基于粗糙集—神经网络的财务危机预警系统研究

论文摘要

本文研究的主要目的是论证基于粗糙集和神经网络的预警模型来进行财务危机预警的可行性和有效性。首先利用粗糙集的约简技术知识对上市公司的财务数据进行属性约简,然后利用改进的BP算法即添加了动量添加法和自适应参数调整法的神经网络算法训练网络,并检验模型的预警效果并结合包钢稀土对上市公司财务危机预警进行案例分析,文章最后对构建预警系统过程中所应当注意的问题进行了深入的思考。首先,当今时代不确定性的经营环境和风险因素使企业面临着更为激烈的竞争和严峻挑战,财务危机预警成为研究的热点。总的说来,目前财务危机预警的研究主要有单变量分析、多元线性分析、Logistic回归分析法以及类神经网络模型四种方法。其次,随着粗糙集和神经网络技术的出现和发展,财务危机的动态预警研究已成为可能和发展趋势。正是基于这一现状,本文根据我国证券市场和上市公司的现状,在借鉴国内外学者研究成果的基础上,以沪深两市的A股上市公司为样本进行实证研究,构建了适合我国国情的粗糙集神经网络财务危机预警模型,样本的检验结果显示模型具有一定的有效性和可行性。再次,构造粗糙集神经网络财务危机预警模型的思路主要是,首先利用粗糙集的约简技术知识对公司的财务指标进行属性约简,简化预警指标,然后再利用神经网络的学习功能训练网络,从而预测检验样本企业的危机状况。最后,本文的预警研究主要利用了粗糙集和神经网络的相关技术,采用了SPSS、Rosetta和Matlab等工程软件进行有关数据的分析和处理。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 课题研究的目的和意义
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.3.3 国内研究存在的问题及研究进展情况
• 1.4 论文研究内容及结构
• 1.5 论文的研究方法
• 第2章 财务危机预警概述
• 2.1 财务危机概述
• 2.1.1 财务危机的定义
• 2.1.2 财务危机的特征
• 2.1.3 财务危机的形成原因及其表现形式
• 2.2 财务危机预警
• 2.2.1 财务危机预警研究的理论依据
• 2.2.2 财务危机预警分析方法
• 2.2.3 财务危机预警研究的意义
• 2.3 本章小结
• 第3章 基于Rough-ANN 预警的研究理论
• 3.1 粗糙集
• 3.1.1 粗糙集理论简介
• 3.1.2 粗糙集理论在财务危机预警研究中的几个关键技术
• 3.2 神经网络
• 3.2.1 神经网络概述
• 3.2.2 神经网络的基本原理
• 3.2.3 神经网络的结构设计
• 3.2.4 人工神经网络进行建模的优点
• 3.3 构造粗糙集神经网络相结合的财务危机预警系统
• 3.3.1 粗糙集和神经网络的结合
• 3.3.2 粗糙集神经网络财务危机预警系统的基本原理
• 3.4 本章小结
• 第4章 基于Rough-ANN 的预警实证分析
• 4.1 基于 Rough-ANN 的财务危机预警模型构建步骤
• 4.2 研究样本及财务指标的选取
• 4.2.1 样本的选择
• 4.2.2 研究期间的确定
• 4.2.3 财务指标的选取
• 4.3 基于Rough-ANN 的财务危机预警实证建模
• 4.3.1 快速BP 算法的前向型神经网络模型的建立
• 4.3.2 基于Rough-ANN 财务危机预警模型的建立
• 4.3.3 两种模型的比较分析
• 4.4 包钢稀土案例分析
• 4.4.1 公司简介
• 4.4.2 财务预警定性分析
• 4.4.3 财务预警定量分析
• 4.5 本章小结
• 第5章 构建财务危机预警系统的几点思考
• 5.1 财务危机预警系统应用的前提
• 5.2 预警系统的构建
• 5.2.1 样本的选取
• 5.2.2 财务指标的确定与选择
• 5.2.3 预警系统的选择
• 5.3 预警系统的有效实施
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介