基于混合粗糙集与AN的上市公司财务危机预警研究.docVIP

基于混合粗糙集与ANN的上市公司财务危机预警研究 [摘要]利用混合粗糙集ann数据挖掘技术和相关敏感财务及非财务指标构建财务危机预警模型，对30家st乖90家非st的a股制造业上市公司的财务数据进行实证检验。结果表明，将混合粗糙集的知识约简理论和神经网络的推理能力相结合构建的混合粗糙ann预警模型具有较高的财务危机预测准确率和较好的实际应用价值。 [关键词]粗糙集；人工神经网络；上市公司；财务危机；预警 一、研究现状及意义 虽然我国上市公司的数量在不断增长，证券市场在迅速扩大，但很多上市公司都存在经营业绩不佳和抗御风险能力较弱等问题。如何建立有效的财务危机预警系统来预防财务危机，对企业、投资者和政府部门都具有重大意义。 (一)研究现状 国内学者关于上市公司财务危机预警方面的理论研究起步时间不长，实证研究以传统的统计学方式为主，与国外研究相比存在较大的差距，但国内还是有学者结合中国企业的实际情况进行了可贵的探索，也得到了一些重要的研究成果。陈静(1999)是我国第一个对上市公司财务危机进行预警研究的学者，对西方预警模型在我国是否适用进行了实证研究。高培业和张道坤(2000)建立了贝叶斯和fisher模型、逻辑回归logitic判别模型和probit判别模型，并进行了实证比较分析。杨保安(2001)构建了一个基于单隐层的bp神经网络的财务危机预警模型，经过实证检验显示其判别准确率高达9