基于RBF神经网络算法的制造业上市公司流动性风险预警研究--从财务和非财务角度出发

摘要

在十三五规划实施以来，为了加快制造业发展，国家鼓励制造业企业去产能，提高企业生产效率，激发创新能力。但是去产能并不是去能力，制造业需要合理地配置自身的生产要素以达到效率最优。制造业企业当下不仅面临企业自身管理结构、生产体系改革的压力，还面临外部环境带来的竞争压力，新的技术的涌现使得制造业企业还需要同时兼顾自身技术的更新与结合。因此对于制造业企业来讲不仅仅要稳步发展、维持既有的市场，还需要保有持续发展、经营、扩大生产。而制造业企业拥有良好的生产经营状况是基础，良好的生产经营从企业的财务状况反映，流动能力是其中一个重要的方面。故保证企业充足的流动能力并且对企业的流动风险进行提前预警有着重要意义。　　企业的流动性风险既来自于企业的内部也来自外部客观环境，企业的流动性能力是企业财务能力的一个重要构成部分。企业的流动性是企业的一种重要的抵御流动风险的能力。企业的流动能力和盈利能力是密不可分的、相互映照的。企业的流动性是盈利性的基础，盈利性是流动性的保障。本文从理论角度分析了企业盈利性和流动性的关系，根据分析的结果从五大财务维度中选择能够直接或者间接反映企业流动性的财务指标，并且根据相关的公司治理理论、股权理论等选择能够反映管理层影响企业流动性的非财务指标。　　本文选择在2015年至2019年被新处理的制造业上市ST公司31家，按照1:1比例对等选择相同数量的正常制造业上市企业，共计31家。对这些企业的T-3年的指标数据利用KPCA算法观察分布，利用交叉报表和数据可视化选择相关性强的指标，最后利用逻辑回归、BP、RBF神经网络建立模型。对比模型的结果，RBF神经网络算法的预测成功率达到84.21%，可用于制造业公司的流动性风险分析。最后对结果进行了总结，为其他研究提供借鉴。

目录

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

1.1.3 研究框架

1.2 研究内容与研究方法

1.2.1 研究内容

1.2.2 研究方法

1.3 研究创新与不足

1.3.1 研究创新

1.3.2 研究不足

2.文献综述

2.1 企业流动性研究

2.1.1 流动性定义

2.1.2 流动性影响因素研究

2.2 企业流动性风险研究

2.2.1 流动性风险内含

2.2.2 企业流动性风险管理

2.3 企业相关风险预警系统研究

3.理论基础

3.1 企业流动性和盈利性

3.1.1 资产的流动性

3.1.2 企业的流动性

3.1.3 流动性和盈利性的关系

3.2 企业风险和流动性风险

3.2.1 企业风险

3.2.2 企业流动性风险

3.3 企业流动性风险影响因素

3.3.1 内生性流动性风险

3.3.2 外生性流动性风险

3.4 流动性风险预警目标

3.5 企业流动性风险相关理论

3.5.1 企业生命周期理论

3.5.2 产权理论

3.5.3 委托代理理论

3.5.4 信号传递理论

3.5.5 博弈理论

3.5.6 总结

4.指标选择

4.1 分析指标选择

4.1.1 财务指标

4.1.2 非财务指标

4.2 判别指标选择

4.3 总结

5.中国制造业公司流动性现状

5.1 中国制造业特征简述

5.1.1 中国制造业产值大

5.1.2 中国制造业门类覆盖广

5.1.3 中国制造业主要技术落后

5.2 中国制造业流动性现状分析

5.2.1 制造业企业流动性流入现状

5.2.2 制造业企业的流动性流出现状

5.2.3 制造业流动性指标分析

5.3 总结

6.数据建模与结果分析

6.1 样本选择

6.2 数据处理与筛选

6.2.1 数据预处理

6.2.2 数据降维与筛选

6.3 建模分析

6.3.1 逻辑回归建模

6.3.2 BP神经网络建模

6.3.3 RBF神经网络建模

6.4 结果分析

7.总结与展望

7.1 总结

7.2 展望

参考文献

附 录

附录 1-财务 指标 Mosaic图

附录 2-非财务指标 Mosaic 图

附录 3-KPCA算法可视化

附录 4-BP 神经 网络 算法代码

附录 5-RBF神经 网络 算法代码

附录 6-BP神经 网络 算法 中间层矩阵

附录 7-RBF 神经 网络 算法 中心 矩阵

致谢