论文部分内容阅读
截止2018年6月,中国网民规模已达8.02亿,其普及率达到57.5%,中国具有全球数量最多的网民群体,同时建设数字强国的战略逐步实施,这均成为互联网企业蓬勃发展的土壤。但由于经历过去十几年的互联网“大蛮荒”时代,互联网企业在快速壮大的同时深藏诸多财务风险,对企业发展埋下了祸端,目前学术领域已有许多关于企业财务风险预警模型的成果,但聚焦于细分行业,着力点于我国互联网行业的预警研究相对较少,这一现象使得建立一套具有完整指标、及时有效且富有针对性的互联网企业财务风险预警模型迫在眉睫。财务风险预警是一种最为直观体现当前和未来企业财务状态的方法,能够使决策者迅速定位生产经营存在的问题和难点,制定行之有效的应对措施,同时降低投资人的投资风险,而对于政府监管而言,能够根据预警模型制定出更为准确有效的监管方案。因此加强对互联网企业的财务风险管理无论从宏观层面,抑或是微观层面都拥有较强的现实意义。互联网上市企业的财务活动会受到筹资过程、流量经济、盈利手段、技术创新等方面的影响,本文根据这些影响因素选取了19个财务指标,以及描述企业治理能力、技术创新能力等12个非财务指标,构建了互联网上市公司财务预警指标体系。本文首先通过梳理国内外关于财务风险定义,财务预警方法以及互联网企业风险管理的文献,为后文的研究建立丰富的理论基础。再则,通过对我国互联网行业特征,互联网财务风险特点以及风险成因进行识别和总结,试图从行业着手刻画财务风险对企业的影响路径,探析财务风险预警机制,为选取财务预警指标提供参考依据。其次,收集我国2015至2017年的互联网行业上市企业样本数据,共257家,经过筛选后以184家互联网上市企业作为研究对象。随后,先通过Lasso回归剔除部分相关性不高的指标,再利用SPSS 22软件对指标数据进行标准化处理和因子分析,通过主成分分析进行降维得到能够有效反映企业财务状况的7个主成分,最后,利用Python语言建立PCA-SVM模型数据进行实证检验,并与Logistic模型、BP神经网络模型进行对于预测率分析,得到PCA-SVM模型较之另外两种方法有更高的预测准确率,以及更低的犯错率,进一步确认PCA-SVM模型用于互联网企业财务预警系统的有效性和准确性,并根据实证结果,得到针对互联网行业财务风险控制的对策与建议。