基于投資者視角的上市公司財(cái)務(wù)危機(jī)預(yù)警研究.pdf

1、改革開(kāi)放后，中國(guó)社會(huì)、經(jīng)濟(jì)高速發(fā)展，人民財(cái)富持續(xù)增長(zhǎng)，對(duì)投資理財(cái)產(chǎn)品的需求不斷擴(kuò)大。有價(jià)證券，尤其是上市公司股票因收益性、流通性等特點(diǎn)上的優(yōu)勢(shì)而備受廣大財(cái)富擁有者關(guān)注。投資者通過(guò)公開(kāi)渠道能獲取上市公司披露的財(cái)務(wù)信息和證券分析師提供的股票推薦信息（推薦信息），但多數(shù)投資者因投資信息、投資知識(shí)、投資經(jīng)驗(yàn)和投資技能等資源短缺，難有效地處理上述相關(guān)信息并基于此制定正確投資決策，易導(dǎo)致投資失敗。投資者數(shù)量多，投資失敗不僅影響個(gè)人及其家庭生活、發(fā)展

2、，嚴(yán)重時(shí)還會(huì)影響社會(huì)和諧與穩(wěn)定。
　　鑒于此，為了更好地支持投資者投資決策，在已有研究基礎(chǔ)上，本文基于投資者視角，以投資者獲取的上市公司財(cái)務(wù)信息和推薦信息為切入點(diǎn)，結(jié)合支持向量機(jī)理論、軟集合理論、模糊軟集合理論、uni?int決策方法等國(guó)際前沿理論，綜合運(yùn)用規(guī)范研究、實(shí)證研究、定量分析、定性分析和對(duì)比分析等研究方法，研究了基于投資者視角的上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)選取問(wèn)題，分別選取了定量財(cái)務(wù)信息類(lèi)預(yù)警指標(biāo)（財(cái)務(wù)預(yù)警指標(biāo)）和定性推薦信

3、息類(lèi)預(yù)警指標(biāo)（推薦預(yù)警指標(biāo)），并進(jìn)一步展開(kāi)研究了基于財(cái)務(wù)信息的上市公司財(cái)務(wù)危機(jī)預(yù)警問(wèn)題、基于推薦信息的上市公司財(cái)務(wù)危機(jī)預(yù)警問(wèn)題和基于財(cái)務(wù)信息與推薦信息融合的上市公司財(cái)務(wù)危機(jī)預(yù)警問(wèn)題。
　　首先，考慮到投資者能獲取不同樣本量的財(cái)務(wù)信息和推薦信息，而且推薦信息可直接采用作為定性推薦信息類(lèi)預(yù)警指標(biāo)，本文重點(diǎn)研究了定量財(cái)務(wù)信息預(yù)警指標(biāo)的選取問(wèn)題。由于常用的財(cái)務(wù)預(yù)警指標(biāo)選取方法——專(zhuān)家系統(tǒng)和統(tǒng)計(jì)分析方法存在諸多應(yīng)用上的限制，考慮到企業(yè)經(jīng)營(yíng)環(huán)

4、境、投資環(huán)境快速變化這一特點(diǎn)，本文采用Logit模型和軟集合理論構(gòu)建了基于軟集合的參數(shù)約簡(jiǎn)新算法，以期能提高預(yù)警效果并滿足投資者需求。通過(guò)基于軟集合的參數(shù)約簡(jiǎn)新算法共從預(yù)警指標(biāo)備選集中選出9個(gè)財(cái)務(wù)預(yù)警指標(biāo)，其中新增銷(xiāo)售凈利率、管理費(fèi)用率、總資產(chǎn)周轉(zhuǎn)率和綜合杠桿4個(gè)財(cái)務(wù)指標(biāo)作為上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)?；谥袊?guó)上市公司真實(shí)數(shù)據(jù)的實(shí)證分析說(shuō)明本文構(gòu)建的基于軟集合的參數(shù)約簡(jiǎn)新算法能在不同樣本量條件下有效地改善預(yù)警效果。結(jié)合推薦信息，構(gòu)成了基于

