论文部分内容阅读
大数据时代的到来推动企业管理走向信息化、智能化,信息技术在企业投资决策领域的应用日益受到关注。投资决策对企业整个经营状况的影响广而深,一旦投资决策失误会引起极大风险。科学把握企业自身的投资能力是避免企业过度投资,合理规划投资规模的关键。因此,本文试图借助信息技术构建科学有效的投资能力预测模型,为投资决策提供可靠的参考信息。投资能力分析需要对企业的经营环境、投资环境进行全面的评估,评估的精确度取决于信息的质量和数量以及信息的处理方法。显然,信息质量越高,信息面越广,方法越合理,评估结果越接近真实,偏差越小。数据挖掘技术是融合统计学、人工智能、机器学习等方面的理论,通过计算机信息技术进行数据整理、分析的年轻技术,在数据采集、整理、归类、分析方面与传统数据分析方法相比具有极大优势,其数据处理的速度和数据分析的精确度都是传统数据分析方法难以比拟的。因此,本文试图将数据挖掘技术引入投资管理领域,利用数据挖掘的分析方法评估企业的投资能力,提高企业投资有效性,降低企业的投资风险。据此,本文将基于数据挖掘技术构建投资能力预测模型,模型研究过程具体包括以下几部分:第一部分,通过阅读文献资料和实地调研,搜集投资能力的相关理论和企业实务中投资能力分析的相关信息,研究投资能力的关键影响因素以及分析评价现有预测模型的优缺点;第二部分,在分析评价已有模型的基础上构建投资能力的模型框架;第三部分,构建衡量投资能力的多层次指标体系,并采用数据挖掘技术结合定性分析进行度量;第四部分,将投资能力预测模型应用于X公司,检验模型的有效性,从而加以改进。在研究已有投资能力预测模型的基础上,本文从现金流角度以现金流恒等式为逻辑起点构建投资能力预测模型,基于数据挖掘技术构建的投资能力预测模型,极大的提高了预测速度和精度。与传统的投资能力预测模型相比,本文模型在指标体系的构建和指标预测方法的选择上都具有极大地优势。首先,本文通过构建多层次的指标体系,扩大了指标的信息涵盖面,使得指标构建更全面、精细,从而有效提高了模型的预测精度。其次,本模型的指标预测方法更具科学性,测算采用数据挖掘方法避免了传统模型中经验估计的主观性引起的偏差,同时,其借助计算机技术进行数据分析处理,测算速度得到极大的提高。另外,数据挖掘方法能有效处理庞大的数据信息,可使企业搜集的信息实现效用最大化。