上市公司财务困境预测模型比较研究

合集下载

基于logit模型的上市公司财务困境预测实证分析

基于logit模型的上市公司财务困境预测实证分析
出 的 单变 量 判 定模 型 , 以及 Al n 16 ) 造 的 z 型 和 17 t (9 8构 ma 模 97
( ) 二 变量 选择 。
年建 立 的 Z T 模 型 。9 8 Az 、 l n以及 E n e 构 EA 18 年 i La s z wo maul
建 出 了基 于 现 金流 量 的 财 务 困境 预 警模 型 ,并且 在 18 9 9年 对 基于 现 金 流量 的财 务 困 境预 警 模 型和 z模型 、 E A 模 型 的 预 ZT
关于 变 量 的选 取 , 据财 务 管理 的相 关理 论 和 证监 会 对 于 依 上 市 公 司财 务状 况 异 常特 别 处理 的 规 定 , 并且 结 合 国 内外 的相
关 研 究 结 果 对 变量 进 行 选 取 。 本 文主 要 从 反 映 上 市 公 司 资 本 与 负 责对 企 业利 润 的创 造 情况 , 别选 取 : 营业 务 利润 率 、 特 主 资 产 负债 率 、 收 账 款周 转 率 、 资产 周 转 率 、 售 增 长 率 、 应 总 销 每股 经 营活 动现 金流 量六 项 比较 重要 的指 标作 为 变量 , 分别 计为 : 其
对 于 上 市 公司 本 身而 言 , 司财 务 状 况 的好 坏对 公 司 整体 较 重 要 的 6个财 务 指标 来 作 为最 后 的预 测 指 标 , 公 并且 分 别 通过
的运行情况有直接 的影响, 以要想保持公司正常的运行 , 所 必 三 种 分析 方 法 : i e 线 性 判 定 分析 法 、 o ii Fs r h L gsc分析 法 以及 多 t
市 公 司 的财 务 状况 提 供 有 效 的手 段 。
的情 况 。在 所 选 样本 数 据 这个 时 段 内 , 各方 面 的 政 策措 施 对 上

