基于SVM的信息服務(wù)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)研究.pdf

1、在深入推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)和國(guó)家大數(shù)據(jù)發(fā)展戰(zhàn)略的背景下，現(xiàn)代信息服務(wù)業(yè)迎來(lái)了高速發(fā)展的契機(jī)。上市公司是中國(guó)企業(yè)中具有代表性的一類(lèi)，在其所處行業(yè)中有著重要的地位和影響力，隨著行業(yè)發(fā)展不斷深化，信息服務(wù)業(yè)上市公司在發(fā)展過(guò)程中也面臨著一系列挑戰(zhàn)。信息資源相對(duì)不足，投資分散且結(jié)構(gòu)不合理，信息資源開(kāi)發(fā)利用率低，服務(wù)范圍狹窄等問(wèn)題，現(xiàn)有產(chǎn)業(yè)的不斷發(fā)展和客戶(hù)對(duì)信息服務(wù)需求質(zhì)量的不斷提高，發(fā)展過(guò)程中存在的問(wèn)題也日益凸顯，風(fēng)險(xiǎn)水平日益提升。為了較好的適應(yīng)

2、不斷變化的經(jīng)營(yíng)環(huán)境，運(yùn)用適當(dāng)?shù)募夹g(shù)手段，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型是有實(shí)際意義的。
　　本文一共分為六個(gè)部分。第一部分主要是確定了研究的背景和意義，總結(jié)學(xué)者們?cè)谛畔⒎?wù)、數(shù)據(jù)挖據(jù)和財(cái)務(wù)預(yù)測(cè)等領(lǐng)域所做的研究文獻(xiàn)，明確文章的研究?jī)?nèi)容、思路和創(chuàng)新點(diǎn);第二部分主要是對(duì)數(shù)據(jù)挖據(jù)和財(cái)務(wù)風(fēng)險(xiǎn)的基礎(chǔ)理論部分進(jìn)行介紹;第三部分，重點(diǎn)分析中國(guó)信息服務(wù)業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)，闡釋了信息服務(wù)行業(yè)所獨(dú)特的特征和特殊的財(cái)務(wù)風(fēng)險(xiǎn)。第四部分主要為構(gòu)建財(cái)務(wù)預(yù)測(cè)模型做數(shù)據(jù)準(zhǔn)

3、備和指標(biāo)選取，選取了滬深兩市信息服務(wù)業(yè)上市公司338家作為研究對(duì)象，從經(jīng)過(guò)審計(jì)且公開(kāi)的財(cái)務(wù)年報(bào)中獲取數(shù)據(jù)，選取了66家公司作為樣本，從償債能力、營(yíng)運(yùn)能力、盈利能力、成長(zhǎng)能力、現(xiàn)金流量和公司規(guī)模6個(gè)大類(lèi)，選出24個(gè)指標(biāo)作為財(cái)務(wù)預(yù)測(cè)模型的指標(biāo)體系。第五部分，為模型的構(gòu)建和實(shí)證研究，應(yīng)用R語(yǔ)言作為構(gòu)建模型的工具，將清洗后的數(shù)據(jù)構(gòu)建樣本子集，應(yīng)用SVM算法對(duì)樣本做預(yù)測(cè)，最后給出預(yù)測(cè)的結(jié)果。第六部分為全文的總結(jié)和概況，提出研究的不足之處和展望。<

4、br>　　在模型的樣本選擇上，選取的是2012年到2016年之間，首次被標(biāo)為ST的公司，共有17家，按照同大類(lèi)同規(guī)模的原則，配對(duì)出17家非ST公司，再?gòu)恼颖局须S機(jī)選出22家，共計(jì)66家樣本。本文參考了國(guó)內(nèi)外對(duì)財(cái)務(wù)預(yù)測(cè)的研究成果，梳理了大量的相關(guān)文獻(xiàn)、總結(jié)了各種方法的優(yōu)缺點(diǎn)之后選擇用SVM進(jìn)行建模。這是由于該算法對(duì)變量分布沒(méi)有嚴(yán)格限制，兼具較好的學(xué)習(xí)能力和泛化能力，即使是在小樣本情況下也有著較高的模型預(yù)測(cè)精度。實(shí)證結(jié)果表明，基于SVM