关于Adaboost算法的制造业上市公司财务危机预警研究.pdf

武汉科技大学硕士论文 第I 页 要 我国的证券市场经过十几年的快速发展，已经为将近2000家企业提供了上市融资的机 会，但迎接这些上市公司的除了千载难逢的发展际遇还伴随着异常激烈的竞争，其中部 企业已经被证监会特别处理甚至被迫停止上市，这不仅不利于企业自身的生存，更损害投 资者及债权人的利益。因此，无论从企业、投资者、债权人及监管机构的角度来看，都需 要一个有良好预测效果的财务危机预警系统来提醒他们危机是否会发生，然后才能采取措 施避免危机。 国内已经有研究人员运用人工神经网络建立了危机预警模型，并取得了较好的效果， 但神经网络每次的预测效果有一定的不稳定性，本文拟采用能够将任意弱学习器进行组合 改进为强学习器的Adaboost算法与神经网络结合建立预警模型。 本文研究流程如下：首先在参照国内已有财务危机预警指标选取的相关文献的基础上 初步筛选出16个入选变量；以2007 年至2009 年35 家上市时间超过7 年并首次因财务异 常被ST 处理的制造业上市公司及配对同行业的正常公司35 家作为研究样本，以ST 公司 被处理当年为第T 年，收集这70 家公司T-2,T-3 年财务数据得到容量为 140 个的样本空 间；然后通过Mann-Whitney U 检验筛选出 7 个能够显著区 两类公司的变量；接着运用 主成 析提取了四个主成份作为模型的输入变量；最后采用Adaboost 算法,运用matlab 编程建立预警模型 BP 神经网络作为弱分类器）进行危机预测。 本文研究发现所建的财务危机预警模型有较高的预测准确率，相较于6个BP神经网络的 平均预测正确率有了较大的提高，且比单一神经网络能更稳定地进行预测。所以Adaboost 算法应用到财务危机预警领域是完全可行的，能够帮助建立更好的预警模型。对于被发出 警报的公司，本文也基于不同的主体角度提出了若干管理建议预防危机。 关键词：财务危机预警 主成 析 Adaboost算法 BP神经网络 第II 页 武汉科技大学硕士论文 Abstract With the rapid development of China s securities market for more than ten years, it has provided listing and financing opportunities for nearly 2000 enterprises. However, these companies meet not only the development for golden future, but also fierce competition. Some of them were even been special treated by the commission. On one hand, this will affect the existence of these companies, on the other hand, it will also bring enormous lose to related benefits. Therefore , no matter to the companies themselves or to the investors, creditors, regulators, an effective forecasting model for finance crisis is needed. It could help them prepared in advance to tackle the crisis. Domestic researchers has already established finance crisis forecasting model by u