基于违约距离及支持向量机的财务危机预警研究.pdf

《基于违约距离及支持向量机的财务危机预警研究.pdf》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、＾基于违约距离及支持向量机的财务危机预誓ｗ究：硕±研巧生：高飞指导老师黄超东南大学摘要市场经济的发展巧全球经济一体化进程的加速给上市企业带来了更多的机遇，往得企业不断加快自身的发展步伐，但是与此同时，也给企业带来了更多的风险和不确定性因素，使上市企业的生存环境更加复杂，企业之间的竞争更加激烈。对于我国而言，市场经济和证券市场正处于初级阶段，很多上市企业尤其是在创业板市场中上市的中小企业，经营管理水平比较低下，凤险意识不强，财务制度还不完善，这使的创业板上市企业出

2、现财务危机甚至破产倒闭的可能性极大。井且创业板的一旦其发生财务危机退市制度比主板更加严格，没有ＳＴ制度作为預警缓冲期，，将会直接影响企业自身的生存与发展。因此、，财务危机预警工作尤为重要，能够使得企业投资人债权人＾；及其他的｜利益相关者避免严重的损失。，保证我国经巧健康良好的发展由于支持向量机在金融数据挖掘工作中表现出的化良性能，本文将基于特征加权Ｈ分类支持向量机模型对创业板的上市公司进行财务危机预酱研巧，主要的研究内容包括Ｗ下Ｈ个方面：一约距离和次序统计量的风陰评级体系的构建

3、第。在财务危机预酱问题研巧中，基于违，最基本的分类是将财务状况简单地分为发生财务危机和财务状况良好两种情况是实际情況往往比两，但种分类更加复杂，因此，本文建立了新的评级体系用于财务危机预警模型。首先根据企业的股市数据和财务巧据计算企业的违约距离，然后按照次序统计量原理对违约距离进行重新排序，计算违约距离的临界值和相应的置信区间，由此设立风险评级标准，作为判断企业财务状况的依据，井件对我国创业板上市企业进行实证研巧。第二，基于违约距离的财务指标特征加权和财务指标选择的研巧。违约距

4、离是用于街量违约风险的指标，表示资产市场价值概率分布均值与违约临界点之间的距离，能够为企业的财务危机提供有力的预餐信息。因此，丰文采用灰色相对关联度度量各財务指标与违约距离值之间的关联程度，并Ｗ此作为该财务指标的特征权重，构建特征权重向量。－ＶＭ第双正交小波混合核Ｈ分类ＤＤＦＷＳ財务危机预窗模型的构建。本文使用灰色关联度评估违约距离和各个财务指标的相关性，并依据该相关性给各个指标设定相应的权重，关联居度越高则该財务指标在财务危机预答模型中的权重越大．指标被选择的可能性越大，从而

5、达到财务指标－选择的目的。在此基础上，构造基于双正交小波混合核Ｈ分类ＤＤＦＷＳＶＭ财务危机预警模型并巧对我国创业板上市企业进行实证研巧。ＶＭ关巧词Ｓ违约距离；支持向量机：次序统计量：ＦＷＳ；多分类；财务危机ＩＡＢＳＴＲＡＣＴＲｅｓｅａｒｃｈｏｎＦｉｎａｎｃｉａｌＣｒｉｓｉｓＰｒｅｄｉｃ村ｏｎｂａｓｅｄｏｎＤＤａｎｄＳＶＭＧｒａｄｕａｔｅ：ＧＡＯＦｅｉＳｕｐｅｒｖｉｓｏｒ：ＨＵＡＮＧＣｈａｏＳｏｕｔｈｅａ巧ＵｎｉｖｅｒｓｉｔｙＡＢＳＴ

6、ＲＡＣＴＷｉｌＪｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｍａｒｋｅｔｅｃｏｎｏｍｙａｎｄｅｃｏｎｏｍｙ臣ｌｏｂａｌｉｚａｔｉｏｎ，化ｅｒｅｈａｖｅｂｅｅｎｎｏｔｏｎｍｏｒｅｏｏｒｔｕｎｉｔｉｅｂｕｌｍｏｒｅｓｒａｉｅｓ化ｅｌｉｓｔｅｄｃｏｍａｎｎＣｈｉｎａ．ｌｙｓｔａｓｏｒｉｋｓａｎｄｕｎｃｅｔｉｎｔｆｏｒｉｅｓｉｐｐｐＬｓｅｄｃｏｍａｎｅｓｍａｓｕｅｒｆｒｏｍｒｅｕｒｅｓｒｏｃｏｍｅｉｏｎｔｅｒｎａｎｄｏｏｒｉｔｐｉｙｆｐｓｓｏ

7、ｆｇｗｉｎｇｐｔｉｔｉｎｅｘｌａｐｍａｎａｅｍｅｎｎｉｎｔｅｒｎａｌａｎｄｏｆｃｍａｒｅｉｎｖｏｌｖｅｄｉｎｎａｎｃｉａｃｒｉｓｓａｎｄｅｖｅｏａｎｋｒｕｔｇｔｉｍａｎｙ出ｆｉｌｉｎｇｂｐ．Ｈｏｗ化ｒｅｄｉｌｄｈｅｈｉｎａｉｃｔｆｉｎａｎｃａｌｃｒｉｓｉｓｏｆ化ｅｉｓｔｅｃｏｍａｎｉｅｓｅｓｅｃｉａｌｌｔｈｏｓｅｉｎｔＧＥＭｏｆＣｐｐｐｙｈａｓｂｅｅｎｂｅｔ．Ｉｎｅｃｏｍｉｎｇａｈｏｔｔｏｉｃ化ｂｄｉｓｃ

8、ｕｓｓｅｄｉｎｈｅｆｉｅｒｃｅｃｏｍｐｅｔｉｔｉｖｅｍａｒｋｅｔｏｒｄ巧化ｐｓｕｒｖｉｖｅａｎｄｋｅｅｔｈｅｍａｒｋｅｔｒｕｎｒｅｕａｒｌｈｅｒｅｉｏｎｏｉａｌｃｅｃｏｍｅｓｅｃｅｓｓａｒｐｌｔｄｉｃｔｆｆｉｎａｎｃｒｉｓｉｓｂｎｇｙ，ｐｙａｎｄｕｒｅｎｇｔ．ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ（ＳＶＭ）ｈａｓｂｅｔｅｒｌｅａｒｎｉｎｇａｂＵｉｔｙａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