声明
1.绪 论
1.1研究背景与意义
1.1.1研究背景
1.1.2研究意义
1.2文献综述
1.2.1数理统计财务困境预测模型综述
1.2.2机器学习财务困境预测模型综述
1.2.3文献评述
1.3 技术路线与内容结构
1.3.1技术路线
1.3.2内容结构
1.4 研究方法
1.5研究的创新和不足
1.5.1主要创新点
1.5.2潜在不足
2.面向不平衡数据的动态企业财务困境预测理论基础
2.1企业财务困境的内涵和表现
2.1.1财务困境的内涵
2.1.2财务困境的表现
2.2企业财务困境形成的原因
2.2.1外部原因
2.2.2内部原因
2.3面向不平衡数据的财务困境预测理论基础
2.3.1财务困境预测中的不平衡特征
2.3.1不平衡数据的分类方法基础
2.4动态财务困境预测的理论基础
2.4.1财务困境预测中的概念漂移现象
2.4.2数据流分类算法基础
2.4.3不平衡数据流分类算法基础
2.5单维动态财务困境预测框架
3.结合多期预测结果的ANS-REA动态财务困境预测模型
3.1 ANS-REA动态财务困境预测模型的设计
3.1.1划分样本簇
3.1.2添加历史少数样本
3.1.3合成人工样本
3.1.4分类算法选择与训练子分类器
3.1.5分类器集成
3.2结合多期预测结果的财务困境预测框架
4.实证分析
4.1实验设计
4.2模型评估措施
4.3样本构建
4.3.1财务困境公司样本
4.3.2非财务困境的样本匹配
4.4指标选择
4.4.1备选预警指标
4.4.2预警指标的确定
4.5样本描述性统计
4.5.1财务困境企业行业特征
4.5.2财务困境企业财务指标特征
4.5.3财务困境公司非财务指标特征
4.6模型参数设置
4.6.1采样比例参数设置
4.6.2随机森林参数设置
4.7实验结果
4.7.1数据分布变化对比
4.7.2不同基础分类器性能对比
4.7.3不同不平衡处理方法效果对比
4.7.4结合不同期预测结果的预测框架效果对比
5.总结和政策建议
5.1总结
5.2政策建议
(1)借助人工智能方法,建立企业智能风险管理系统
(2)结合短期和长期预测,建立企业财务困境跟踪预警体系
(3)打破信息孤岛,重视非财务预警指标的构建
(4)优化多元薪酬体系,适当提升管理层持股比例
(5)提升会计信息质量,强化失信惩戒力度
5.3研究展望
参考文献
致 谢
在读期间科研成果目录
西南财经大学;