我国高校债务风险动态预警模型的研究.docVIP

我国高校债务风险动态预警模型的研究 　　 【摘 要】 目前，高校负债日趋严重，所面临的债务风险受到广泛关注，如何对高校债务风险进行动态预警尤为重要。文章综合考虑影响高校债务风险的各种因素，选取了10个财务指标和4个非财务指标，利用样本数据，运用主成分分析法算出主成分的综合得分，分别运用模糊隶属度与BP-神经网络分析法，对高校债务风险综合评价比较。实例验证主成分-BP-神经网络分析模型更优。 　　 【关键词】 高校财务; 债务风险; 主成分分析; 模糊隶属度; BP-神经网络分析 　　中图分类号：G475 文献标识码：A 文章编号：1004-5937（2015）01-0075-04 　　一、引言 　　 随着高校规模的扩大，政府资金投入不足，教育经费紧张问题凸显，为解决这一问题，我国许多高校巨额负债办学，日复一日，年复一年，随之而来的债务风险增大，高校负债呈现恶性循环的发展趋势。面对巨大的负债压力，如何对债务风险进行动态预警是目前高校考虑的重点问题。 　　 本文分别采用主成分-模糊隶属度模型和主成分-BP-神经网络模型确定高校债务风险等级，以比较两者的优越性，为动态监控预警高校债务风险提供合理模型。 　　 　　 二、基本原理 　　 （一）主成分分析基本原理 　　 主成分分析是考虑各指标之间的相互关系，利用降维的方法将多个指标转换为少数几个互不相关的指标，从而使