论文部分内容阅读
上市公司的财务状况关系到投资者和债权人的核心利益，对企业财务状况监管不利，会造成重大的企业财务危机，导致企业破产倒闭。因此对企业财务危机进行预测与警示已经越来越受到证券监管部门和学术界的重视。数据挖掘作为一种从海量的数据中获取知识的重要手段，也越来越多的被引进财务危机预警的研究中。目前在财务危机预警的数据挖掘模型研究上，更多的是集中于算法改进，提高算法的效率，很少关注于挖掘过程前期、后期的处理过程，缺少对挖掘结果的二次处理以及挖掘结果后的知识发现，忽略了一些非财务因素，例如公司所处的情境。 本论文将尝试在领域驱动的数据挖掘理论基础上，立足公司财务风险预警领域，研究领域知识在数据挖掘过程中的作用，以及运用数据挖掘的方法研究公司财务预警，为公司运营提供有效的决策支持，实现财务风险的预警与控制的智能化管理。 本文的主要工作如下: (1)总结了当前数据挖掘和领域知识的研究现状，以及当前财务预警研究的不足，提出了领域驱动的数据挖掘方法以及在公司财务预警中的应用研究。并详细阐述了领域驱动的数据挖掘方法的框架，以及在财务预警的数据挖掘过程中应用研究。将企业生命周期理论的知识运用到财务预警的数据挖掘过程中，并且运用信息融合技术对数据挖掘结果进行融合计算，提高了对财务危机预测的准确率。最后还对预警结果进行了评价分析。 (2)针对当前数据挖掘过程中忽略领域知识的不足，将领域知识加入到数据挖掘过程中。将企业生命周期的知识加入到财务预警数据挖掘过程中，运用SVM方法建立财务预警模型，提高了财务危机预测的准确率。 (3)针对当前单一数据挖掘方法的缺陷，结合领域驱动的数据挖掘理论知识，运用信息融合的技术在基于SVM和Logistic两种数据挖掘方法的基础上建立数据挖掘模型，并以我国上市公司的为研究对象，提高了财务危机预测的准确率。 (4)在前两部分研究的基础上，在领域驱动的数据挖掘研究框架下，探讨对挖掘结果的“二次”挖掘过程，尝试运用DEA的方法对财务预警的结果进行分析评价研究，提高整个数据挖掘结果的决策支持性。 本文提出的领域驱动的数据挖掘方法，在理论上具有一定的价值;同时将领域驱动的数据挖掘方法应用于公司财务预警的实际应用中，提高了财务预警的预测效果以及决策支持性，也有较大的实用价值。