企业财务困境的模型研究

企业财务困境的模型研究

企业财务困境的模型研究一、引言企业财务困境对企业生存和发展产生了巨大影响,了解和研究企业财务困境的模型对企业管理者和决策者具有重要意义。

本文将探讨几种常见的财务困境模型,包括经典的财务压力模型、财务危机传染模型以及财务恶性循环模型,以期为企业提供解决财务困境的有效工具和策略。

二、财务压力模型财务压力模型是企业财务困境研究的基础。

该模型认为企业财务困境常常源自财务压力,即企业面临的负债累积和资金短缺等问题。

财务压力模型通过考察企业的财务指标,特别是负债率、债务分布以及现金流状况等因素,来预测企业的财务困境。

三、财务危机传染模型财务危机传染模型认为企业财务困境具有传染性,即一家企业的财务困境可能会对其他相关企业产生连锁反应。

财务危机传染模型主要考察企业间的债务关系、供应链关系以及市场关系等因素,以揭示企业财务困境传染的动力学过程和路径。

四、财务恶性循环模型财务恶性循环模型是对企业财务困境进一步深入研究的模型。

该模型认为企业财务困境常常形成恶性循环,即财务困境导致经营困难,进而影响企业的再融资能力和信誉,难以摆脱困境。

财务恶性循环模型通过考察企业的资产负债表、收益表以及现金流量表等财务指标,以揭示企业财务困境形成恶性循环的原因和机制。

五、应对策略对于企业财务困境,及时采取有效的应对策略至关重要。

根据以上研究模型的启示,我们可以提出以下几种应对策略:1.加强财务风险管理。

企业应制定合理的负债策略,控制负债率和债务结构,同时增加流动性储备,以应对可能出现的财务压力。

2.建立稳固供应链关系。

加强供应链合作伙伴之间的互信与合作,建立供应链风险管理机制,以减少财务危机的传染性。

3.注重企业形象和声誉管理。

积极树立企业形象,提升企业信誉度,以增强企业的抵御外部负面影响的能力。

4.持续改进内部财务管理。

加强内部财务管理,提高财务透明度和预警机制,及时发现和解决潜在的财务问题,从而避免财务恶性循环的产生。

六、结论通过对企业财务困境的模型研究,我们可以更好地了解财务困境的成因和传播机理,并提出相应的解决策略。

基于Z-Score模型的财务困境预测研究

基于Z-Score模型的财务困境预测研究

基于Z-Score模型的财务困境预测研究随着经济全球化进程的不断加快,企业面临着日益激烈的竞争环境和风险挑战。

在这样的背景下,财务困境预测成为企业管理者和投资者关注的重要问题。

财务困境预测是指利用一定的模型或方法,通过对企业财务数据进行分析,预测企业未来是否会面临财务困境的可能性和程度。

Z-Score模型是一种被广泛应用于财务困境预测的方法,本文将通过对Z-Score模型的原理和应用进行介绍,并利用实际案例进行分析,探讨Z-Score模型在财务困境预测中的应用价值。

一、Z-Score模型原理Z-Score模型是由美国学者Edward I. Altman于1968年提出的,用于预测企业破产的可能性。

该模型通过对企业财务数据进行多元线性回归分析,构建出反映企业偿债能力和盈利能力的综合指标Z值,通过Z值的大小来判断企业是否处于财务困境。

Z-Score模型的计算公式为:Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 1.0X5Z-Score模型的应用涉及到企业财务数据的收集、指标计算和Z值预测。

在实际应用中,首先需要对企业的财务数据进行收集和整理,包括资产负债表、利润表、现金流量表等,然后按照Z-Score模型的计算公式对各项指标进行计算,最后得出企业的Z值。

通过比较Z值与相应的临界值,可以判断企业的财务状况,进而进行财务困境的预测和风险评估。

为了验证Z-Score模型在财务困境预测中的应用效果,我们将以某上市公司为例,对其2018年和2019年的财务数据进行分析,并利用Z-Score模型进行财务困境预测。

根据该公司的财务报表数据,我们计算出了其2018年和2019年的Z值如下:| 年份 | X1 | X2 | X3 | X4 | X5 | Z值 || ---- | ---- | ---- | ---- | ---- | ---- | ---- || 2018年 | 0.35 | 0.25 | 0.15 | 2.5 | 0.5 | 3.1 || 2019年 | 0.31 | 0.20 | 0.10 | 2.8 | 0.4 | 2.9 |通过对比2018年和2019年的Z值,我们可以发现该公司的Z值在两年之间有所下降,尤其是在X3和X4指标方面,有较明显的下降趋势。

上市公司财务困境预警判别分析模型的建立及应用研究

上市公司财务困境预警判别分析模型的建立及应用研究
维普资讯
20 0 6年 3月 纂9 卷第 3 期

国 管


息 化
M a. 0 6 r2 0 , V 1 . . 09 _ . NO 3
Ch n a a e e t n o mai n z to i aM n g m n fr t iai n I o
识, 加强财务信息管理。这就要求全体员工, 特别是领导 [] 4 向德伟 . 论财 务风险 [] 会计研 究, 9 7 () J. 19,4 . 层在 思想上 对潜 在 的危 机要 有清 醒 的认 识和 高度 的警惕 ,
5 C I A M N GE N N O M T oN Z T . 0, H N A A ME T I R A l IA 1
主要参考文献
不 同 。先兆 性指 标 只能 为分 析 人 员提 供 关 于企 业 财 务危 1 企 北京 : 经济科学 出版社 , 机发 生可 能性 的线索 , 并不 能确 切地 说 一定会 发 生财 务危 []财政部企 业司 . 业财务风 险管理 [ . 20 0 4. 机。 我们在运用 警兆进行预警 分析 时还应 注意 以下几方面 : [] 2 沈俊 , 孙强 . 国民营企业 融资风险预警管理研究 [] 武汉理工大 我 J. 1牢 固树 立风 险防 范意 识 , 强财 务 信息 管理 。 使 . 加 欲 学学报 , 0 4 6 . 2 0 。() 企业筹资风险得以有效管理, 就必须牢固树立风险防范意 [] 3 韩庆兰 , 长强 . 吴 刍探 财务预警 系统 [] 财会月刊, 0 1 () J. 2 0 ,4 .
上 公司 市 财务困 警 别 析模 建 应用 境预 判 分 型的 立及 研究
朱顺 泉
(暨南大学 管理学院会计系 , 广州 50 3 16 2)

