基于信息挖掘的上市公司年报分析与研究.docxVIP

基于信息挖掘的上市公司年报分析与研究 摘要：[目的/意义]上市公司年报是对企业财务绩效、战略动向的权威披露，可用于对产业竞争主体的经营管理行为进行监测。[方法/过程]融合数据挖掘、文本挖掘、社会网络分析等多技术，建立面向企业年报信息组织特征的产业竞争情报分析方法体系。以集成电路产业为例，通过分析创业板上市企业的年报信息来挖掘产业内业务合作与社会资源关联的潜在路径，从而为增强产业竞争合力提供情报支撑。[结果/结论]基于文本挖掘方法，发现集成电路上市公司可在制造、应用两个环节加强业务合作。同时，集成电路上市公司可借助机构股东的社会网络建立区别于业务合作关系的资源网络。最后，提出集成电路产业未来发展的对策建议。 区域竞争国际化、国际竞争本土化、竞争主体多元化的竞争格局使得商业竞争主体由单一企业层级向产业整体层次迁移，竞争思维由“零和博弈”向“竞合博弈”升级。这也使得产业竞争情报独立成为竞争情报的重要分支和新兴主题。2009年，郑彦宁等率先提出产业竞争情报概念，即以提升一个国家或地区某特定产业整体竞争优势为目的，关于产业竞争环境的动态性、应对性情报综合来看，国内产业竞争情报研究已取得丰富成果，但分析对象以论文、专利等情报学传统数据源为主，研究功能多限于产业科技创新服务。虽有研究预见性地提出产业竞争情报服务应覆盖经济评价、融资模式、产业金融市场信息等功能1 金融情报学初探性研究综述2007年美国“次贷”危机全面爆发后，金融情报开始进入国内情报学研究视野。2013年，中国科学技术信息研究所率先提出了基于上市公司年报的产业竞争情报分析方法综上所述，上市公司信息披露机制产生了大量宝贵的金融信息，是分析企业经营管理行为、绩效与动向的理想数据源。情报学界从学科发展角度认可了金融情报学这一重要的交叉研究分支，但多集中于概念性、规范性研究，尚未形成集中化、系统化研究。因而，本文将针对企业年报的信息组织特征，综合数据挖掘、文本挖掘、社会网络分析等多种情报学分析技术，建立产业竞争情报分析方法体系，为相关研究的系统化发展提供分析框架。2 基于企业年报的产业竞争情报分析框架2.1 企业年报的组织结构特征分析根据中国证券监督管理委员会的相关规定，我国上市企业年度报告共分12节。根据信息组织特征，可将企业年报内容分为两大类:财务信息、非财务信息。财务信息主要指基础财务数据和各类财务报表，是对企业经营情况的直接反映，也是财经类研究的核心分析对象;非财务信息指财务数据以外的其他内容。就篇幅而言，非财务信息占据企业年报的主体;就信息组织和处理方式而言，非财务信息属于非结构化数据，超出了经典统计学方法的适用范畴。综合来看，上市公司年报的组织结构特点如表1所示。2.2 企业年报财务信息的数据挖掘方法财经类研究围绕财务信息，建立了企业偿债能力、营运能力、盈利能力等经典财务指标分析体系;此后又提出了杜邦财务分析体系、Z-score指标、经济增加值(Economic Value Added,EVA)等综合研究框架。然而，经典财务指标体系间壁垒分明，常被作为并列的研究对象;综合研究框架存在行业限制、权重设置、功能单一等局限。因而，建议引入数据挖掘技术进一步发掘财务数据的潜藏信息，为评价产业整体经营绩效提供基础信息。一是利用熵权法、熵权Topsis法为财务指标进行客观赋权，建立面向业绩评价的多指标融合性分析方法。首先，引入熵权法进行企业业绩纵向评价，即根据历年(季度)财务数据分布均衡性，确定各属性权重并计算企业综合财务价值评估。接下来，引入熵权Topsis法在熵权基础上计算各企业与最优解的距离，从财务绩效视角确定行业中的核心企业排序。二是利用粗糙集、神经网络、支持向量机、决策树等模型处理计量经济学模型视域外的非线性关系，从而揭示产业运行中的复杂经济规律。以上市公司财务风险预测为例，其实质是监督式学习中的二分类问题。粗糙集既可以作为独立的分类器;也可以辅助神经网络建模，如减少神经元输入数量、探索预设规则、解释神经网络建模结果。支持向量机、决策树的分类效果优于许多机器学习算法，决策树的可视化展示还能够揭示财务风险预测机理。2.3 企业年报非财务信息的文本挖掘方法财会领域新兴研究尝试对非财务信息进行分析，但多出于企业战略风险管控目的，研究的自动化程度有限;同时，文本分析结果多作为回归模型的前置变量之一，未在文本间建立深层联系。针对这一局限，建议引入文本挖掘技术对非财务信息进行语义挖掘，为产业经营风险预警、合作机会发现等功能提供技术支撑。产业经营风险预警可以年报第四节中的“风险分析”板块为数据源，根据文本的语义关联性，建立多层次的综合分析机制。底层为风险条目层，重点在于分词词典的建立、自更新、同义词和异形词的标准化;中层为风险语