我国中小企业成长危机预警的研究

《我国中小企业成长危机预警的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要中小企业在我国国民经济中扮演着越来越重要的角色，在这个蓬勃发展的群体中，有的突飞猛进，有的停滞不前；高成长性公司各有各的幸运，而低成长性公司皆有通病可寻，当其成长能力明显放缓，成长出现停滞趋势，可谓出现成长危机矣。本研究遁延中南大学商学院中小企业成长性课题组的研究成果，在深入理解中小企业成长危机理论和危机预警研究方法的基础上，探究中小企业成长危机的成因，建立中小企业成长危机预警指标体系，构建成长危机警戒区间，力求构建稳健可靠的中小企业成长危机预警模型，并以此对危机加以控制。本研究通过对线性模型和非线性模型的比较研

2、究，综合神经网络和Logistic回归模型的优点，构建了基于神经网络—I．ogistic回归的两阶段预警模型，并通过对样本提前1年至3年的数据分别对判别结果进行检验，结果表明神经网络—Logistic回归的两阶段模型具有最优的预测能力，其准确率和稳健性优于任何单一模型，并具有近期、远期的预测能力。通过因子分析法说明“核心业务因子”、“大股东影响因子”和“营销能力因子”包含了模型的绝大部分信息，是导致中小企业成长危机的重要原因。通过构建中小企业成长危机警戒区间确定出导致危机的异常指标，以此对危机进行针对性地控制，并提出

3、相应结论与建议。关键词中小企业，成长危机，预警，神经网络，Logistic回归，因子分析Themedium-sizedandsmallenterprisesisbeingplayedmOleandrnorcimportantroleinOUrcountrynationaleconomy,indaisvigorousgroup，SOmeadvancebyleapsandbounds，somebeatastandstill；Highlygrowthcompanyll,rloluckytogrowup，butthelowh

4、avecommollreaSOllSfailing，theSMEsgrowsobviouslyslowlyappeargrowthcrisis．Ourstudyingpostponetheresearelaofthegrowthofmedium-sizedandsmallenterprisesresearelainggroupofOUI"BusinessSchool，aftergoingdeepintocrisistheoryandcrisisearlywarningresearchmethod,probingint

5、othecauseofmedium-sizedandsmallenterprisesgrowthel'isis，buildingthemedium-sizedandsmallenterprise8growthcrisisearlywarningindexsystem,makingeveryefforttostructuresolidreliablemedium-sizedandsmallenterprisesgrowthelisisearlywarningmodel．Studyingthecomparisonrese

6、arelaofthelinearitymodelandnonlinearitymodeldeperately,synthesizingtlaemeritofneuralnetworksandtlaeLogistieretummodel，wehavebuiltnellralnetworksLogistiereturn-basedtwostageearlywarningmodel,theresultsclassifiedbybeingadvancedfor1yeartothesampleto3yearsindicatet

7、wostagemodelofneuralnetworksLogistichastheoptimumfore,eastability,whoseaccuraterateisbetterthananyunitarymodel，Callmakea900dpredictionofnearfutureandfarfuture．”CoreBusinessFactor””，the№StockHolderFactor”and”MarketingFactort’hascontainedthemodelmostinformation，h

8、asbeenimportantreasonleadingtocrisis．theSMEscancontrolthecrisisbycomputetheConfidenceIntervalofgrowthelisis．KEYWORDSSMEs，GrowthCrisis，Prediction,NeuralNetwork,LogisticRegres