企业财务危机预警模型应用的比较研究

企业财务危机预警模型应用的比较研究
金 融教 学 与研 宓
21年第4 总第 12 00 期( 3 期)
企 业财 务 危机 预警模 型 应 用的比较研 究
颉茂 华
( 内蒙 古 大 学 经 济 管 理 学 院 , 和 浩特 0 0 2 ) 呼 10 1

要: 企业建立财务危机预警 系统 的关键是选择合适的预警模型。 进行企 业财务危机预警应 坚持远期监测与近期

尚不 明朗。 本文主要介绍 目前在 中国实际预警工作 中常用 的
几种财务预警模型。 ( ) 一 单变量模型法 财务预警模 型是指借助企业 财务指标 和非财 务指标体 系 , 识别企业财务 状况的判别模 型 。 来 人们最早采用 的预警 模 型是单变量模型 。 单变量模型也 叫一元 判定 模型 , 是将某

研究始终是 国际财务 、 会计和证券投 资领域中经久不衰的
课 题 。 外 证 券 市 场 经 历 了 上 百 年 的 发 展 , 务 预 警 实证 研 国 财
究在利益相关者对财务危机预测信 息需求 的推动下 , 不断创
新 和 扩 展 , 成 了较 为 成 熟 的理 论 和 方 法 , 在 实 践 中 取 得 形 并
的关 键问题 , 就是选择合适 的预警模 型。 文对 目前 已有 的 本 企业 财务危机预警模 型 , 括单变量模 型预警法 、 包 多变量 模
型预警法等方法进行应用对 比与实证分析 , 根据 实证 分析的 结果分析 了每种模型 的利与弊 , 对在我 国 目前条件下 如何 综 合使用这些模 型提 出了建设性的意见 。
加入其他 变量 , 对其进行 必要 的整合 , 或与企业的实际情 况相 结合 , 运用财务报 表分析法查找企业发生危机 的原 因, 以便有针对性 地采取有效措施 , 将危机化解在 萌芽阶段。

财务困境预测模型比较研究

财务困境预测模型比较研究

财务困境预测模型比较研究
摘要
企业财务困境预测作为一个重要的管理课题,近期引起了国内外学者及企业界热议。

本文就目前比较流行的财务困境预测模型(即多元线性回归模型、Logit模型、Cox模型和决策树模型)的研究进行梳理,对各模型特点、特征及其实用性进行讨论。

分别从模型的定义、拟合方法以及优势和劣势等几个方面,对这四种模型进行了详细介绍和对比分析。

结果表明,多元线性回归模型在建模准确性方面具有优势,Logit模型具有改变变量指标的灵活性,Cox模型在考虑时间因素方面有更好的表现,而决策树模型在处理复杂问题以及解释结果方面有更大的作用。

从而提出了不同预测模型应用在企业财务困境预测过程中综合参考的建议,以便为企业的财务风险控制提供建议。

关键词:企业财务困境;财务困境预测;多元线性回归模型;Logit 模型;Cox模型;决策树模型
1绪论
企业财务困境预测是检测企业长期经营的风险,及时调整经营方式,有效防范财务风险的一项重要管理课题。

