基于asvm的创业板上市企业风险评估研究

《基于asvm的创业板上市企业风险评估研究》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、分类号TPl8／C931．6UDC学位论文密级单位代码岸号10359●■■●■■■■■■■■■■■■■■■■■■■■■■■■●一200801110094基于ASVM的创业板上市企业风险评估研究陈思凤指导教师姓名刘业政教授申请学位级别笪堡堂簋±专业名称筐理型堂皇王猩论文提交日期2012年4月论文答辩日期2012年6月学位授予单位和日期金且巴王些太堂答辩委员会主席评阅人2012年4月合肥工业大学＼删博士学位论文基于ASVM的创业板上市企业风险评估研究作者姓名：申请学位：指导教师：专业：研究方向：陈思凰管理学博士刘业政教授管理科学与工程电子商务合肥工业大学2012年4月ADissertat

2、ionSubmittedtoHefeiUniversityofTechnologyfortheDegreeofDoctorofPhilosophyResearchonTheRiskAssessmentModelForListedCompaniesontheGEMBasedonASVMBv，ChenSifengHefeiUniversityofTechnologyHefei，Anhui，P．R．ChinaApril，2012合肥．工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学博士学位论文质量要求。主席：委员：答辩委员会签名(工作单位、职称)、舻、＼引叫位撕、弛系妊歉陟叶彳

3、功寸乙导师：、心一夕步飧夸俨锨孑积k—j弘f殳二一7以孑匿名华中生赵定涛倪志伟朱卫东任明伦梁棵栾敬东倪志伟刘心报任明伦同行评阅专家名单同行评议专家名单中国科学技术大学合肥工业大学答辩委员会名单中国科学技术大学安徽农业大学合肥工业大学教授(博导)答辩主席梁棵中国科学技术大学教授(博导)独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得金月巴工些盔堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确

4、的说明并表示谢意。靴敝储戳：熠驴辩醐删蛑协日学位论文版权使用授权书本学位论文作者完全了解金月墨王些去堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权金目巴三E些太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：已吾弧签字日期：p1湃(月rD日厂学位论文作者毕业去向：工作单位：通讯地址：电话：邮编：翩虢训双签字日期：2矽f≯年∥月，p日摘要创业板的开设对缓解我国中小企业融资难、推进经济可持续发展以及提高

5、国际竞争力都具有非常重要的现实意义和战略意义。然而，由于创业板上市企业的不成熟性、动态性、前景不确定性等复杂特征，其风险问题更加受到市场的关注。因此，建立一个科学的创业板上市企业风险评估模型，对创业投资者、创业板上市企业以及二级市场投资者准确识别、评估风险、提高风险管理能力有着极为重要的作用。本文以创业板上市企业为研究对象，以帮助创业板市场相关各方准确评估企业风险，提高风险控制水平为目标．研究创业板上市企业风险评估方法。主要研究思路如下：首先，建立创业板上市企业风险评估指标体系：其次，应用数据挖掘方法，考虑数据的不平衡性和决策者的风险偏好，构造基于自适应支持向量机(adaptives

6、upportvectormachine，ASVM)的风险评估模型；第三，充分利用主观决策方法和数据挖掘方法的优势，考虑群体决策过程中的成本，构造主观指标权重约束下的ASVM风险评估模型；最后，考虑指标风险的演化过程，构造基于过程信息的ASVM风险评估模型。本文的具体研究内容如下：1．系统总结影响创业企业风险的因素，构建创业板上市企业风险评估指标体系。运用平衡计分卡的思想，从财务、市场及客户、内部流程、管理及员工和环境等5个视角，并考虑创业板上市企业在行业分布、公司规模、收益结构、所处的生命周期阶段、公司治理结构以及稳定性等方面不同于主板上市企业的特征，采用财务和非财务信息反映创业板上

7、市企业风险，归纳出初步的风险评估指标体系。利用专家咨询法对指标的重要性评分，结合重要性、指标可得性等原则选择最终用于创业板上市企业风险评估的指标。2．运用数据挖掘技术，基于历史数据构造基于ASVM的创业板上市企业风险评估模型。针对国内创业板上市企业风险数据的小样本、贫信息、非线性、不平衡等复杂特征，考虑不同的决策者对分类错误风险的不同的偏好，提出了一种ASⅥⅥ分类模型。针对基于ASVM的风险评估模型在非线性的情况下可解释性不强的问题，利用二次规划技术提取创