基于rbf神经网络的高端装备制造业财务风险预警研究

《基于rbf神经网络的高端装备制造业财务风险预警研究》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、学校代：号１０５３２学号Ｓ１３１４２００２４分类号密级戀ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ硕±学位论文基于ＲＢＦ神经网络的高端装备制造业财务风险预警研究学位串请人姓名何珊培养单位工商管理学院导师姓名及职称蔡稱萍副教授学科专业工商管巧＇＇研究方向公ｉ，ｊ理财论文提交日期２０１６年４月１８鬥ｉ学校代号：１０５３２学号；Ｓ１３１４２００２４密级：湖南大学硕：ｔ学位论文基于ＲＢＦ神经网络的高端装备制造业财务风险预警研究学位由请人姓名：何珊

2、导师姓名及取称：蔡艳萍副教巧培养单位：工商管理学院专业名祿：工商管理论文提交日期：２０１６年４月１８日论义答雜日期：２０１６年６月２日答縣委员会主巧：朱慧明教授ＲｅｓｅａｒｃｈｏｎＦｎａｎｃａＷａｒｎｎ－ｍｅｎｔｉｉｌ民ｉｓｋＥａｒｌｙｉｏｆＨｉｈｅｎｄＥｕｉｇｇｑｐＭａｎｕｆａｃｔｕｒｉｎｇＩｎｄｕｓｔｒｙｂａｓｅｄｏｎＲＢＦＮｅｕｒａｌＮｅｔｗｏｒｋＢｙＨＥＳｈａｎＢ．Ｅ．ＨｕｎａｎＵｎｉｖｅｒｓｉｔ２０１３Ｏｙ）Ａｔｈｅｓｉｓｓｕｂｍｉｔ

3、ｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏ打ｏｆｔｈｅｐ民ｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＭａｎａｇｅｍｅｎｔｉｎ良ｔｒｕｓｉ打ｅｓｓｉ＼ｄｍｉ打ｉｓａｔｉｏｎｉｎ１；ｈｅＧｒａ过ｕａｔｅＳｃｈｏｏｌｏｆＨｉｍａｎＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＣＡＩＹａ打ｐｉｎｇＡｐｒｉｌ，２０１６湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的

4、研究成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：曰期：年月／《曰学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

5、本学位论文属于１、保密。在年解密后适用本授权书。２、不保密口。＂＂（请在Ｗ上相应方框内打Ｖ）Ａ弓＾作者签名：曰期：年ｙ月作曰占导师签名：日期＾：年月日基于ＲＢＦ神经网络的高端装备制造业財务风险预警研究摘要高端装备＂＂之一制造业是制造业的高尖端领域，是战略性新兴产业，也是＂＂中国制造２０２５重点扶植和发展的产业。虽然在政策大力扶持下，高端装备制造业获得了较快发展，但仍存在许多问题。近年来该行业出现了被证监会特别处理的企业如ＳＴ钢构、ＳＴ二重、ＳＴ黑豹等，说明目前高端装备制造业对财务风险的控制能力

6、还远落后于自身的需要，因此在当前的形势下对高端装备制造业财务风险进行研巧具有重要的意义。本文首先结合高端装备制造业财务风险成因和特征，选取６８家高端装备制造－盈利能力２０１４年的财、偿债能力、营运能为、营运业上市公司２０１２务数据，从资金管理能力、成长能力、现金流管理能力、研发投入和政府补贴等方面选取了３２个相应的财务指标作为财务风险预警基础指标；然后将ＥＶＡ概念引入预警模型的构建中，ＷＥＶＡ值的大小作为财务状况异常的判别标准，从而解决了高端装备制造业ＳＴ企业样本不足而无法进行有效分类的问题；最后利用ＥＶＡ值分类结果和筛

7、选出的２２个财务指标构建了神经网络财务风险预警模型。一一实证研巧表明：第，有超过半的样本企业ＥＶＡ值小于０２０１４，而且年ＥＶＡ值小于０的样本企业数量要高于２０１２和２０１３年，这说明高端装备制造企业的价值创造能力正在逐年减弱而财务风险正逐年加大；第二，财务状况正常组和亚健康组企业有显著性差异的财务指标主要集中在盈利、营运、现金流管理和成长能为方面，同时无论是财务状况正常组和亚健康组企业都存在现金周转期过长、营业成本率偏高和现金流偿债能力不足的问题；第三，基于筛选出来的２２个财务指标构建的ＲＢＦ神经网络模型的预测准确率达到８５

8、％Ｗ上，比ＢＰ神经网络模型预测准确率Ｗ％要髙出１０％，该模型对高端装备制造业