比較人工神經(jīng)網(wǎng)絡模型和概率模型兩者對于財務預警作用的研究【外文翻譯】

1、1本科畢業(yè)論文外文翻譯本科畢業(yè)論文外文翻譯外文文獻譯文外文文獻譯文題目：比較人工神經(jīng)網(wǎng)絡模型和概率模型兩者對于財務預題目：比較人工神經(jīng)網(wǎng)絡模型和概率模型兩者對于財務預警作用的研究警作用的研究資料來源:Managerialfinancial作者：ClarenceN.W.Tan從20世紀60年代中后期開始，Beaver[1966]在工作研究中一直對運用財務比率來進行財務預警具有相當大的興趣。對財務預警工作的興趣熱潮開始于Altman[196

2、8]的研究，他結(jié)合一些財務指標總結(jié)出一元財務比率來預測財務破產(chǎn)。Altman的方法得以普及的主要原因之一是它在同類行業(yè)中的公司進行比較時，提供了一個標準的基準。它也可以從公司的賬務賬目里選出一個單一指標來看出公司的財政實力。雖然這個方法能夠被廣泛接受，但是它也有其局限性。正如Gibson和Frishkoff[1986]的研究，指標在工業(yè)部門因采用的會計方法的不同可能存在著顯著的差異。這種局限性可能在金融機構(gòu)中使用財務指標來預測財務困境時

3、體現(xiàn)的最明顯。高杠桿的金融機構(gòu)表示這些為公司企業(yè)研究的預警模型并不能完全用到財務部門。然而這種預警方法在金融機構(gòu)領(lǐng)域仍得到認可。在澳大利亞的列證中包括霍爾和拜倫[1992]與克蘭[1993]未發(fā)表的關(guān)于非銀行領(lǐng)域的財務困境的研究分析。這些研究都使用了概率模型來處理財務困境中有限的財務數(shù)據(jù)變量的性質(zhì)在Tan[1997]較早的研究實驗中得出在人工神經(jīng)網(wǎng)絡模型的基礎上對于財務危機的分析研究是一種具有可行性的替代方法。特別是，它把重點放在對于存

4、在財務危機的信用合作社進行破產(chǎn)預警研究時，人工神經(jīng)網(wǎng)絡模型的適用性。對于基于神經(jīng)網(wǎng)絡研究的財務預警模型與Hall和Byron的財務比率模型的研究結(jié)果進行了比較。特別是，這項研究中Hall和Byron使用的是相同的數(shù)據(jù)樣本。這更加強了兩種模型比較的公正性。研究結(jié)果表明，在相同的財務數(shù)據(jù)下人工神經(jīng)網(wǎng)絡模型的實驗結(jié)果略優(yōu)于財務比率模型。本文通過重建數(shù)據(jù)集擴展了上述成果工作，在四個季度內(nèi)虧損的信用社被歸類為存在潛在危機，這樣就能最大限度地提前四

5、個月進行模型預測。以便能夠通過預警模型最大限度的提前預測出四個季度的財務危機。因此，這項研究的動機是對同一個信用社的財務危機提供早期預警時，重新審視人工神經(jīng)網(wǎng)絡是不是和財務比率模型一樣好或者是優(yōu)于財務比率模型。3最終總體數(shù)值做出的貢獻。二元邏輯回歸模型，如概率模型，Tobit回歸和羅吉特，能夠克服的判別分析存在的主要問題。馬丁的論文(1977年)中銀行倒閉的二元選擇回歸技術(shù)的使用在銀行倒閉這個領(lǐng)域具有開創(chuàng)性馬丁比較了二元邏輯回歸與多重判

6、別分析方法的分類精度。多重判別分析方法是在1970—1976年間在美聯(lián)儲的眾多監(jiān)管銀行中普遍用來分析財務危機的方法。他發(fā)現(xiàn)，雖然羅吉特和多元判別分析的準確性的水平相似，但這兩種方法均優(yōu)于線性判別模型。在柯林斯和格林[1982]在企業(yè)倒閉的研究發(fā)現(xiàn)，Logit模型的使用，減少I型錯誤（把財務有危機的公司檢測為健康公司）的出現(xiàn)，但該方法沒有明顯比多元判別分析模型好。他們得出結(jié)論，可能沒有必要運用Logit模型進行額外的計算，，除非是非常大的