F分数模型在上市公司财务风险预警中的应用

F分数模型在上市公司财务风险预警中的应用

F分数模型在上市公司财务风险预警中的应用1. 引言1.1 研究背景随着市场竞争的加剧和金融环境的变化,各种风险对企业的影响越来越大。

研究如何有效应对和预防财务风险成为企业管理者和学者关注的焦点。

本文将针对F分数模型在上市公司财务风险预警中的应用展开深入研究,探讨其在实践中的效果和局限性,旨在为企业提供更准确和可靠的财务风险预警工具。

1.2 研究目的研究目的旨在探讨F分数模型在上市公司财务风险预警中的应用情况,分析其在预警过程中的效果和作用。

通过对F分数模型的应用进行深入研究,可以帮助相关部门和机构更好地识别和评估上市公司的财务风险,提前发现潜在的经营风险,从而采取相应的预防和控制措施。

研究还旨在探讨如何进一步完善F分数模型,在实践中更加准确地预测和评估公司的财务状况,为实际业务决策提供更有力的支持和依据。

通过本研究,可以为加强上市公司财务风险管理提供理论指导和实务参考,促进企业稳健经营和可持续发展。

1.3 研究意义本研究的意义在于提高上市公司财务风险预警的准确性和及时性,帮助投资者和监管部门更好地了解公司的财务状况,降低投资风险。

通过对F分数模型在财务风险预警中的应用进行深入研究,可以为相关部门提供更科学、更有效的决策依据,促进企业的可持续发展。

研究F 分数模型的优势和局限性,可以帮助完善该模型,提高其预测准确性和稳定性,为企业风险管理提供更全面的参考依据。

通过实际案例的分析,可以验证F分数模型在实际应用中的有效性和可行性,为企业和投资者提供更具有参考价值的财务风险预警方法。

本研究的意义在于推动财务风险预警领域的理论研究和实践应用,为我国上市公司的财务风险管理提供有益的借鉴和启示。

2. 正文2.1 F分数模型概述F分数模型是一种用于评估公司财务状况和风险的模型。

该模型主要通过计算公司的财务指标来给出一个综合评分,从而帮助投资者或管理者识别公司的潜在风险。

F分数模型最初由Edward Altman在1968年提出,被广泛用于评估公司破产概率。

基于Z-Score模型的财务困境预测研究

基于Z-Score模型的财务困境预测研究

基于Z-Score模型的财务困境预测研究财务困境预测对于企业的经营和投资决策具有重要意义。

Z-Score模型是一种常用的财务困境预测模型,它基于企业的财务指标,通过计算Z-Score值来判断企业是否处于财务困境中。

Z-Score模型最初由美国著名学者Edward Altman在1968年提出,用于预测企业破产的可能性。

该模型包括五个财务指标,分别是经营利润与总资产比率、资产负债率、净营运资本与总资产比率、市价与帐面价值比率和流动资产与总资产比率,通过对这些指标的加权和,计算出Z-Score值,根据Z-Score值的高低来判断企业是否处于财务困境中。

Z-Score值越低,表示企业财务状况越不稳定,可能面临破产的风险。

一般来说,Z-Score值小于1.8表示企业处于高度危险状态,1.8到2.7表示企业处于可能危险状态,2.7到3表示企业状况一般,大于3表示企业财务状况良好。

在进行财务困境预测时,需要先收集企业的财务报表和相关资料,然后计算出各指标的数值,并进行加权和得出Z-Score值。

根据Z-Score值的范围来判断企业的财务状况,从而进行预测。

研究结果表明,Z-Score模型在预测企业财务困境方面具有一定的有效性。

较低的Z-Score值与企业的财务困境相关性较强,较高的Z-Score值则与良好的财务状况相关。

Z-Score模型也存在一定的局限性,比如它只考虑了财务指标因素,忽略了其他影响企业财务状况的因素。

基于Z-Score模型的财务困境预测具有一定的应用价值,但需要综合考虑其他因素,并进行定期修订和更新,才能更准确地预测企业的财务状况。

希望未来有更多的研究能够对财务困境预测进行进一步的探索和优化。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
误差就会 比较大 。 随着 信息 技术 的发 展 ,人 工智 能 和 机 器学 习的
支持 向量机 ( u pr V co M c i ,S M) 是 S p ot et a h e V r n 在统 计学 习理论 的基础 上 发 展起 来 的 一种 新 的机 器
学 习方法 。它基 于 结 构 风 险最 小 化原 则 ,尽 量 提 高 学 习机 的泛 化 能力 ,具 有 良好 的推 广性 能 和 较 好 的 分类精 确性 。另 外 ,支 持 向量 机 算 法 是一 个 凸 优 化 问题 ,局部最 优 解 一定 是 全局 最优 解 ,这 些 特 点都 是包括 神经元 网络在 内 的其他 算法所 不具备 的 。
Co p r tv u i M o es o na ca sr s e i to n Chi e e Lit d Fim s m a a i e St dy o l d l fFi n ilDit e s Pr d c i n i n s se r
YANG Ja h i in u ,CHE h w n N C ie

