论文部分内容阅读
最近几年，中国汽车行业发展迅速，整个汽车行业也是越来越集巾。而且这个行业的上市公司数量与日俱增。现如今，汽车行业已经跃身为中国国民经济的支柱产业。它的关联度比较大，涉及到很多其他行业，另外由于现在中国的汽车制造技术还不够成熟，另外我国的金融市场还不够完善，使得汽车行业承受着巨大的财务风险。SOM(Self-Organizing Feature Map，人工神经网络)模型是一种不需要参数、不需要监督的聚类方法，适应性强而且可以很优秀的进行聚类。如何根据实际情况应用SOM网络进行企业财务风险评价，对现有SOM进行改进，提高解的精确度，利用改进后的SOM对汽车企业进行财务预警研究，指导和应用于实践，是文章要重点做的研究。 本文从目前中国汽车企业财务风险的具体情况出发，利用沪深两市94家汽车行业上市公司和26个财务预警指标，构建了汽车财务风险评价模型。第一，阐述了中国汽车企业的财务风险现状，通过分析产生风险的各个环节，得出现阶段存在的主要问题，及其形成原因和影响因素。第二，建立SOM聚类模型。第三，建立了汽车行业上市公司企业财务风险评价指标模型。收集到94家沪深汽车上市公司的财务信息，整理了这94家汽车上市公司的财务报表，筛选出26个财务指标的具体数据。第四，对SOM网络进行改进，然后用改进之后的模型对94家汽车行业上市公司财务数据样本进行聚类分析，根据聚类的结果，分类反映出各个层次的企业的财务特征，使得企业的财务状况清楚明晰。第五，根据模型结果提出汽车行业企业财务风险管理的相关建议。