论文部分内容阅读
房地产作为我国国民经济的支柱产业之一,重要性不言而喻。作为一个产业关联度强的行业,其所带动的上下游产业链相当长。房地产业具有高风险,一旦企业发生信用风险,将会给整个国民经济的稳定带来重创。因此,对房地产企业进行信用评价具有极其重要的意义。而当前,我国对于房地产财务信用评价的研究甚少,迫切的需要引入科学有效的模型来解决信用评价问题。本文基于这种需求,以房地产上市公司为研究对象,利用神经网络模型来构建一个适用于我国房地产企业的财务信用评价模型,并对完善房地产企业财务信用评价体系提出建议。
本文首先对国内外现有的研究进行了相关文献的梳理和述评,在此基础上形成了本文的研究思路及研究框架。接着对信用、企业财务信用及信用评价的定义进行了界定,进一步介绍了马克思资本论、信息不对称理论、交易成本理论和博弈论等与财务信用评价相关的理论。第三章对我国房地产企业的发展现状进行了描述,介绍了我国房地产企业的财务信用评价现状并对现有评价存在的问题进行了分析。结合房地产企业的特点,笔者建立了一个财务指标与非财务指标相结合、定量指标与定性指标相结合的房地产财务信用评价指标体系,对神经网络模型进行介绍并根据已建立的指标体系构建了一个基于BP神经网络的财务信用评价模型。根据已构建的财务信用评价模型,展开了模型的实证分析过程,主要包括使用因子分析法对65个房地产上市公司的15个指标进行变量维度的缩减,得到五个主因子并根据其特点赋予相应的经济意义。根据各样本的因子得分使用聚类分析将样本分成好、中、差三个信用等级;使用其中的44家企业对神经网络模型进行训练,并使用剩余的21家企业对训练完毕的模型进行有效性验证并证实了该模型具有较高的预测准确率。通过对实证过程和结果的分析,得到了相关的结论。最后在研究的基础上提出了建立有效的财务信用评价体系、加强信用信息披露、加强信用评价行业的规范发展和加强和完善法制建设的建议以进一步完善我国房地产企业的财务信用评价体系。