电力企业财务预警的实证研究-中国政法大学mba教育中心

《电力企业财务预警的实证研究-中国政法大学mba教育中心》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、致谢论文编号基于神经网络的电力企业财务风险预警研究王思然专业：工商管理硕士方向：企业变革与组织创新导师：中国政法大学研究生院二○一五年四月71致谢基于神经网络的电力企业财务风险预警研究摘要电力行业是经济运行晴雨表，由于我国总体的经济发展速度趋于放缓和节能减排的任务加剧，我国电力企业能否在经济结构调整的大环境中实现企业的持续发展是企业需要面对的难题。无论是电力企业自身发展还是对电力行业相关监管部门都需要对企业的财务风险状况进行研究。本文对现有的国外和国内关于企业财务预警的研究进行了系统的比较分析，分析了现有模型存在的问题。研究我国电力行业财务风险的特点，总结电力

2、企业重点财务指标，分别从企业的盈利、经营、偿债、成长性等多维度对我国电力企业的22项财务指标进行分析研究，并利用因子分析方法提取了电力企业财务指标的6项因子。设计与构建了基BP_Adaboost的电力企业财务预警模型，弱分类器选用BP神经网络，将多个弱分类器使用Adaboost算法构建成强分类器。电力企业财务预警模型的实证分析中，通过对52家电力企业样本数据进行预警分析，模型检验结果表明模型对于我国电力企业财务指标风险预警具有较好的实用性。关键词：电力企业财务风险预警因子分析BP_Adaboost模型71致谢STUDYONEARLYWARNINGOFFINAN

3、CIALRISKOFELECTRICPOWERENTERPRISESBASEDONNEURALNETWORKABSTRACTPowerindustryisthecountry'seconomicdevelopmentonthebasisoftheenergyindustry.Ithasaveryimportantroleonthedevelopmentofthenationaleconomyandsociety.BecauseofChina'soveralleconomicgrowthratetendingtoslowdownandincreasingener

4、gyconservationtasks,China'spowerenterprisesmustfacetothequestion:Whetherpowerenterprisescanmaintainsustainabledevelopment.Byfinancialriskearlywarningmethodsforpowercompanies,ithasveryimportantpracticalimplicationsforthepowerindustryregulatorsandcompaniesthemselves.Inthispaper,theexi

5、stingdomesticandinternationalfinancialearlywarningmodelsaretobecompared.Thispaperstudyonthecharacteristicsofpowerindustry’sfinancialrisk,summaryfinancialindicatorsfocusonthepowercompanies.Fromprofitability,operationalcapacity,solvency,growthability,theabilitytoreturntoshareholders,t

6、heoverallsituationofthepowerindustry,thepaperanalyzed22financialindicatorsofpowercompanies.Andusefactoranalysistoextractsixfactorsfromthepowerenterprisefinancialindicators.DesigncorporatefinancialearlywarningmodelbasedelectricityBP_Adaboostmodel.TheBPneuralnetworkisaweakclassifier,a

7、ndusingAdaboostalgorithmtogetstrongclassifier.Thepaperanalysisfifty-twopowercompaniesModeltestresultsshowthatthecorporatefinancialriskearlywarningmodelofpowerhasbetterpracticabilityandthecloserthedistanceforecastdata,theaccuracyofthe71致谢modelishigher,fartherawayfromtheforecastdata,t

8、helowertheaccuracyo