Bayes判别分析在上市公司财务困境预测中的应用

摘要

快速准确的判断上市公司是否有风险进入财务困境的状况是很多很多企业和研究者都关心的问题。如果可以及时的预测到财务困境，企业就可以采取有效的措施，从而提前避免财务困境。在我们之前，已经有很多研究者对于这个问题用不同的方法做出了一些研究。本篇文章我们是要使用朴素贝叶斯分类方法来对上市公司的财务困境做出预测。
　　朴素贝叶斯分析的分类方法基于统计学的基本公式，是一个方便又高效的方法，在很多实际应用中都是可以用到的。并且贝叶斯方法在很多应用中的效果很理想。虽然在理论上朴素贝叶斯分类器要求数据具有条件独立性，在实际操作中虽然这个条件很难严格成立，但是它对很多不严格满足条件的数据还是拥有着不错的分类效果。
　　我们这篇文章，就会应用朴素贝叶斯分类方法以及局部线性判别分析方法，在网络中查找上市公司真是的数据，通过对一些财务变量和非财务变量的建模，预测上市公司的财务困境是否会在未来发生，并做出检验。在本文中我们会使用一些不同的方法对数据进行预测，结果证明，局部线性判别分析在上市公司财务预警方面是有着很高的预测准确性的。

目录

声明

1 绪论

1 .1 研究背景

1 .2 研究意义

1 .3 研究思路

1 .4 研究方法及特点

1 .5 论文的结构

2 财务预警综述

2 .1 财务预警概述

2 .2 财务预警模型概述

3 文献综述

4 判别分析方法概述

4 .1 判别函数分析

4 . 2 线性判别分析（LDA)

5 Bayes判别分析方法

5 .1 朴素贝叶斯分类器

5 .2 局部化分类方法

5.3 二次判别分析（QDA)方法

5 . 4 局部化线性判别（LocLDA)方法

6 上市企业财务预测模型的实例分析

6 .1 数据的采集

6 .2 对财务指标变量的筛选

6.3 Loclda分析实证以及对实验结果的检验

6 .4 引入没有财务变量的企业财务预测模型

7 研究结论及不足之处

参考文献

致谢