究热点，设计实用、有效的财务危机预警模型去发现并防范这些危机具有很重要的意义。 目前能用于财务危机预警的方法很多。传统的方法有Bayesian方法、距离判别法、Fisher判别法、主成分分析法等；现代的方法如模糊分类、粗糙分类、以及神经网络分类等，还有刚刚兴起的支持向量机（SVM）分类方法。 本文首先对企业财务预警的含义、功能及特征等进行了必要的分析，在总结国内外有关财务预警研究成果的基础上，提出了基于主成分分析法和支持向量机方法的组合预测方法，给出了具体的原理和算法，并以64家IT行业上市公司为研究样本，构建IT行业财务危机预警模型。结果表明：组合预测模型集合了统计模型和支持向量机的优点，在上市公司财务危机发生前三年，对训练样本集的判别准确率达100％，对测试样本集的判别准确率为85％。 为了检验所建IT行业财务困境预警模型的有效性，本文又利用相同的样本及财务数据建立了Logistic回归模型，并将这两种模型的预测效果和精度进行比较，结果表明组合模型的预测精度高于Logistic回归模型。

目录

文摘

英文文摘

声明

第1章 导论

1.1研究背景及意义

1.1.1研究背景

1.1.2研究意义

1.2国内外研究现状

1.2.1国外对财务危机概念的研究

1.2.2国内对财务危机概念的研究

1.2.3国外财务危机预警研究文献回顾

1.2.4国内财务危机预警研究文献回顾

1.3研究现状评析

1.4研究方法与主要内容

1.4.1研究方法

1.4.2主要内容

1.4.3创新点

第2章 财务危机预警理论及方法概述

2.1预警理论

2.1.1经济预警理论

2.1.2企业预警理论

2.2财务危机预警理论

2.2.1非均衡理论

2.2.2规范性理论

2.3传统财务危机预警方法介绍

2.3.1定性的传统财务危机预警方法

2.3.2定量的传统财务危机预警方法

2.4传统财务危机预警方法的评析

2.4.1传统财务危机预警方法的局限性分析

2.4.2对后续研究的启示

第3章 主成分分析和支持向量机组合的财务危机预警模型构建

3.1组合预测方法分析

3.2主成分分析方法(PCA)

3.2.1主成分分析方法的原理

3.2.2主成分分析的求解过程

3.3支持向量机(SVM)

3.3.1线性可分模式的支持向量机模型

3.3.2非线性不可分模式的支持向量机模型

3.3.3支持向量机的优势

3.4 PCA-SVM组合财务危机预警模型的组合模式选择

3.5 PCA-SVM组合财务危机预警模型结构与预测程序

第4章 研究样本及指标体系的设计

4.1研究样本的设计

4.2预警财务指标的建立

4.2.1财务危机预警样本指标的选取

4.2.2财务危机预警指标体系

4.2.3财务危机预警指标的检验

4.2.4预处理财务指标介绍

第5章 PCA-SVM模型的应用及结果比较分析

5.1 Logistic回归方法的应用

5.1.1回归判别的数据要求

5.1.2 Logistic回归判别方法

5.1.3 Logistic回归应用

5.2 PCA-SVM模型的应用分析

5.2.1模型构建

5.2.2 PCA-SVM模型的应用

5.3模型的应用结果比较分析

第6章 结论与展望

6.1研究结论

6.2本文的不足及展望

6.2.1本文的不足

6.2.2展望

参考文献

致谢

攻读学位期间主要的研究成果