基于数据挖掘的上市公司财务风险预警研究

《基于数据挖掘的上市公司财务风险预警研究》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、武汉理工大学硕士学位论文基于数据挖掘的上市公司财务风险预警研究姓名：王竹南申请学位级别：硕士专业：系统工程指导教师：何苇杭20070501武汉理工大学硕士学位论文摘要中国证券市场发展这么多年，其市场也在不断的完善。自从中国股权分置改革以来，大部分国有单位的非流通股即将进入市场流通，证券市场交易显的更加公平。2007年4月份全国在证券交易所开户的数量已经超过2005年全年的的开户数量，证券投资方式也已经逐渐被社会大众所接受，如何对上市公司进行风险鉴别是广大投资者十分关心的问题。“财务状况异常的特别处理”作为中国证监会对财务状况不好的上市公司的一种

2、处置方式，对投资者的分析和决策影响重大，有必要对财务风险进行预测加以防范。本文采用数据挖掘的方法对我国上市公司财务风险进行预测研究。选择了50家处于财务风险的公司和50家财务正常的公司为样本。利用数据挖掘方法对上市公司财务风险进行预测研究，并结合财务分析结论，全面选取偿债能力、盈利能力、营运能力、成长能力、现金流量和要素结构指标，将配对T检验、因子分析与Logistic回归相结合，构建了上市公司财务风险预警模型。建立了时间跨度为3年的上市公司财务风险预警模型。在较长时间跨度的预测上，数据挖掘的方法具有较为明显的优势。在上市公司出现财务风险(ST

3、)的前3年，利用数据挖掘的方法建立的Logistic模型预测的准确率可以达到80％以上。通过分析得知，我国上市公司的财务数据是有效的，并具有较强的预测能力，并且我国上市公司的财务数据能够预测其未来发生财务风险的概率，也就是说，我国上市公司的财务指标包含着一定的信息含量，财务数据的使用者能够根据上市公司的资产负债表、利润表和现金流量表所提供的信息对上市公司将来是否会发生财务风险做出较为准确的预测。从预测精度可以看出，距离公司进入财务风险的年限越近，预测精度就越高，反之，预测精度越低。这也正说明上市公司财务状况的恶化是一个渐进累积的过程，离财务风险

4、发生的时间越近，财务指标的差异就越明显，显然，根据较大差异的财务指标进行建模，其判别精度就越高。关键词：上市公司财务风险预警预警模型数据挖掘Logistic模型武汉理工大学硕士学位论文AbstractWiththedevelopmentoftheChinesesecuritymarketformorethantenyears，thepeoplehaveacceptedthefashionofinvestmentinsecuritiesgradually．Theinventorsarefullconcernedthathowtoidentifyt

5、heriskofthelistedcompanies．ThespecialtreatmentisasortoftreatmentmannerinwhichChinaSecuritiesRegulatoryCommissiontreatswiththepoorexceptionalfinancialconditionofthelistedcompanies，anditismoreimportanttotheinvestors’analysisanddecision-making．Itisnecessarytopredicttheaffairino

6、rdertokeepawaytheinvestmentrisk．MakingastudyoflistedcompaniesofChina(50companiesinfinancialcrisisand50companiesinnormal)，wesetupaforecastingmodeloflistedcompanies’financialcrisiswhosetimespanis3yearsinthedissertation．Thethesismainlydiscussestheinfluenceoffinancialindextothem

7、odel，contraststheeffectsofthewayusingf'mancialindex，comparesandcontraststheprognosticatingeffectsofthemodelswhichsetupaccordingtothefollowing2kindsofways：thelogisticanalysisanddatamining,findsthatusingfinancialindexcanadvancethedegreeofaccuracyoftheforecastingoffinancialcris

8、isinthelistedcompanies．onthesideoftimespan，themethodofdataminingisbettertha