传 统 的 统 计 模 型 包 括 多 元 判 别 分 析 模 型 ( A)和对 数 回归 模 型 ( oii R ges n 等 , MD L gsc er i ) t so 其 中以 MD A和对 数 回归模 型应 用最 为广泛 。统计 模 型最 大的优 点在 于具 有 明显 的解 释 性 ,而 存 在 的缺 陷是过 于严格 的 前提 条 件 ,如 两 者都 对 变 量之 问多 重共线性 敏感 ,且 M A要 求数据 服从 多元正 态分 布 D 和 同协方 差等 ,当样本 数 据 不满 足这 些条 件 时分 类
( c o lo u ie sAd nsrt n,S uh C iaUnvri f e h ooy S h o fB sn s miit i ao o t hn iest o c n lg ,Gu n z o 0 4 y T a gh u516 0,C ia hn )
A b t a t: Th sp p rus sS c mp n e sdite sc mp n e src i a e e T o a is a sr s o a is, a s sn u a ewo k,d cso r ea u otv co nd H e e rln t r e iin te nd s pp r e tr m a h n o na ild sr s e cin. I r e o sud w h n sr a tra d tmef co af c h d l c i e frf nca ite sprdit i o n od rt t yho te idu tyfco n i a tr" e tte mo es,wepu — f r
表 2 神 经 网络 预 警 分 析 结 果
( )决 策 树 2 由于决 策树 属 于 非 参 数 化 的 自上 而 下 的归 纳 学 习算 法 ,所 以 对 于模 型不 必 对 变 量 进 行 筛 选 ,选 取 的指标 为前 文 的 1 指标 ,把 样本 分 为 s 2个 T和非 s T 两 个 目标类 别 。对三 类样本 的 S T前两 年数 据 分别 建 立 决策 树 ,共得 到 3棵 决 策 树 。经 过 对 各 决 策 树 进
偿 债 能 力 速 动 比率 (2)=速 动 资 产 / 动 负债 I 流 资产 负 债 率 ( 3)=负 债 总 额/资 产总 额 L
本文 研究 目的之 一 是 研 究 行 业 因素 对 模 型 精 确 度 的影 响 ,因此 本 文 分 三 种 情 况进 行 建模 。三 种 抽 样原 则如 下 : ( ) 首先选 择房 地 产 行 业 进行 单 独研 究 。 由于 1 房地 产行业 被 特 别 处理 的 上 市公 司样 本 有 限 ,选 定 中国 A股市 场在 2 0 - 2 0 0 6 0 9年来 自房地 产 行业 的被 特别 处理 的 l 公 司 ( 本组 ) 和没被 特别 处理 的 0家 样 1 公 司 ( 制组 )作 为建 模 样本 ,被 特别 处 理 的 0家 控 5家公 司和没被 特别 处理 的 1 公 司作为 测试 样本 , 5家 共4 0个 样本 。 ( )接 着 选 择 对 来 自不 同行 业 的 公 司 进 行 研 2 究。考 虑到 要 和房 地 产 公 司进 行 对 比 ,所 以在 样 本 数 量上保 持 一致 ,选 定 中 国 A股 市 场 在 2 0 - 2 0 06 09 年来 自不 同 行 业 的被 特 别 处 理 的 l 0家 公 司 ( 本 样 组 ) 和 未被特 别 处 理 的 1 0家 公 司 ( 制 组 ) 作 为 控 建 模样本 ,被特 别处 理 的 1 0家公 司和未 被特 别处 理 的1 0家公 司作 为测 试 样 本 ,共 4 0个 样 本 。这 里 以 行业 为标 准一 一 配 对 ,对 样 本 组 和 控 制 组 之 问 由于 行业 特征 的差 异带来 的模 型偏 差做 一定 的控 制 。 ( )最 后对 ( ) 和 ( ) 中 的样本 进 行 混合 研 3 1 2 究 ,把 ( )和 ( ) 中 的建 模 样 本 共 4 1 2 0个 作 为 新 模型 的建模 样 本 , ( ) 和 ( ) 中的测 试 样 本 共 4 1 2 0 个作 为新模 型 的测试 样本 ,共 8 0个 样本 。 本 文选 取 的样本 以公 司 s T发生 日为基 准 日,选 取其 s T前两 年 的资料 进行研 究 。
型 两类 。
线性 的函数 映射 方 式 ;具 有 良好 的容 错 性 、 自适 应 性 和很 强 的泛 化功能 等 。 决 策树是 一 种 自顶 向下 的 分类 方 法 ,它 通过 对 组训 练 样 本 的 学 习 ,构 造 出决 策 型 的 知 识 表 现 。 与神经 网络相 比 ,决 策 树 更容 易 被 人 理解 。 它 的优 点 主要有 :对 数据 准 备 要 求不 高 ,允 许 离群 值 的存 在 ;速度 快 、精 度 高 、生成 模 式 简单 。决 策 树 适 合 对定 类数 据进行 分析 。
ids i )f uy w ihsm l r st e et e o)a aoadtreyas g. nute o s d , hc a pe ae e r p cvl t , r g n e er ao rs rt s s i yw e h
Ke y wor ds: c ii r i rss wa nng; ne r ln t r u a ewo k; d cso r e;s p r v co c ie;ta e diiin e iin te u pot e trma hn r d vso
( 南理 工大学工商管理 学院,广 东广州 5 04 ) 华 160
摘 要 :以 因财 务原 因被 实施特 别 处理 的公 司作 为 财 务 危 机 公 司 ,有 目的 地 选 择 了 三 类 样 本 ( 地 产 行 业 样 本 、 房 不 同行 业 的样 本 、房 地 产 行 业样 本 与 不 同行 业样 本 的 混 合 ) ,取 其 发 生 财 务 困境 的前 两 年 数 据 .运 用神 经 网络 、 决 策 树 和 支持 向量 机 模 型进 行 财务 预 警 ,以研 究行 业 因素 对 三 种模 型预 警 准 确 度 的 影 响 。 关 键 词 :危机 预 警 ;神 经 网络 ;决 策 树 ;支持 向量 机 中图 分 类 号 :F 7 25 文 献 标识 码 :A
l 引言
随着全 球 经济 一 体 化节 奏 的加快 ,市 场 竞 争 越 来 越激烈 。在这 激 烈 的竞 争 环 境 中 ,有效 的财 务 预 警 系统能帮 助 企业 及 早规 避 风 险 ,避 免遭 受 更 大 的 损 失 ,提 高企业 竞 争 力 。当前 被 广 泛应 用 亍 财 务预 警研 究 的模 型 主要分 为传 统统 计 模 型 和人 工 智 能模
些分类 和预测 的算 法也 被 引 入到 金 融 信用 风 险 评 估 领域 中来 ,主要 研 究 方法 有 神 经 网络 、决 策 树 以 及 支持 向量机 。 神经 网络是 由 大量 的简单 处 理 单元 相 互 联 结组 成 的复杂 网络 系统 。神 经 网络 具 有 一些 统 计 方 法无 法 比拟 的优 点 ,如 :对数 据 分 布 的要 求 不 严格 ;非
借 鉴前 人相 关 的 研 究 成 果 和 根 据 数 据 可 得性 原 则 ,本 文 分 别 从 偿 债 能 力 、盈 利 能 力 、营 运 能 力 、 成长能力 几 方面选 择 了 1 财 务 指 标 ,具 体 如 表 1 2个
所 示
表 1 指 标
指标类 型 具体指标及其计算方法 流动比率 ( . = I ) 流动资产/ 1 流动负债

