基于ODR-ADASYN-SVM模型的高新技术企业财务危机预警研究

高新技术企业对于我国经济发展的推动作用不言而喻,但同时其也具有高风险的特征,因此对高新技术企业进行财务危机预警研究,有着十分重大的意义。通过在我国A股市场中选择了42家被ST的高新技术企业和420家非ST的高新技术企业作为研究样本,引入不平衡处理技术中的ODR(逐级优化递减欠采样)和ADASYN(自适应合成抽样方法)与传统SVM(支持向量机)相结合,构建了ODR-ADASYN-SVM模型,对高新技术企业财务危机预警进行研究。再将实证结果进行横向比较,与单一SVM模型、BAYES模型、KNN模型、DISTANCE模型等进行对比分析。实证结果表明:引入ODR-ADASYN数据处理方法有效地增强了SVM学习非均衡样本的能力,提高了模型的整体预测性能,能够有效地对高新技术企业进行财务危机预警。     

企业财务危机预警中非财务指标研究

在竞争日益激烈的市场经济舞台,环境复杂多变,越来越多的企业面临着陷入财务危机的风险,随着危机意识的增强,企业财务危机预警的研究取得了长足的发展。由于财务指标的局限性,仅靠财务指标建立预警模型来预测财务危机具有一定不确定性,通过引入非财务指标,构建综合运用财务指标与非财务指标的全面预警指标体系,对增强财务危机预警模型的科学性、准确性和有效性具有重要意义。     

基于非财务指标视阈下的财务危机预警系统的国内外研究现状

传统的财务危机预警多基于财务指标,但由于很多公司存在财务包装、粉饰财务数据的可能性,不少学者考虑需在财务危机预警模型中加入非财务指标以弥补财务指标的滞后性,同时削弱由于报表粉饰造成的信息失真的局限性。在金融危机、金融脱媒、利率市场化的背景下,引入能够超前预测公司、金融机构财务危机的预警指标,建立结合财务指标与非财务指标的综合、敏感、高效的财务危机预警模型,防范财务危机成为了一项迫在眉睫的任务。     

基于支持向量顺序回归机对农业经济预警的研究

在统计学习理论与支持向量机理论方法的基础上,将支持向量顺序回归算法与宏观经济预警研究相结合,建立了基于支持向量顺序回归经济预警模型;通过编制Matlab软件程序,结合黑龙江省经济数据,获得经济预警的分类超平面和预测警限区间,并进行内插和外推检验。结果表明,该预警模型预测的可靠性和拟合是有效可行的,具有很高的精度。     

基于GA优化的RF-Softmax水质预测模型研究

针对水质检测周期长、成本高等问题，提出了基于遗传算法优化的RF-Softmax水质预测模型。采用机器学习的方法，使用随机森林算法进行特征选择建立水样本中氨氮、总磷2项水质参数与水质类别的数学关系模型方法对水质类别进行预测。采用遗传算法替代传统Softmax回归算法训练过程中使用的梯度下降法，解决了逻辑回归算法在目标函数不是严格凸函数的情况下，容易陷入局部最优解的问题。以江阴市南闸街道地区地表水作为研究对象进行验证，结果表明，使用GA优化的RF-Softmax回归模型预测的准确率最高，其预测正确率相比传统Softmax回归和BP神经网络分别提高11.73和8.40百分点，平均误差分别降低58.68%和34.92%，平均均方根误差分别降低39.02%和23.62%。优化效果显著，能够实现高效、准确、低成本、快速的地表水质预测，为水质监测与预警提供了新思路，对于水质管理与环境保护具有重大意义。     

后金融危机时代中小企业财务危机预警管理

2008年的全球性金融危机给我国中小企业带来了巨大的冲击，绝大多数中小企业陷入了财务困境，甚至破产倒闭。在后金融危机时代，我们应该吸取经验教训，提高中小企业财务危机意识，加强财务危机的预警，防患于未然，因此建立中小企业财务危机预警模型成为刻不容缓的任务之一。文章尝试在传统的基于功效系数法下构建的中小企业财务危机预警模型中加入了关键性的非财务指标，试图通过定量与定性指标的结合，以期增加模型的全面性与准确性。     

