广誉远财务预警及风险应对研究

发布时间：2024-04-09 20:33

　　纵观前人关于财务预警的研究设计及成果积累,尽管在指标体系设计、预警模型构建等方面不断推陈出新,但大多以实证的角度出发来追求高准确率,与企业风险管控的实际需求和应用有所脱节。基于以上思考,本文以广誉远为例,试图在前人对于财务预警研究的基础上切入同行业上市公司年报风险披露的视角,对医药制造业所有上市公司年报风险披露部分进行文本挖掘,从管理层的角度来汇总同行业企业的高频风险点,并据此来设计预警指标体系中非财务指标的选取路径、预警模型的二次验证及广誉远财务风险的匹配筛查,以期将财务预警的研究效果落实在企业的实际应用层面中。论文主要的工作内容大致可分为以下几个部分:首先,采用我国医药制造业全部上市公司作为研究样本,选取近三年的若干财务指标和非财务指标来建立预警指标体系。其中,关于财务指标的选取沿用了前人的思路;在非财务指标的选取中,使用基于Python编程语言的文本挖掘技术汇总了医药制造业全部上市公司年报风险披露中的高频词,并据此作为非财务指标的选取思路,以求更为贴近医药制造业的行业特征和实际需求。其次,使用matlab软件搭建BP神经网络财务预警模型,使用SPSS软件将所选的预警指标降维成8个...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图3.1风险词云图

的文本源。接着，使用Python里的jieba扩展库，自动剔除掉文本里的若干副词、介词、连接词、语气词等无明确意义的中文停用词，以及文本中的标点、数字等字符串，进行初步的文本清洗。经过初步的文本预处理，本文使用计算机语言Python中的jieba分词包，编写程序将经过处理后的风险....

图4.1BP神经网络训练过程

东华理工大学硕士学位论文28服了梯度下降算法收敛慢的缺陷，其优点是所需的存储量小，具有有限步收敛性，且具有较高的稳定性（孙峰等，2018）[73]。因此本文选用trainscg作为神经网络的训练函数。⑥网络参数设定。神经网络的算法设计是基于不断的误差反馈并加以修正的一个自我学习过....

图4.2预警模型检验结果

财务预警模型的构建29表4.5不同隐含层节点下的模型识别率Table4.5Modelrecognitionrateunderdifferenthiddenlayernodes隐含层节点数45678样本识别率（%）76.582%78.433%76.916%77.562%73.497....

图5.1共词聚类树状图

广誉远财务预警与风险筛查37图5.1共词聚类树状图Figure5.1cowordclusteringtree

本文编号：3949604