论文部分内容阅读
资产重组有着优化资源配置,完善管理和产业结构等功能。现阶段,企业的资产重组活动日益频繁且被大多数企业选择,很多企业利用重组来扩展规模、改善资本、资产结构来增强公司抵抗行业风险的能力。虽然通过重组获得发展的公司很多,但是重组失败的企业也并不少见。重组活动是否真的提高了企业的绩效,学者们尚未得出一致结论。在现阶段重组浪潮不断升高的情况下,重组绩效预测作为判断企业资产重组能够取得有效改善的一种重要方式,显得尤为重要。对此,我们对公司进行资产重组绩效预测研究刻不容缓。 本文以旅游业上市公司2000年至2013年发生的重组活动为研究对象,并将初始选取的46个财务指标逐步通过Kolmogorov-Smirnov、独立样本T检验或Kruskal-Wallis检验、相关性分析和共线性检验等统计分析筛选出重组各年的最终财务指标;利用传统的单一预测模型MDA、Logit、Probit、决策树DT以及人工智能预测方法:案例推理CBR和支持向量机SVM来判断企业资产重组是否获得良好的绩效。由于收集的数据集中重组成功与重组失败的样本的非平衡性以及符合条件的样本数过少的原因,各种预测方法都很难达到有效的分类效果。因此本文将对收集及处理的数据进行改进的Smote增量处理,并采用六种单一预测模型分别对未增量及增量后的数据进行分类预测并比较。实证结果发现,对增量之后的样本数据的预测中,这六种单一预测模型的对重组绩效预测准确率都得到了一定程度提高。也就说明,对于旅游业资产重组的数据进行非平衡的增量处理是有效的。 其次,通过对增量后各种预测方法的绩效预测准确率的分析我们发现,虽然对非均衡数据的增量处理是有效的,可是对于重组失败样本的绩效预测准确率却很低,可见单一预测模型并不能有效的对重组失败的样本进行预测。对此,我们在增量基础上,将有监督的层次聚类算法与加权组合原理进行融合以对单一预测模型进行改进。改进后产生了CWCLogit、CWCProbit、CWCDT、CWCCBR、CWCSVM五种新的预测方法。再用经过改进的五种新的预测方法对分别对增量后的数据进行预测并与未进行改进的5种预测方法结果进行比较。实证结果显示:改进之后的CWCLogit、CWCProbit、CWCDT、CWCCBR这四种方法对于重组失败类样本的预测准确率在重组各年都有一定程度的提高。可见,聚类加权组合方法对这四种单一模型的改进是有效的,其有效的提高了对负类样本的预测准确率。 最后,我们对改进的增量处理与创新的聚类加权组合方法的实证结果进行总结。简要提出企业进行资产重组的相关启示,为决策者提供一定的理论依据,并针对本文在研究中的不足之处提出未来研究展望。