1. 研究目的与意义
研究意义
随着中国经济的快速发展和经济体制的改革，企业筹资的风险与财务经营方面的风险也逐渐产生。在我国证券市场准入制度和退出制度完善后，持续亏损的经济损失企业将被中国证监会“st”或“* st”处罚，直至被除名。因而，建立科学的财务危机预警模型，准确得识别并有效地控制风险，以维护金融经济的安全，促进经济社会的和谐稳定，既是新形势下经济管理部门面临的重要任务，也是学术界关注的热点问题，财务风险预警，不但可以解决企业本身的财务危机,并且可以避免给投资人和债权人造成巨大损失。
近年来，学者们已经运用过其他多种方法和模型，但各种方法的前提条件过于苛刻，而svm是计算机科学人工智能与模式识别的交叉学科新兴的机器学习与数据挖掘技术，不仅能够克服一些苛刻的条件，而且具有的智能学习与智能预测能力，因而被广泛运用于风险预警中且取得了良好效果。因此，引入svm对中国上市公司的财务风险预警展开研究尤为重要。此外，这个模型的运用还有利于上市公司的自我管理，对于投资者来说也是有利的，他们可以通过模型预测合理的投资、规避投资风险。
2. 研究内容和预期目标
概述研究内容
1、以上市公司为对象，采用相关分析方法,对上市公司的经营活动、财务活动等进行分析预测，最后得出综合预警结果，并采取预警措施。
2、在财务预警机制建立和健全方面的研究中，主要集中在财务预警指标的选择及预警模型的建立等方面。尤其是在预警模型研究方面，采用基于支持向量机方法进行预测。
3. 国内外研究现状
国外研究现状
fitz patrick在1932年发表文章中，通过把19家公司运用财务比率划分为破产和非破产两组，对单变量财务失败预警进行研究，开创财务预警研究先河；2000年minand lee和fana,palaniswami m发表文章中，研究了支持向量机模型、神经网络、线性判断以及logistic回归模型，研究显示，改进的支持向量机模型表现出最高的正确率。国外关于财务危机的成因分析的研究主要集中在法律环境、经济环境、社会环境等方面。其次，财务危机预警指标体系的构建的研究主要包含了财务指标，缺乏非财务指标的研究，即使引入了内部控制等非财务指标，也把行业环境的变量作为外生变量考虑。再次，关于财务危机预警模型的研究主要集中在单变量判别分析模型、多变量判别分析模型、多元逻辑logit模型、人工神经网络模型和svm模型等，其中logit模型和svm模型运用较为广泛。
国内研究现状
4. 计划与进度安排
时间安排
研究计划
2022.1.1-2022.1.15
5. 参考文献
| 参考文献： [1] 王甜. 基于Probit与SVM组合模型的上市公司财务危机预警研究[D].山东大学,2019. [2] 周廷炜. 基于SVM模型的上市公司财务风险预警研究[D].上海师范大学,2018. [3] 李勇. 基于PCA-SVM模型的制造业上市公司财务危机预警研究[D].哈尔滨工业大学,2018. [4] [D].西南科技大学,2016. [5] 韩江雪. 我国制造业上市公司财务预警统计研究[D].北方工业大学,2016. [6] 温重伟. 基于分类SVM的企业财务危机预警模型研究[D].华南理工大学,2011. [7] 朱晓燕. 基于支持向量机的中小上市公司财务风险评级模型研究[D].上海外国语大学,2014 [8] 刘益平,仇冬芳.基于SVM模型的上市公司财务困境预警研究[J].工业技术经济,2007,26(S1):112-115. [9] 刘马兰. 基于SVM的零售业上市公司财务危机预警研究[D].西南科技大学,2016 [10]李凡.基于支持向量机的企业财务危机预警模型研究[J].中国乡镇企业会计,2009(11):13-14. [11] Feng Mai;Shaonan Tian;ChihoonLee;Ling Ma . Deep learning models for bankruptcy prediction using textual disclosures[J] . European Journal of Operational Research,2019:743-758. [12] Wu Qi,Law Rob.The forecasting modelbased on fuzzy novel-v-support vector machine [J] . Expert Systems withAplications,2011,38:12028-12034 [13] Ding Y,Song X,Zen Y.Forecastingfinancial condition of Chinese listed compaies based on support vector machine[J] . Expert Systems with Aplications,2008,34(4):3081-3089. [14] K.-S.Shin,T.S.Lee,H.-J.Kim.An aplicationsof support vector bankruptcy prediction model [J] . Expert Systems withAplications,2005,28:127-135. [15] Boyacioglu M.A,et al.Predicting bankfinancial failures using neural networks,support vector machine andmultivariate statistical methods [J] . Expert Systems with Aplications,2009,36:3355-3366.
|
