基于支持向量机的企业财务预警模型构建与实证研究

摘要

面对国内外激烈的市场竞争和多变的消费需求，遭遇不可预测的风险是在所难免的。而市场的复杂性和不可预见性使得风险成为一种客观存在，一旦企业经营不善，就可能陷入财务危机。通过构建合理的财务预警模型，对企业的财务状况进行方便、准确、有效地预测，为企业管理者提供合理的决策支持，有效地规避财务风险。
　　 本文首先对大量国内外相关财务危机和困境预测研究文献进行回顾和总结，分析了国内外研究方法的优点和不足。在此基础上，选取来自于天津新技术产业园区2007年和2008年的企业财务数据样本作为研究样本，选择25家工业企业作为训练样本，根据研究数据的特点，选取了8个能够反映公司财务状况的财务指标，建立新的财务指标体系。再次，运用比较新的优秀算法-支持向量机方法，以8个财务指标数据为变量，构建了一个新的企业财务预警模型。利用新模型对训练样本进行检测发现，支持向量机的准确率达94.5％以上，证实了该模型的可用性。最后，利用时间序列模型预测随机抽取三家企业的未来一年财务数据，计算财务指标，以此作为检测样本，将这些数据代入新模型中，计算结果，给出该企业在未来一年内的财务状况，并分析其产生的原因，为企业管理者们进行正确的理财决策提供理论和方法支持。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的提出和研究意义

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.2.3建立财务预警模型的重要性及意义

1.3研究方法

1.4论文结构安排

第二章企业财务预警相关理论

2.1财务预警

2.1.1财务危机、财务预警概念

2.1.2财务危机的特征

2.1.3财务危机的早期信号

2.1.4剖析财务危机产生的原因

2.2财务预警指标体系

2.2.1财务预警指标原则

2.2.2选取财务预警指标及指标分析

2.2.3财务指标的选择

2.3相关预警模型的研究

2.3.1一元判定模型

2.3.2多元线性判定模型

2.3.3多元判别分析法

2.3.4多元逻辑回归模型

2.3.5多元概率化回归模型

2.3.6人工神经网络模型

2.4小结

第三章支持向量机模型简介

3.1支持向量机原理

3.1.1 SVM优分类超平面

3.1.2支持向量机理论

3.2 SVM算法核心思想

3.3小结

第四章支持向量机模型构建

4.1公司财务危机预测问题的数学描述

4.2指标变量的设定

4.3支持向量机预警模型

4.4小结

第五章实证分析

5.1数据样本信息

5.2模型参数求解

5.3模型结果检验

5.4实例检验

5.4.1时间序列模型简介

5.4.2时间序列建模步骤

5.4.3时间序列模型选择

5.4.4时间序列模型应用

5.4.5实证分析

5.5小结

第六章结论与展望

6.1结论与不足

6.2展望

参考文献

发表论文和科研情况说明

致谢