论文部分内容阅读
我国的创业板市场成立仅有5年的时间,相关法律和制度还在不断完善之中,创业板企业高成长性、高风险的特点决定了创业板市场在运行过程中存在较大的风险,并且大多风险的前期都会通过企业的财务报表体现出来。虽然关于上市公司财务预警的研究较多,然而创业板作为近几年的一种新兴事物,独立于主板的融资市场,目前针对创业板上市公司的研究成果还不够成熟。本文选取创业板上市公司2010-2012年的财务数据作为研究样本,构建了基于BP神经网络的财务预警模型,并通过仿真样本进行了仿真和个案验证分析,获得了较为准确的预警效果,为创业板上市公司财务危机预警研究提供了一定的参考。本文首先介绍了创业板上市公司财务预警研究的背景、意义、国内外研究现状,并结合前人研究的成果和不足,提出了本文研究内容、研究防范和可能的创新之处。接着介绍了财务预警理论,并结合创业板上市公司的特点,对创业板上市公司财务危机的形成原因进行了内因和外因分析。从第三章起为本文构建财务预警模型的核心部分,本文选取了34家能全面反映创业板特点的上市公司2010-2012年的数据作为研究样本,并通过预警区间的划分和危机标准的选择确定了预警度,结合统计学软件SPSS20将预警指标通过因子分析进行优化,获得7个相关指标变量作为预警模型的输入变量。第四章为模型构建部分,通过介绍BP神经网络理论,提出了选择BP神经网络建立财务预警模型的依据,接着将前文优化的输入变量导入神经网络进行学习和训练,并通过仿真样本对训练模型进行检验,获得了较高的预警准确率。然后,通过将“上海凯宝药业”2010-2012年的财务数据进行个例验证仿真,获得了很好的预测结果,验证了本模型的优越性。最后,本文结合创业板上市公司的特点,对创业板上市公司财务预警模型的研究进行了总结,提出了财务危机的防范措施,同时对本文撰写过程中不足之处进行了总结,并提出了以后的研究方向。