基于ifahp的中国上市公司财务危机预警研究

《基于ifahp的中国上市公司财务危机预警研究》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、（管理学硕士）基于IFAHP的中国上市公司财务危机预警研究STUDYOFFDEARLYWARNINGBASEDIFAHPFORCHINESELISTEDCOMPANY李洪伟2008年6月图内图书分类号：F275.5国际图书分类号：369管理学硕士学位论文基于IFAHP的中国上市公司财务危机预警研究硕士研究生：李洪伟导师：艾文国教授申请学位：管理学硕士学科、专业：会计学所在单位：管理学院答辩日期：2008年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:F275.5U.D.C.:369DissertationfortheMasterDegreeofManagemen

2、tSTUDYOFFDEARLYWARNINGBASEDIFAHPFORCHINESELISTEDCOMPANYCandidate：LiHongweiSupervisor：Prof.AiWenguoAcademicDegreeAppliedfor：MasterofManagementSpecialty：AccountingAffiliation：SchoolofManagementDateofDefence：June，2008Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学管理学硕士学位论文摘要财务危机

3、是企业危机最综合最显著的表现。随着我国证券市场机制和企业破产制度的完善，财务危机不但使企业遭受巨大损失，而且直接影响企业的生存和发展。此外，大量企业同时陷入财务危机时，将有可能引发新的金融危机。因此，如何有效地对企业财务危机进行预警，已成为迫切需要关注和研究的问题。然而，现有的财务危机预警研究，有的围绕传统的基于统计学的财务危机预测方法展开，缺乏系统性；有的依赖人工智能财务危机预测方法，但尚不是很发达，有待进一步扩充和改进发展，而且他们都忽视了财务危机概念的模糊性和不确定性，以及专家经验知识和非财务信息对财务危机预警的重要作用。当前，正飞速发展的计算机科学、数据挖掘和模糊决策理论

4、，为本文从新的视角开展企业财务危机预警研究提供了思路。本文以财务管理理论和企业预警理论为基础，应用模糊数学、数据挖掘以及决策领域的前沿理论、方法和技术，采用定量和定性相结合、规范和实证相结合、机器学习和专家经验相结合的跨学科综合研究方法，对企业财务危机预警的决策方法体系展开系统的研究。从剖析企业财务危机问题的现象和本质入手，本文提出了财务危机预警的理论体系框架，并抓住基于定量财务数据的模糊综合评价方法来进行深入研究。首先，样本数据集和定量财务指标体系的构建。从上海和深圳股票市场收集58对上市公司各自的30个财务指标数据，经过排除残缺数据和异常数据预处理后，对其展开充分的统计描述和

5、正态检验，证明用该样本对财务危机定量预测方法进行实验验证的适用性，随后通过指标均值比较、逐步判别分析和共线性检验，逐步筛选得到财务危机预测的定量财务指标体系；其次，在对传统的层次分析法进行改进的基础上，构建了基于IFAHP的全新财务危机预警模型；最后，设计了基于上述理论的财务危机预警信息支持系统。本文对企业财务危机预警理论和方法体系的研究，建立了我国企业财务危机预警指标体系，构建了基于IFAHP的财务危机预警模型，设计了支持此模型的信息支持系统，有助于完善该领域的理论研究，能够为实际企业开展财务危机预警提供理论指导和技术支持，具有重要的理论和实际意义。关键词财务危机；预警系统；I

6、FAHP；模糊决策--I哈尔滨工业大学管理学硕士学位论文AbstractFinancialdistress(FD)isthemostsyntheticandnotablebusinessdistress.Withthestockmarketmechanismandbusinessbankruptcylawgraduallybeingperfect,enterprisesinFDnotonlysuffergreatloss,butalsotheirsurvivalanddevelopmentaredirectlyaffected.Besides,whenmanyenterprise

7、srunintoFDatthesametime,itmaycauseanewfinancialcrisisincapitalmarket.SohowtoeffectivelymakebusinessFDearlywarninghasalreadybecomearesearchtopicworthyofurgentattention.However,somepastFDearlywarningresearchonlypaidattentiontotraditionalstatist