5、投資者視角的上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)集。
　　其次，針對(duì)偏好采用上市公司財(cái)務(wù)信息進(jìn)行上市公司財(cái)務(wù)危機(jī)預(yù)警的投資者，考慮到投資者基于財(cái)務(wù)信息進(jìn)行上市公司財(cái)務(wù)危機(jī)預(yù)警時(shí)可能遇到不同樣本量問(wèn)題和不同財(cái)務(wù)預(yù)警指標(biāo)的變化趨勢(shì)可能不一致問(wèn)題，結(jié)合Logit模型和支持向量機(jī)模型，本文構(gòu)建了基于財(cái)務(wù)信息的上市公司財(cái)務(wù)危機(jī)預(yù)警模型。通過(guò)散點(diǎn)圖分析，財(cái)務(wù)預(yù)警指標(biāo)根據(jù)變化趨勢(shì)的不同分為線性變化的預(yù)警指標(biāo)和非線性變化的預(yù)警指標(biāo)，采用Logit模型和支持向

6、量機(jī)模型分別針對(duì)每個(gè)線性變化的預(yù)警指標(biāo)和非線性變化的預(yù)警指標(biāo)進(jìn)行模型訓(xùn)練和預(yù)測(cè)，通過(guò)殘差支持向量機(jī)模型對(duì)各單一預(yù)警模型預(yù)測(cè)結(jié)果進(jìn)行集成、判別。相較于其他常用預(yù)警模型，基于中國(guó)上市公司數(shù)據(jù)的實(shí)證結(jié)果說(shuō)明該預(yù)警模型能夠有效地在不同樣本條件下提高基于財(cái)務(wù)信息的上市公司財(cái)務(wù)危機(jī)預(yù)警效果，幫助投資者投資決策，尤其是樣本量較小時(shí)。
　　再次，針對(duì)偏好采用上市公司推薦信息進(jìn)行上市公司財(cái)務(wù)危機(jī)預(yù)警的投資者，考慮到推薦信息是定性信息和不同樣本量條件

7、，且迄今較少有研究關(guān)注導(dǎo)致適用的財(cái)務(wù)危機(jī)預(yù)警模型不多這一問(wèn)題，結(jié)合模糊軟集合理論和D-S證據(jù)理論，本文構(gòu)建了基于推薦信息的上市公司財(cái)務(wù)危機(jī)預(yù)警模型。首先研究了證券分析師選取方法，選取證券分析師提供上市公司推薦信息；采用模糊軟集合隸屬函數(shù)計(jì)算推薦信息對(duì)上市公司財(cái)務(wù)危機(jī)的隸屬度，對(duì)推薦信息進(jìn)行了量化轉(zhuǎn)換；在此基礎(chǔ)上分析了基于 D-S證據(jù)理論的信息融合模型，對(duì)不同推薦信息進(jìn)行了融合；構(gòu)建了最優(yōu)臨界值搜尋方法，對(duì)綜合推薦值進(jìn)行判別。基于中國(guó)上市

8、公司數(shù)據(jù)的實(shí)證結(jié)論說(shuō)明該預(yù)警模型能有效地在不同樣本條件下基于推薦信息進(jìn)行上市公司財(cái)務(wù)危機(jī)預(yù)警，輔助投資者在不同樣本條件下基于推薦信息投資決策。
　　最后，在本文之前研究的基礎(chǔ)上，鑒于有的投資者偏好綜合分析財(cái)務(wù)信息與推薦信息以制定投資決策這一情況，考慮到定量財(cái)務(wù)信息與定性推薦信息共存問(wèn)題、不同樣本量條件和迄今為止相關(guān)研究成果不多問(wèn)題，結(jié)合軟集合理論、模糊軟集合和uni?int決策方法等最新國(guó)際前沿理論，本文構(gòu)建了基于財(cái)務(wù)信息與推薦信

9、息融合的上市公司財(cái)務(wù)危機(jī)預(yù)警模型?；谥袊?guó)上市公司數(shù)據(jù)的實(shí)證研究和對(duì)比分析結(jié)果說(shuō)明：本文構(gòu)建的預(yù)警模型通過(guò)采用本文構(gòu)建的基于財(cái)務(wù)信息和基于推薦信息的上市公司預(yù)警模型作為基礎(chǔ)預(yù)警模型分別對(duì)財(cái)務(wù)信息與推薦信息進(jìn)行處理、預(yù)警，進(jìn)而結(jié)合組合預(yù)測(cè)思想，采用善于處理0-1狀態(tài)數(shù)據(jù)和不同樣本量問(wèn)題的決策方法對(duì)基礎(chǔ)預(yù)警模型預(yù)警結(jié)果進(jìn)行融合、預(yù)警，能有效地改善不同樣本條件下基于財(cái)務(wù)信息與推薦信息融合的上市公司財(cái)務(wù)危機(jī)預(yù)警效果，有效地在不同樣本量條件下幫助