基于机器学习的高新技术企业财务危机预警研究

发布时间：2022-02-24 11:30

　　目前,在国家的高度关注下,高新技术企业的总体发展突飞猛进。2016年,高新技术企业认定的管理办法再次得到修订;2019年,科创板设立,以促使科技创新和资本市场能够深度融合。至今,在关于如何加大支持科技创新力度的问题上,我国的资本市场已经进行了很多的探索和努力。在全球性的金融危机爆发后,各国对企业的财务风险和财务危机问题都格外重视。企业如何尽早预警财务危机并且采取相应的有效措施,使企业能够在财务危机发生的萌芽阶段就加以有效遏止,十分值得进一步的探讨和深究。同时,相比普通企业,高新技术企业对研发支出巨大的投入以及研发创新成果转化率的高度不确定促使其发生财务危机的可能性必然加倍。因此,为了提高高新技术企业在面对激烈的市场竞争时应对财务风险、防御财务危机的能力,降低财务危机发生的可能,从而促使企业稳健发展,针对高新技术企业财务危机预警的相关探索至关重要。本文结合了高新技术企业自身的特点,研究分析其财务危机的成因和预警过程,并以此为基础选取财务信息和非财务信息两类相结合的综合预警指标,以ST（被特别处理）高新技术企业和非ST（正常）高新技术企业前两年的截面数据作为研究样本。综合初步选取的指标特征... 

【文章来源】：山东大学山东省211工程院校985工程院校教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究综述
        1.2.1 财务危机概念界定的研究综述
        1.2.2 财务危机预警指标选择的研究综述
        1.2.3 财务危机预警模型的研究综述
        1.2.4 高新技术企业的研究综述
    1.3 研究思路与研究方法
    1.4 论文研究框架及创新点
第二章 相关理论介绍
    2.1 Logistic回归模型
        2.1.1 Logistic回归模型原理
        2.1.2 Logistic回归模型的目标函数
        2.1.3 Logistic回归模型的正则化
    2.2 集成学习
        2.2.1 随机森林
        2.2.2 XGBoost模型
    2.3 BP神经网络模型
        2.3.1 BP神经元
        2.3.2 BP神经网络模型
    2.4 分类模型评估
第三章 高新技术企业财务危机预警指标体系的构建
    3.1 实证样本和数据的选取
    3.2 高新技术企业财务危机预警指标的初步选取
    3.3 高新技术企业财务危机预警指标的筛选
        3.3.1 显著性检验
        3.3.2 包装法筛选指标
    3.4 本章小结
第四章 高新技术企业财务危机预警模型的建立
    4.1 Logistic回归模型
    4.2 XGBoost模型
    4.3 BP神经网络模型
        4.3.1 BP神经网络模型
        4.3.2 遗传算法优化的BP神经网络模型
    4.4 模型融合
    4.5 模型对比分析
第五章 结论与建议
    5.1 结论
    5.2 建议
参考文献
学位论文评阅及答辩情况表



本文编号：3642631