基于数据挖掘的财务风险分析方法应用研究

摘要

经济全球化的发展很大程度上加剧了企业间的竞争压力，企业如何进行风险管理成为企业眼前的首要任务。传统的统计分析方法存在着诸多的弊端，不利于展开对海量数据的处理操作，疏忽了时间延续性对于财务指标的影响，不能及时掌握财务指标的动态走向等。在此背景下，本文基于数据挖掘的财务风险分析方法应用研究，提出以关联规则交互挖掘为基础的一种财务风险分析方法，围绕企业所面临的各种财务风险，建立专门的风险分析模型，对关键因素进行分析，最后进行实证研究。主要研究内容包括几个方面： （1）基于关联规则的交互挖掘算法HIUA。建立在Hash结构基础上交互挖掘算法HIUA，有效弥补了这种算法在剪枝阶段存在的不足。支持度计数一直是制约算法执行操作速率的重要因素，借助于Hash结构，极大地提高了其存取速度，使得算法的运行更加有保障。 （2）建立了基于关联规则的交互式挖掘财务分析模型。基于企业财务风险分析理论基础，确立一些同企业财务风险密切相关的指标参数，围绕着其相关性展开了具体研究。说明划分财务风险区间等级的方法，并据此确定了财务风险分析模型。 （3）以国内二十家上市公司作为研究对象进行实证研究。对其财务风险实证分析，发挥基于关联规则所建立的交互挖掘算法的优势，围绕着数据集、指标变量展开了重构及相关性分析操作。同时，基于该挖掘算法也建立了针对性的挖掘平台，实现了对阈值的灵活调控，也使得规则数量图、时间效率图的输出更加具体，在此基础上进行规则的分析。企业财务风险分析实证研究。通过样本的选取、指标的选择、数据库的重构对企业财务风险进行了分析，并针对性的给出了相关预警方案。

目录

第一个书签之前

摘要

ABSTRACT

第1章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 数据挖掘技术研究现状

1.2.2 财务风险分析方法研究现状

1.3 本文研究内容及框架

1.3.1 研究内容

1.3.2 技术路线

2.1 数据挖掘基本概念

2.2 数据挖掘的过程

2.2.1 确定对象

2.2.2 数据准备

2.2.3 数据挖掘

2.2.4 结果分析

2.2.5 知识同化

2.3 数据挖掘常用方法

2.3.1 人工神经网络法

2.3.2 遗传算法

2.3.3 决策树法

2.3.4 关联分析法

2.3.5 序列模式分析法

2.3.6 分类分析法

2.3.7 聚类分析法

2.4 本章小结

第3章 基于关联规则的交互挖掘算法研究

3.1 关联规则挖掘技术

3.1.1 频繁项集的产生

3.1.2 规则的兴趣度度量

3.1.3 关联规则的数据挖掘种类

3.2 基于关联规则的交互挖掘算法

3.2.1 算法描述

3.2.2 算法分析

3.2.3 性能分析

3.3 本章小结

第4章 基于关联规则交互挖掘的企业财务风险分析

4.1 企业财务风险分析

4.1.1 企业财务风险分析流程

4.1.2 企业财务风险管理

4.2 新交互挖掘手段基础上的企业财务风险分析策略

4.2.1 财务风险分析指标体系

4.2.2 财务指标的相关性分析

4.2.3 财务风险区间等级划分

4.2.4 财务风险分析模型

4.3 本章小结

第5章 企业财务风险分析实证研究

5.1 样本选取

5.2 财务风险指标的选择

5.3 财务指标数据库重构

5.4 财务风险分析

5.5 政策建议

5.6 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

作者简介