收 稿 日期 :2 1 O 0 0一 6—2 4。修 回 日期 :2】 0 (0— 9一O 】 9

杨建 辉等 :上市公 司财务困境预测模型 比较研究
25 2
2 财务 困境 预警模 型 的构 建及预 测 比较
2 1 样 本 的 抽 取 .
果 的影 响不大 ,因此 在 构 建 神 经 网络模 型 时没 有 进
22 预 警指 标 的选取 .
行变 量筛选 ,而仅 仅 使 所 选 财 务 比率尽 可 能包 含 比 较多 的信息 ,力 图从 多方 面反 映企业 财务 状况 。 在神 经 网络 模 型 中 ,把 建 模 样 本 作 为 训 练 集 , 把 测试 样本 作 为预测 集 ,采用单 隐层 的 B P神经 网络 进 行训 练 。输 入层 的输 入 变量 为前 文提 到 的 1 财 2个 务 指标 ,共 7个 节 点 ;输 出层 有 一 个 节 点 ,输 出 1 代 表上 市公 司 被特 别 处 理 ,输 出 0代 表 上 市 公 司 没 被 特别 处理 。输 入 层 和 隐 层 之 间 的传 递 函数 取 正 切 函数 。 对来 自房 地 产 行 业 的公 司 、来 自不 同行 业 的公 司和两 者 的混 合样 本进 行研 究 的结果 如表 2所示 。
相关文档
最新文档