基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

基于BP神经网络的上市公司财务困境预警模型实证研究

正确公允的认识和评价上市公司的财务状况和经营业绩已成为有关各方的共识。然而有些公司恶意造假、包装上市,给投资者和债权人造成巨大损失,扰乱经济市场。这使得有关上市公司财务困境预警的研究日益迫切。就如何运用BP网络神经算法来提高财务困境预警能力进行了分析。     

基于多元Logistic回归模型的我国上市房地产企业预警

目前,许多房地产企业面临着融资、再筹资难等问题,企业倍受资金链压力,有的甚至陷入财务困境.采用主成分分析和Logistic多元回归相结合的方法,构建财务危机预警模型.借助SPSS19.0经济统计软件,对财务指标数据进行分析,并检验模型.以期为房地产公司提供财务风险预警的有效方法.     

基于费歇判别分析的企业财务困境预警研究

选取2011年127家ST公司为财务困境公司,并对每个困境公司进行配对,利用财务困境公司和非财务困境公司T-2年现金流量数据,在费歇判别分析基础上,利用现金与总资产比率、每股收益增长率、净资产增长率、每股经营现金净流量和净利润现金含量5个现金流指标构建现金流量财务困境预警模型,模型整体判别准确率为88.2%.最后,通过ROC曲线对模型判别结果进行检验。     

上市公司财务预警实证研究—X值模型

针对我国证券市场和上市公司的发展现状,运用Fisher判别分析方法,采用包括现金流量指标在内的涵盖上市公司财务状况各个方面的多个指标,建立上市公司财务预警×值模型。研究结果表明该模型的判别准确率较高,是一种科学、有效的财务困境预警方法。     

基于CNN的上市公司财务危机预警研究

对财务危机预警模型进行研究,有助于企业及早发现可能的风险,制定相应对策加强财务管理,对完善资本市场体系,推动经济高质量发展意义重大.本研究提出了一种基于主成分分析(Principal Component Analysis, PCA)和卷积神经网络(Convolutional Neural Network, CNN)相融合的财务危机预警方法.首先,针对海量财务数据存在噪音的问题,构建表征企业财务风险的主成分分析框架,实现备选指标数据的预处理.其次,根据预警指标的特征,通过对财务预警数据的反向学习训练,构建轻量化的三层卷积神经网络模型,预测企业是否陷入财务危机.最后,与现有机器学习财务预警方法进行对比,新模型显示了较高的预测准确率.     

基于董事会治理因素的财务危机预警模型的构建

企业在经营过程中存在着越来越多的财务风险,为了防止这些风险演变为财务危机,及时进行财务危机预警分析,就需要理顺公司的治理结构,引入董事会治理因素来完善财务危机预警机制.以120家上市公司为研究对象,分别运用非参数检验、T检验以及主成分分析对财务变量和董事会治理变量进行筛选,进而运用Logistic回归分析构建预警模型.结果显示,未引入董事会治理变量的模型的预测正确率为92.5%,而引入董事会治理变量的模型预测正确率为94.15%,预警能力明显增强,也说明,董事会治理因素是影响公司财务危机的一个重要方面.     

基于支持向量机分类模型的上市企业财务预警

介绍了支持向量机的分类原理.通过72家上市企业的财务数据建立支持向量机的企业财务预警模型.并利用该模型对上市企业进行两类和三类模式识别.在此过程中还分析了采用不同核函数和参数的仿真结果,表明与传统的财务预警相比,SVM模型具有非线性和良好的泛化能力.     

上市公司财务异常分析与预警管理系统的建立

分析上市公司的财务报表对于及时发现公司财务危机,从而避免陷入财务困境具有重要意义。文章试从上市公司盈利结构、现金流与投资、不合常规的资产或股权交易等三方面分析上市公司财务异常的主要表现,进而提出相关预警管理系统,以增强公司的经营能力和抗风险能力。     

基于PCA-Rprop神经网络的建筑业上市公司退市风险预警研究

针对标准BP神经网络仅从预测误差负梯度方向修正权值和阈值,存在学习算法收敛速度满、容易陷入局部最小值从而导致模型泛化能力不足的问题.本文提出了一种基于误差反向传播算法(back-propagation algorithm,BP)改进的弹性反向传播算法(resilient back propagation,Rprop),并与主成分分析法相结合,形成了PCA-Rprop神经网络算法.同时,构建包含财务变量和非财务变量的预警体系,运用Matlab软件对我国195家建筑业(涉及房地产概念)上市公司进行退市风险预警实证分析,实证结果表明PCA-Rprop神经网络算法的退市风险预警准确性相较于标准BP神经网络算法和支持向量机模型分别提高了7.03%和10.29%.因此,该模型有望为利益相关者的风险管控和投资决策提供较好的参考依据.     

