基于BP神经网络与Adaboost算法的上市公司财务预警模型.doc

摘   要：随着我国经济的迅猛发展和金融市场的逐步成熟，当今的证券市场已经成为上千家公司的融资平台和广大民众的主要投资渠道。但是，并非所有的上市公司的经营情况都是健康的，其中有一部分上市公司已经被我国证监会特别处理甚至被迫退市，这不仅有害于企业自身的发展，更可能会使得投资者与债权人的合法权益受到损失。因此，建立一个有效的财务危机预警系统是很有必要的。本文基于国内外学者对于人工神经网络和Adaboost算法的研究成果，拟采用能够将数个神经网络弱分类器组合为强分类器的Adaboost算法建立财务预警模型。本文选取沪深两市2015年至2016年42家被ST的上市公司以及配对同行业的42家财务健康公司作为样本，并选取一些财务与非财务指标作为输入变量，最后采用Adaboost算法，用Matlab软件建立财务预警模型。本文发现所建立的财务预警模型相对于线性模型有较为理想的正确率。最后，针对研究中的不足，本文提出了建议与展望。

关键词：财务危机；BP神经网络；Adaboost算法

目录

摘要

Abstract

1 绪 论-1

1.1-研究背景与意义-1

1.2-国内外研究现状-2

1.3-本文的主要内容与研究方法-3

2 财务预警的相关理论综述-3

2.1 财务危机的概念-3

2.2 财务危机形成的原因-5

3 BP神经网络以及Adaboost算法的相关理论综述-5

3.1 机器学习与人工神经网络-5

3.2 BP神经网络-6

3.3 Adaboost算法-7

4 模型构建-7

4.1 研究样本的选择-7

4.2 财务指标的选择-8

4.3-财务指标的筛选-9

4.4 模型实现-10

4.5 验证检验结果与分析-11

4.6 与线性模型的比较-12

5 总结与展望-13

5.1 总结-13

5.2 不足与展望-13

参考文献-15

附录A 上市公司研究样本-16

附录B Matlab代码实现-18