您的位置: turnitin查重官网> 会计 >> 成本会计 >向量基于SVM中国制造业上市公司财务业绩预测

向量基于SVM中国制造业上市公司财务业绩预测

收藏本文 2024-03-01 点赞:9713 浏览:36031 作者:网友投稿原创标记本站原创

摘要:公司财务业绩的下降给公司带来的影响是巨大的,它不仅有可能使公司陷入财务困境,而且会给公司的各种利益相关者带来不同程度的影响。由此,建立一套科学的财务业绩预测系统,及时发现企业运营中的潜在风险并采取相应的措施,避开或者减少不必要的损失是十分必要的。本论文的探讨目的,就是希望能够提出一种科学的,适合我国制造业上市公司的,并且可以广泛运用的财务业绩预测的策略,以而在公司业绩下滑时能够及时地反映给公司自身及其利益相关者,为其提供科学的决策信息。本论文主要分为五个部分:第一部分主要介绍了本论文的探讨背景和探讨策略并梳理了国内外学者关于企业财务困境预测的相关文献;第二部分主要介绍了财务业绩预测的相关论述;第三部分选取了本论文探讨所需要的财务指标,并对原始指标进行预处理,得到代入模型的最终指标;第四部分是本论文的主要贡献,主要构建了用于企业财务业绩预测的Logit回归模型和支持向量机模型;第五部分对本论文的探讨工作进行总结,并指出本论文探讨的不足以及对未来探讨走势的展望。通过本论文的实证探讨可以得到以下结论:第一,本论文所构建的企业财务业绩预测模型具有一定的实用价值。尽管本论文只是对财务业绩的变化走势进行预测,并没有对财务业绩的具体变化数值进行预测,但是根据财务业绩的变化走势,企业自身及其利益相关者已经可以了解到企业未来是会盈利或者亏损。第二,财务业绩预测的正确率并不高。无论是回代结果还是预测结果,Logit回归模型和支持向量机模型的预测准确率都不高,误判率在40%左右。财务业绩预测的准确率远低于财务困境预测的准确率。第三,支持向量机模型的预测性能要优于Logit回归模型的预测性能。无论是回代结果还是预测结果,支持向量机模型的预测准确率都高于Logit回归模型的预测准确率。这与学者关于财务困境预警探讨所得出的结论是一致的。第四,支持向量机模型更适用于财务业绩预测。实证探讨显示:无论是回代结果还是预测结果,支持向量机模型对财务业绩下降公司的识别准确率都显著高于Logit回归模型。关键词:财务业绩预测论文支持向量机论文Logit回归模型论文制造业上市公司论文

    摘要5-6

    Abstract6-10

    图清单10

    表清单10-11

    第1章 绪论11-26

    1.1 探讨背景及作用11-14

    1.1.1 探讨背景11-12

    1.1.2 探讨作用12-14

    1.2 文献综述14-23

    1.2.1 传统统计类预测模型14-19

    1.2.2 人工智能型预测模型19-23

    1.3 探讨策略和探讨内容23-26

    1.3.1 探讨策略23

    1.3.2 探讨内容23-24

    1.3.3 主要革新点24-26

    第2章 财务业绩预测相关论述26-37

    2.1 危机管理论述26

    2.2 支持向量机论述26-35

    2.2.1 支持向量机概述26-27

    2.2.2 支持向量机的原理27-34

    2.2.3 支持向量机用于财务业绩预测的历程34-35

    2.3 财务业绩预测框架35-36

    2.3.1 财务业绩预测历程框架35-36

    2.3.2 财务业绩预测策略框架36

    小结36-37

    第3章 预测指标的选取及预处理37-49

    3.1 预测指标的选取37-40

    3.1.1 构建总体预测指标系统的原则37-38

    3.1.2 总体指标系统的构建38-40

    3.2 预测指标的预处理40-48

    3.2.1 指标数据的正态分布检验40-41

    3.2.2 指标数据的显著性差别检验41-42

    3.2.3 指标数据的多重共线性检验42-48

    3.3 预测指标的浅析48

    小结48-49

    第4章 财务业绩预测的实证探讨49-59

    4.1 探讨样本与数据来源49-51

    4.1.1 变量的选择49-50

    4.1.2 数据来源50

    4.1.3 模型输入变量的获取50-51

    4.2 预测模型的构建及实证探讨51-57

    4.2.1 Logit 模型的建立51-56

    4.2.2 SVM 模型的建立56-57

    4.3 实证结果的比较浅析57-58

    小结58-59

    第5章 探讨结论及展望59-62

    5.1 探讨结论59-60

    5.2 探讨不足及展望60-61

    小结61-62

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号