基于數(shù)據(jù)挖掘的企業(yè)財務風險預警研究.pdf

1、隨著信息化過程的迅猛推進,企業(yè)信息化管理已經(jīng)得到越來越多的關(guān)注,面對日益復雜多變的社會經(jīng)濟環(huán)境,企業(yè)風險管理難度也逐漸增大。如何建立高效的風險管理機制對企業(yè)風險預警是企業(yè)尋求的目標。傳統(tǒng)的統(tǒng)計分析已經(jīng)不能滿足對海量財務數(shù)據(jù)的處理。因此如何在企業(yè)經(jīng)營活動產(chǎn)生的大量財務數(shù)據(jù)信息中尋找出對企業(yè)財務風險預警管理有用的信息是企業(yè)當前迫切需要解決的問題。而數(shù)據(jù)挖掘技術(shù)的不斷改進創(chuàng)新,以及對海量數(shù)據(jù)研究分析的良好表現(xiàn),使得兩者緊密的聯(lián)系了起來。因此本

2、文采用數(shù)據(jù)挖掘技術(shù)對企業(yè)財務風險預警進行研究分析,具有非常重要的理論和實際意義。主要研究內(nèi)容如下:
　　首先,本文對財務風險分析以及財務風險預警進行了深入的研究,包括財務風險的成因、特征及財務風險預警的方法等。
　　其次,提出了一種更高效的基于對頻繁項集分組并行的 P-Apriori挖掘算法。該算法利用一定的規(guī)則先把頻繁(k-1)-項集分組,分組后每組的頻繁(k-1)-項子集不僅能并行處理,而且還能極大的減少頻繁(k-1)-

3、項集自連接次數(shù),再把每組產(chǎn)生的頻繁 k-項子集組合起來,就能得到頻繁k項集。有效的減少了頻繁項集產(chǎn)生的時間,提高了挖掘的效率。為進一步對財務風險分析的應用研究提供了技術(shù)保障。
　　第三,對決策樹C4.5算法進行了研究分析,采用上市公司的虛擬財務指標數(shù)據(jù)作為該算法的訓練樣本數(shù)據(jù),來展現(xiàn)構(gòu)建財務風險預警模型的過程。
　　第四,基于關(guān)聯(lián)規(guī)則 P-Apriori算法提出建立財務風險分析系統(tǒng),目的在于更便捷地處理財務指標數(shù)據(jù),為財務風

4、險研究分析提供便利性以及可靠性。通過該系統(tǒng)對66家ST公司的499條財務指標數(shù)據(jù)挖掘分析發(fā)現(xiàn)26個財務風險指標中有11個頻繁出現(xiàn)的關(guān)鍵指標,這些指標更能體現(xiàn)財務風險狀況,應該重點關(guān)注這些關(guān)鍵指標對財務風險狀況的影響。
　　最后,基于決策樹C4.5算法構(gòu)建了財務風險預警模型,使用了財務風險分析系統(tǒng)分析產(chǎn)生的11個關(guān)鍵財務指標作為決策樹的屬性集,通過對66家 ST公司和66家非ST公司財務指標樣本數(shù)據(jù)進行反復訓練得到初步的財務風險預警