基于非平衡視角的企業(yè)財務(wù)困境智能預(yù)警研究.pdf

1、企業(yè)的財務(wù)通過對資金運動和價值形態(tài)的管理，像血液一樣滲透貫通到企業(yè)的生產(chǎn)、經(jīng)營等一切管理領(lǐng)域。如果財務(wù)狀況出現(xiàn)問題，它將直接關(guān)乎著企業(yè)的生死存亡。所以，對財務(wù)風(fēng)險的規(guī)避是每個企業(yè)時刻面對的一門功課，出現(xiàn)問題就要及時解決，并且防患于未然。那么，這就需要企業(yè)能夠根據(jù)實時的財務(wù)數(shù)據(jù)來判斷企業(yè)當(dāng)下的財務(wù)狀況，防止財務(wù)困境的發(fā)生。因此，一個好的財務(wù)困境預(yù)警機制的出現(xiàn)變得越來越迫切。
　　財務(wù)困境預(yù)測研究一直都是學(xué)者們關(guān)注的熱點，并且相繼引入

2、了很多機器學(xué)習(xí)的方法，對企業(yè)財務(wù)困境的預(yù)警起到了很大的作用。然而，大多數(shù)研究都將困境公司樣本和非困境公司樣本按照1∶1的數(shù)量比例進行配對來構(gòu)建財務(wù)困境預(yù)測模型，這顯然與現(xiàn)實中困境公司在所有上市公司中所占的比例不符，從而高估模型對困境公司的預(yù)測能力，造成預(yù)測的失誤率增加，甚至?xí)韲?yán)重的后果。因此，本文模擬上市公司中財務(wù)困境公司所占份額的實際情況，按1∶3的比例收集財務(wù)困境與非財務(wù)困境樣本，構(gòu)建非平衡數(shù)據(jù)集來展開財務(wù)困境預(yù)警研究，使研究更

3、具有針對性、合理性。
　　本文通過大量的文獻閱讀，對前人的研究成果進行了歸納和總結(jié)。按照發(fā)現(xiàn)問題、分析問題和解決問題的研究思路;沿著文獻閱讀、數(shù)據(jù)收集、統(tǒng)計分析、模型構(gòu)建和實證分析的研究技術(shù)路線，提出了針對上市公司財務(wù)困境預(yù)警的新思路和新方法:
　　首先，從非平衡的視角展開上市公司財務(wù)困境預(yù)警的研究，按照1∶3的樣本容量比例收集財務(wù)困境樣本和非財務(wù)困境樣本，并且將之視作非平衡數(shù)據(jù)以便應(yīng)用非平衡數(shù)據(jù)的分類方法進行上市公司財務(wù)困

4、境的預(yù)警研究;
　　然后，采用非平衡數(shù)據(jù)分類方法中較為經(jīng)典的代價敏感的支持向量機(Support Vector Machines，SVM)方法、SMOTE采樣和SVM相結(jié)合的方法和分割數(shù)據(jù)集分類器集成的方法，并且將這三種方法應(yīng)用到財務(wù)困境預(yù)警的研究中，得到基于代價敏感支持向量機的財務(wù)困境預(yù)警模型(CS-SVM)、基于SMOTE結(jié)合支持向量機的財務(wù)困境預(yù)警模型(S-SVM)和基于數(shù)據(jù)集分割集成支持向量機的財務(wù)困境預(yù)警模型(D-SVM

5、)，并且通過橫向和縱向的比較，分析了這幾個模型進行財務(wù)困境預(yù)警的優(yōu)缺點;
　　繼而，針對財務(wù)困境研究中樣本規(guī)模有限和集成分類器中子分類器數(shù)量過少等問題，提出了基于SMOTE結(jié)合Bagging技術(shù)的集成支持向量機財務(wù)困境預(yù)警模型(SB-SVM)來處理非平衡視角的財務(wù)困境預(yù)警問題;繼而，基于中國上市公司的非平衡樣本數(shù)據(jù)集，對這四種模型以及單一使用的SVM模型進行了實證比較分析，發(fā)現(xiàn)基于SMOTE結(jié)合Bagging技術(shù)的集成支持向量機財