我国A股上市公司企业财务危机预警研究

论文摘要

随着我国经济的发展,上市公司数量在逐渐增多,同时也带来了上市公司亏损占比逐渐增大的噩耗,所以建立企业财务预警模型对我国经济的稳健发展有着重要意义。另外,如果能够建立有效的企业财务危机预警模型,企业就可以提前对自己财务状况进行评估,可以在危机爆发之前就及时采取有效措施来遏制财务状况的恶化,极大的减小了破产的可能性,同时也帮助投资人和相关企业降低相关损失。因此,建立一个有效的企业财务危机预警模型对企业、广大投资者和我国经济市场都有着重要意义。为了建立上市公司企业危机预警模型,本文先对含有99个特征指标的3372个A股上市公司的财务数据进行初步的数据选取,剩余72个指标,然后依次进行数据填充、数据归一化和特征选择。在数据填充过程中对比了常用的数据填充方法,选择了填充后均方误差值最小的随机森林方法对整个数据进行填充。特征选择过程中先后使用显著性检验、基于AUC的随机森林、Lasso方法,筛选出17个特征变量来建立后续模型。本文数据存在高度不平衡的问题,为了构建合理的A股上市企业财务预警模型,本文使用了解决数据不平衡问题的SMOTE算法和平衡随机森林算法,使用召回率、正判率、宏平均、F1-measure值和AUC值对经典分类算法、SMOTE算法、平衡随机森林建立的财务预警模型进行比较,证明了平衡随机森林财务预警模型效果最优。因此,本文选择平衡随机森林作为企业财务预警模型,并对参数优选的财务预警模型进行结果分析。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景
•   1.2 研究目的及意义
•   1.3 国内外研究现状
•     1.3.1 财务危机的界定
•     1.3.2 数据不平衡问题
•     1.3.3 财务危机预警模型
•   1.4 研究内容和结构安排
• 第2章 相关算法的介绍
•   2.1 经典分类算法的介绍
•     2.1.1 随机森林算法
•     2.1.2 Adaboost算法
•     2.1.3 支持向量机算法
•   2.2 数据平衡化方法介绍
•     2.2.1 SMOTE算法
•     2.2.2 平衡随机森林
•   2.3 本章小结
• 第3章 数据处理与特征选择
•   3.1 数据的选取
•     3.1.1 样本的初步选取
•     3.1.2 指标的初步选取
•   3.2 数据填充
•   3.3 特征选择
•     3.3.1 显著性检验
•     3.3.2 基于AUC值的随机森林特征选择
•     3.3.3 Lasso模型的特征变量选择
•   3.4 本章小结
• 第4章 危机预警模型
•   4.1 模型评价准则
•   4.2 模型构建与评估
•   4.3 平衡随机森林参数优选
•   4.4 平衡随机森林模型检验
•   4.5 模型结果分析
•   4.6 本章小结
• 结论和展望
• 参考文献
• 附录A 财务指标及其含义
• 附录B Mann-Whitney U检验全部结果
• 致谢

文章来源

类型: 硕士论文

作者: 邓颜

导师: 韩敏

关键词: 财务预警,特征选择,分类算法,不平衡问题,平衡随机森林

来源: 北京工业大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,企业经济,金融,证券,投资

单位: 北京工业大学

分类号: F832.51;F224;F275

DOI: 10.26935/d.cnki.gbjgu.2019.000825

总页数: 58

文件大小: 1055K

下载量: 109