高职《金融法规与案例》立体互动课堂设计——基于项目课程改革研究

《金融法规与案例》课程改革打破以知识传授为主要特征的传统学科课程模式,以高职教育行家与金融行业专家对金融专业工作任务与职业能力分析为基础,以任务驱动、项目导向为课程改革方向,引入项目教学法。课程包括金融柜台交易相关法律法规、金融服务营销相关法律法规、金融业务管理相关法律法规几个学习项目,突出对学生职业能力的训练,并融合了与职业资格证书有关的法律素质要求。     

基于偏序集的生物科技企业财务绩效评价研究

针对传统财务绩效评价方法中指标权重赋值争议问题,基于偏序集理论提出企业财务绩效评价模型,对22家生物科技上市企业财务绩效进行评价。研究表明：参与评价的样本企业分为财务绩效水平较高和较差两个层级,进一步再通过非参数检验发现不同层级的企业在盈利能力、营运能力和成长能力方面存在显著差异,而在偿债能力方面差异并不明显。本文研究成果,既有利于生物科技企业明确竞争地位,寻找差距,不断提高企业的财务绩效水平,也为完善企业财务绩效评价方法提供有益的借鉴和启示。     

有向架模型建模方法及其应用

为克服传统的基于有向图模型的危险和可操作性分析专家系统在知识表达方面的局限性，通过将二维的有向图模型在三维空间的解耦，采用图论的方法，提出了一个可以用于危险和可操作性分析自动化的有向架模型．利用该模型，可以灵活地表达危险和可操作性分析中的各种过程变量偏离之间的相互作用关系．它拓展了传统的有向图模型，从而使危险和可操作性分析的结果更全面、更系统，提高了专家系统全面挖掘化工过程中潜在的安全危险问题的能力．     

财务绩效与不同捐赠者捐赠行为关系的分析——基于基金会的实证研究

为提高基金会捐赠收入,改善财务绩效,基于2011—2015年188家全国性基金会的财务数据,运用因子分析法构建绩效评价体系,分析基金会财务绩效与不同捐赠者捐赠行为的关系。结果表明:基金会的财务绩效水平对机构和个人的捐赠行为均会产生正向影响。但是不同捐赠者的反应并不完全相同,机构捐赠者的捐赠行为与基金会的运营能力和公益性呈明显的正相关,与基金会的财务风险性呈显著的负相关;个人捐赠者的捐赠行为深受基金会公益性影响,但与基金会的运营能力和财务风险性无明显的相关性。     

高职金融专业人才培养改革探析

高职金融专业在教学目标、内容、形式等方面有其自身的特点。高职金融专业人才培养模式改革必须以学生为中心、以岗位为导向、以职业能力为本位。通过对金融专业人才培养模式的分析,为高职金融专业人才培养模式改革提供一定的建议。     

金融时间序列预测中的神经网络方法

概述了神经网络方法在金融时间序列预测应用中所面临的有关问题,给出了解决方法;针对有关模型和算法作了计算模拟与分析,得到了一些可供今后研究参考的经验结果;讨论了金融时间序列预测中主要的神经网络模型,如多层前馈网络、径向基函数网络以及支持向量机网络等.总结了关于模型改进的一些近期研究进展与结果,指出了神经网络用于金融时间序列预测的一些可能的方向.     

财政体制改革的路径依赖

“路径依赖”是制度经济学的一个重要分析工具。运用“路径依赖”分析我国财政体制改革中呈现出的特征,说明财政体制改革中的许多问题来自旧的财政体制和中国传统政治、经济特点。     

股指期货套期保值文献综述

阐述了作为重要金融衍生工具的股指期货在国际金融市场上的重要作用,在总结＂天真模型＂、OLS、B-VAR及VECM等静态模型特点的基础上,重点介绍了GARCH模型和MRS动态模型的应用。     

论《爱玛》中道德自我建构的女性主义特征

《爱玛》是十八世纪末英国现实主义小说家简·奥斯汀的代表作。与传统道德小说中塑造的具有高度道德责任感的女主角不同，爱玛在道德上的缺陷相当明显，所以整部小说就是爱玛不断进行道德观的自我建构的动态过程。将女性主义批评和伦理学批评结合，分析了爱玛的道德建构的女性主义特征，可以看出爱玛的很多缺陷都具有反传统的意义，不但反抗了男性话语体系为女性设定的道德标准，还提出了女性在婚姻制度、经济独立、社交活动等方面的要求。     

基于目标优先级的增量式雷达辐射源信号参数识别方法

陆、海、空的战场侦察、监视、定位和跟踪等应用领域产生了海量、动态增加的雷达辐射源信号参数侦察数据。传统雷达辐射源信号参数分析方法无法高效利用新侦察数据,以提高雷达辐射源识别能力,特别是难以应对高威胁级别的辐射源目标的识别。提出一种基于目标优先级别的增量式雷达辐射源信号参数分析方法,能够有效针对新辐射源信号参数侦察数据进行增量式学习,大大提高高威胁雷达辐射源目标的识别能力。仿真实验证实了该方法的有效性。