上市纺织企业财务风险预警研究——以安徽上市公司为例

《上市纺织企业财务风险预警研究——以安徽上市公司为例》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、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以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得塞整墼墨太堂或其他教育机构的学位或证书而使用过的材料。与我一丽工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：镐昊Et期：出蜓月』日学位论文版权使用授权书本学位论文作者完全了解塞邀堡三太堂有保留．、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于塞邀垄三太堂。学校有权保留并向国家有关部fj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

2、人授权安徽理工大学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：葛灵签字日期：易∥年多月莎日学位论文作者签名：屿久签字日期：勿杉年莎月莎日导师签名：签字日期：加够年莎月多日摘要捅要在激烈的市场竞争中，上市企业随时都有发生财务风险的可能。财务风险不仅给企业本身带来困境，而且会给投资者带来损失。因此，人们迫切需要加深对上市公司财务风险预警的认识。本文对财务风险预警模型的理论进行了探讨，根据全面性、可操作性、科学性、及时性、定量与定性相结合、整体优化的原则，构建财务风险预警指标体系，

3、从偿债能力、盈利能力、营运能力及成长能力四个方面，选取具体的、易获取数据信息的财务指标来对在A股市场上市的纺织企业财务风险进行预警，并详细介绍了模型当中要使用的主成分分析法和支持向量机两种方法，通过收集数据，数据预处理并通过T检验和相关分析对预警指标进行优化，最后进行预警实验以及结果的评价和分析。本文选取安徽的两家纺织业上市公司，通过相互之间横向以及其自身纵向对比来进行实证分析，运用纺织行业上市公司财务风险预警模型，得出2007年与2008年，华孚色纺公司虽然没有被特别处理，但提示出现了财务风险，起到了预警的作用，而后对主成分得分进行分析，得出两家公司财务状况的相对比较参考值，分别为2007年

4、至2012年华茂股份为一0．2347、一0．1960、～0．1902、一0．4006、一0．0215、-0．2826；华孚色纺为一0．8589、一0．3142、0．9931、一0．0209、一0．2739、一0．4193。最后对结果进行分析，从偿债能力、盈利能力、营运能力及成长能力提出了提升这两家企业财务风险管理能力的建议。图7表21参5l关键词：上市公司；纺织企业；财务风险；预警；主成分分析；支持向量机分类号：(1—2)：AbstractInthefiercemarketcompetition，thefinancialriskoflistedcompaniescouldhappenatany

5、time．Financialrisksnotonlybringtroubletotheenterpriseitself,butalsocauselossestoinvestors．Therefore，weneedtodeepenourunderstandingofthefinancialriskearlywarningoflistingCorporation．Thispaperdiscussesthefinancialriskearlywarningmodeltheory．Accordingtothefollowingprinciples，holisticthinking，maneuverab

6、ility,scientificalness，timeliness，acombinationofquantitativeandqualitative，wholeoptimization，buildthefinancialriskearly-warningindexsystem．Fromdebtpayingability，profitability,operationability,growthability,selectionofspecific，easyaccesstodatainformationoffinancialindicators，earlywarningforthetextile

7、enterprisefinancialriskoflistedinAsharemarket，andintroducesthetwomethodsofmodeltouse：principalcomponentsanalysisandsupportvectormachines．Throughcollectiondata，preprocessingdata，Ttestandcorrelationanal