论文部分内容阅读
上市公司财务风险分析面临数据规模大、数据结构复杂、财务数据粉饰造假手段隐蔽、多元化经营的上市公司偿债能力动态评价困难等挑战。大数据处理分析和认知计算技术的快速发展，为应对这一挑战提供了基础。为了建设企业诚信体系、优化企业融资环境，提升资本市场运行效率，论文以数据挖掘技术为核心，对企业财务风险分析系统及系统建设的关键技术展开相关研究，完成的主要工作和创新点包括: 1.构建了上市公司财务风险分析系统的体系架构 在对上市公司财务分析数据来源及上市公司财务分析方法体系进行分析的基础上，建立了包括多结构数据采集存储、数据分析挖掘和数据应用展现三个层级的上市公司财务风险分析体系架构。该架构充分融合了可扩展商业报告语言、数据仓库、数据挖掘和可视化等大数据技术，设计实现了从上市公司原始数据采集到数据加工、存储、挖掘和结果展现等端到端的技术路线。系统采用数据层、分析层和展现层等分层结构设计，降低了模块间的耦合性，满足了系统构架时需要解决的易用性、并发性、通用性和扩展性等方面的需要。 2.提出了基于逻辑回归算法构建的财务诚信度评分模型 对可以适用于财务诚信度分析的多种数据挖掘算法进行了比较分析，在此基础上择优选取逻辑回归算法作为数学原型，构建了一种财务诚信度评分模型。在建模过程中，首先采用相关性分析中的斯皮尔曼方法与最大期望算法中的卡方方法，基于每个指标10个分位数点上目标变量分布，对包含非财务指标等非结构化数据在内的2200多个变量进行初次筛选，其次运用逻辑回归中的向后消除、逐步、和评分等机器学习算法对变量进行二次筛选，然后将筛选出来的变量应用逻辑和概率算法进行建模，最终建立了包含20个核心变量的财务诚信度评分模型。论文选取了21家企业来对财务诚信度评分模型预测结果进行验证，结果表明财务诚信度评分模型的预测结果与企业实际的财务诚信表现相符，模型结果具备很好的业务解释性。 3.提出了企业偿债能力评级模型 以信贷资产五级分类为基础确定了模型的目标变量，分别采用基于统计技术的Probit回归算法和逻辑回归算法，以及基于归纳技术的决策树算法和神经网络算法建立模型，并通过对模型预测能力和模型可解释性的综合比较，最终建立了基于逻辑回归算法的企业偿债能力评级模型。同时，结合企业规模和特殊行业对偿债能力评价的影响因素差异，分别建立了大型企业、中型企业、小型企业、房地产企业和全部企业五类模型。论文选取了21家企业来进行偿债能力评级模型验证，结果表明偿债能力评级模型能够很好的预测企业的实际偿债表现，该模型结果同样具备很好的业务解释性。 4.设计并实现了一套集成可扩展商业报告语言的企业财务风险分析系统 论文将财务诚信度评分模型和企业偿债能力评级模型集成到了上市公司财务风险分析系统中，并通过可扩展商业报告语言，实现了对上市公司数据的高质量、标准化采集和存储，并结合数据仓库、数据挖掘和可视化等大数据技术构建了财务报表分析展示、财务指标分析展示、单指标预警、综合财务分析、财务诊断书、诚信度评级和偿债能力评级等七大应用功能。性能测试表明，所实现的系统可支持5000个用户同时在线，并且50个以内用户的并发平均响应时间为0.26秒，能够适应大中型企业财务分析应用对性能的要求。系统在某证券交易所和某股份制银行进行了部署和实践，应用效果表明该系统对企业财务诚信度和偿债能力预测精准、系统简单易用，达到了预期设计目标。 论文研究并实现的企业财务风险分析系统可有效提升对上市公司财务数据分析利用的能力，可以广泛应用于提升监管机构对上市公司财务风险的监管效率，还可用于金融机构开发优质客户、防范企业信用风险等场景，从而大幅提升金融机构的风险管理能力。而且本论文建立的模型、分析方法及分析系统还可以应用于银行、保险、证券、期货、基金等金融机构，推广价值巨大。