因子分析与人工智能方法在上市公司财务预警中的应用

发布时间：2023-02-28 20:12

　　上市公司的财务危机会带来投资者的投资损失、公司员工的失业以及金融信贷难以收回等一系列严重后果。利用统计方法、机器学习以及数据挖掘为我国上市公司提供有效的财务预警是一个有重要意义的研究课题。本文基于多步因子分析法和人工智能分类的方法分别设计了三个主要的公司财务预警模型。首先,利用主成分分析法和多步骤提取因子的方法对上市公司的30个财务指标进行变量选择并构建了多因子分析的财务预警模型。其次,设计了基于因子分析的LSSVM-PSO智能单分类器。实验结果显示,结合了多步因子分析的LSSVM-PSO具有更好预警效果。最后,设计了三个财务危机预警多分类器,分别利用BP神经网络,决策树和支持向量机集成Ada Boost_BP、AdaBoost_DT和AdaBoost_SVM的财务预警多分类器。实验结果表明,AdaBoost_DT的预警效果优于AdaBoost_BP和AdaBoost_SVM的财务预警效果。本文主要有三个方面的创新:第一,利用多步因子分析法构造了基于因子分析的上市公司...

【文章页数】：41 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 课题背景及研究目的和意义
        1.1.1 课题背景
        1.1.2 研究目的和意义
    1.2 上市公司财务预警的国内外研究现状综述
        1.2.1 上市公司财务预警中财务指标的确定
        1.2.2 财务预警方法的研究现状
    1.3 主要内容和结构
第二章 样本公司及财务指标体系的确立
    2.1 样本公司的选择
        2.1.1 样本公司中发生财务危机的公司选取
        2.1.2 样本公司中财务正常的公司选取
        2.1.3 样本公司以及财务指标体系选择结果
    2.2 样本公司数据及统计描述和检验
        2.2.1 样本公司财务数据的收集和预处理
        2.2.2 预处理后数据的描述性统计
第三章 因子分析法构建上市公司的财务预警模型
    3.1 因子分析的基本原理
    3.2 因子分析法建模与结果检验
        3.2.1 检验原有变量进行因子分析的可行性
        3.2.2 上市公司财务指标的因子提取
        3.2.3 上市公司财务指标的因子命名与解释
        3.2.4 计算因子得分
    3.3 本章小结
第四章 人工智能单分类器在财务预警中的建模与应用
    4.1 粒子群优化最小二乘支持向量机(PSO-LSSVM)的财务预警
        4.1.1 PSO-LSSVM原理及算法流程
        4.1.2 PSO-LSSVM模拟结果
        4.1.3 基于因子分析的PSO-LSSVM财务预警
    4.2 本章小结
第五章 Adaboost多分类器在财务预警中的建模与应用
    5.1 基于Adaboost_BP的财务预警模型
        5.1.1 Adaboost_BP原理及算法流程
        5.1.2 基于Adaboost_BP的财务预警模拟结果
    5.2 基于Adaboost_DT的财务预警
        5.2.1 Adaboost_DT原理及算法流程
        5.2.2 基于Adaboost_DT的财务预警模拟结果
    5.3 基于Adaboost_SVM的财务预警
        5.3.1 Adaboost_SVM原理及算法流程
        5.3.2 基于Adaboost_SVM的财务预警模拟结果
    5.4 本章小结
第六章 本文结论
    6.1 本文实证研究结果和创新
    6.2 本文展望
参考文献
在学期间的研究成果
致谢



本文编号：3751761