企業(yè)財務風險智能預測實證研究——以中國旅游與酒店業(yè)為例.pdf

1、企業(yè)財務分析對現(xiàn)代企業(yè)管理決策有著深遠的影響且起著不可忽視的作用。財務狀況關乎企業(yè)生死存亡，是企業(yè)的生命線，快捷高效的財務分析能為企業(yè)投資者、經營者、債權人等組織和個人去了解和評價企業(yè)狀況以及未來發(fā)展?jié)摿μ峁┛煽繙蚀_的決策信息支持。隨著人工智能等高新技術的發(fā)展，財務分析人工智能化決策支持系統(tǒng)已經越來越受到學術界和管理界的重視，并得到了不斷地改進和提高。高效準確的財務風險預測能夠幫助企業(yè)較早預知未來可能面臨的財務風險，便于及早發(fā)現(xiàn)問題，采

2、取有效措施規(guī)避風險或最大限度降低損失。然而，現(xiàn)有成熟的財務風險預測研究大多都是建立在均衡數(shù)據(jù)集的基礎之上進行的，圍繞非均衡數(shù)據(jù)集分類問題的研究還不夠成熟和完善，還有待進一步地研究。
　　本文從總體來上說主要采用了多種學科相互交叉融合的研究方法，將違約風險管理理論、財務指標分析理論、數(shù)據(jù)挖掘原理、預測決策理論、計算機技術、多分類器集成技術、多種企業(yè)財務風險預警技術以及統(tǒng)計抽樣等關鍵理論、方法和技術進行有機集成，以中國旅游與酒店業(yè)為例

3、，對企業(yè)財務風險智能預測展開系統(tǒng)性的研究。為解決有限知識非均衡環(huán)境下旅游和酒店業(yè)財務風險預測問題，本文進行了如下相關研究。
　　首先，為了解決傳統(tǒng)財務風險預測模型在非均衡小樣本數(shù)據(jù)集方面對少數(shù)類樣本風險分類預測不理想的問題，本文主要提出了一種由近鄰三角區(qū)合成的少數(shù)類過采樣技術(NT-SMOTE)。通過引入近鄰三角區(qū)隨機采樣思想進一步完善改進傳統(tǒng)的SMOTE非均衡處理方法來增加少數(shù)類數(shù)據(jù)樣本，這樣就能很輕松的使得非均衡問題轉化成均衡

4、問題，從而克服通常情況下產生的基于非均衡數(shù)據(jù)集的分類器風險預測結果不是非常理想的難題。在實證研究中，利用數(shù)據(jù)挖掘原理的相關知識，對搜集的旅游與酒店業(yè)上市公司的財務樣本數(shù)據(jù)進行數(shù)據(jù)預處理，剔除空值的樣本或財務指標，清理得到純凈的數(shù)據(jù)集并對數(shù)據(jù)集進行顯著性檢驗和多重共線性檢驗，剔除不顯著或冗余的各類財務數(shù)據(jù)指標，利用NT-SMOTE非均衡數(shù)據(jù)處理方法極力擴充少數(shù)類樣本使其輕松轉化為均衡數(shù)據(jù)集的預測問題，進而利用較為成熟的財務風險分類預測模型

5、(MDA、Logit、Probit、DT、LSVM和MCF)對中國旅游與酒店業(yè)進行風險預測，以便提高預測的準確性。這個基于非均衡改進方法的財務風險分類預測模型能夠有效地解決傳統(tǒng)分類器在非均衡小樣本數(shù)據(jù)集風險預測方面預測效果不佳的難題。
　　其次，為了能夠進一步提升傳統(tǒng)企業(yè)財務風險預測分類器的穩(wěn)定性，本文采用傳統(tǒng)的Bagging集成方法對上述分類器進行改進得到集成分類器風險分類預測模型(BMDA、BLogit、BProbit、BDT

6、、BLSVM、BMCF)，最終的結果是在很大程度上有效提高了傳統(tǒng)分類器的分類預測性能以及增強了它們的穩(wěn)定性。
　　再者，為了提高我國旅游與酒店業(yè)企業(yè)財務風險分類預測的準確性，本文在前文的基礎上，構架了基于異類數(shù)據(jù)挖掘技術的企業(yè)財務風險預測方法體系，主要包括數(shù)據(jù)預處理層、改進近鄰三角區(qū)增量層、異類近鄰抽取層、案例推理預測層，用以改進傳統(tǒng)的財務風險預測方法，得到新的風險分類預測模型(HDMMDA、HDMLogit、HDMProbit、

7、HDMDT、HDMLSVM、HDMMCF、HDMBMDA、HDMBLogit、HDMBProbit、HDMBDT、HDMBLSVM、HDMBMCF）。結果表明，基于異類數(shù)據(jù)挖掘的案例推理方法與前文方法相比有著顯著的優(yōu)越性，提高了財務風險預測模型的分類性能，可有助于降低中國旅游與酒店業(yè)上市公司財務風險發(fā)生的概率。
　　最后，為了進一步有效改進傳統(tǒng)的風險分類預測方法的性能，提高其預測效率與效果，本文在前文基礎上，構架了基于案例復用的案

8、例推理方法的多模型企業(yè)財務風險分類預測體系，主要包括數(shù)據(jù)預處理層、改進近鄰三角區(qū)增量層、非均衡近鄰抽取層、案例復用預測，用以改進傳統(tǒng)的財務風險預測方法，得到新的預測模型（RMDA、RLogit、RProbit、RDT、RLSVM、RMCF、RBMDA、RBLogit、RBProbit、RBDT、RBLSVM、RBMCF）。結果表明，與前文方法相比，基于案例復用的案例推理方法在風險預測性能方面有著一定的顯著優(yōu)越性，同樣有助于降低中國旅游與