副題名
基於統計和人工智慧方法構建
外文題名
Study on prediction model of financial crisis in Chinese listed company based on statistics and artificial intelligence methods
論文作者
李清著
導師
劉金全指導
學科專業
數量經濟學
學位級別
博士論文
學位授予單位
吉林大學
學位授予時間
2009
關鍵字
上市公司 財務管理 風險管理 預警模型 人工智慧
館藏號
F279.24
館藏目錄
2009\F279.24\123
中文摘要
企業發生財務危機甚至破產，將造成投資損失、員工失業、信貸無法收回，從而影響到國家經濟發展、金融安全和社會穩定。因此研究財務危機產生的原因，建立精準的預測模型，提早預測並防範危機的發生，一直為各國所重視。我國在該領域研究起步稍晚，主要使用統計方法建模，許多人工智慧方法尚未得到套用，本文試圖填補這一空白，建立了多種預測模型並進行比較，以便尋找更優的預測方法。 本文以我國滬深A股上市公司為研究對象，將被特別處理的ST公司視為財務危機公司，選取了376家公司數據做樣本，其中ST公司188家，與其配對的健康公司188家，使用21個財務比率建立了Fisher判別、Logistic回歸、遺傳算法、神經網路、案例推理和粗糙集預測模型，並比較了各模型的優缺點。 結果表明，使用遺傳算法、案例推理等智慧型方法可以獲得不受統計約束且預測準確率更高的模型。遺傳算法模型成為本文最優預測模型。 本文創新點主要包括：建立了基於遺傳算法的規則積分財務危機預測模型Score-sign、基於遺傳算法和適度財務指標的改進型規則積分預測模型Score-sign-Ⅱ，以及基於遺傳算法、適度指標和Gauss函式的改進型規則積分預測模型Score-sign-Ⅲ；建立了基於遺傳算法和Sigmoid函式的規則積分預測模型Score-Sigmoid；建立了遺傳模擬邏輯斯蒂模型GA-Logistic及遺傳模擬線性判別函式模型GLS；使用遺傳算法建立了IF-THEN判別模型；建立了主成分BP神經網路財務危機預測模型；建立了使用遺傳算法確定權重、Logistic回歸標準化係數絕對值做為權重、Logistic回歸模型預測準確率的靈敏度做為權重、粗糙集屬性重要度做為權重的案例推理預測模型；進行了基於ERP的財務危機預警子系統的系統分析和系統設計。