基于改进型神经网络的植物病虫害预警模型的构建

通过对植物病虫害预警模型相关原理和方法的研究,并结合粒子群算法对后向传播神经网络进行参数优选,构建了基于粒子群和神经网络混合算法的植物病虫害纽合预警模型。测试结果表明预警模型的构建有效且可行,为构建有效的预警平台应用提供了可行的模型结构。     

基于支持向量机模型的财务预警应用研究

应用上市公司财务比率数据,采用支持向量机模型(SVM)对上市公司财务危机进行预警,给出了财务预警指标及量化方法,分析了基于支持向量机模型的中长期预警能力。研究结果表明了支持向量机应用于财务预警的可行性和实用性,最后提出了以多模式分类标识财务预警警度的可能性。     

基于迁移学习和数据增强的小样本柑橘缺陷检测研究

小样本目标检测旨在通过少量样本实现对图像中目标的识别和定位。目前针对柑橘缺陷的小样本数据集进行的检测较少,本文提出了使用数据增强和迁移学习来对小样本柑橘的缺陷类型进行检测的方法,采用旋转、裁剪和高斯模糊进行数据增强来扩充数据集,与使用迁移学习方法进行对比。实验表明：迁移学习方法中最优算法是FRCN ft-full,基于该算法的20-shot任务的mAP值为67.823%;在基于数据增强的方法中使用Faster R-CNN算法的mAP值达到了84.7%,使用YOLOv8算法的mAP是85.3%,YOLOv8算法略优于Faster R-CNN算法。迁移学习方法增强了检测模型的泛化能力,加快了模型的收敛速度;数据增强方法有效扩充了数据集,提升了小样本柑橘缺陷检测模型的准确性。     

基于Web Service的植物病害预警平台的实现*

 针对常见植物病虫害预测方法通用性差,模型难于复用,通过对植物病害数理统计与神经网络预警模型相关原理和方法的研究,利用植物病理预警模型研究的成果,结合历史数据,使用Web Service技术构建并实现了植物病害的动态预警平台。植物病害预警平台可以动态建立不同地区不同作物不同病害的不同类型的预警系统,为农业病害预警预测提供了一种实用的解决方案。     

基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发，对企业财务困境进行预警研究：首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型，识别出期望现金流及风险现金流；然后以这两个指标作为预警变量，构建一个二元Logistic财务困境预警模型；最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明，所构建的CFaR模型能较好地度量两类上市公司的现金流状况，且两类公司的期望现金流和风险现金流水平存在显著的差异；二元Logistic预警模型能较好地实现对上市公司财务风险的预警，对两类公司的预警正确率分别达到85.2%和81.5%。     

我国上市公司财务困境成因及治理对策探讨

从财务困境的概念及相关理论入手,在明确财务困境与公司治理关系的基础上,分别从股权结构,董事会结构和管理人员权责等几个方面,分析得出财务困境的形成有内部和外部两种原因。并针对上述分析提出加强股权结构、加强董事会规模和采用两权分离办法等治理对策。     

公司治理、管理者动机与衍生金融工具使用

基于中国上市公司2007~2013年财务数据，研究公司治理对管理者使用衍生金融工具的影响，并结合中国制度背景，深入分析和检验企业产权、政策监管对公司治理效应的影响。实证结果表明，公司治理对管理者使用衍生金融工具的动机存在重要影响，公司治理水平越高，管理者越倾向于利用衍生金融工具避免财务困境风险；相反，管理者越倾向于利用衍生金融工具规避薪酬风险。研究还发现，公司治理的作用机制会受到所有权性质的影响，国有控制属性会弱化公司治理效应，对衍生金融工具交易的政策监管差异是重要原因。     

管理者短视偏差对企业投资行为影响研究——一个基于股东短期利益压力视角的实证

基于股东短期利益压力的视角，以沪深两市2003~2009年间的A股上市公司为对象，采用多元回归分析就管理者短视偏差与企业短期投资间的关系及其对企业未来盈利能力、业绩水平和财务困境的影响进行研究。实证结果表明，管理者短视偏差越大，企业短期投资水平越高；管理者短视偏差越大，企业短期投资对企业未来盈利能力和业绩水平的削弱作用越强，意味着管理者短视偏差企业进行的短期投资降低了企业未来盈利能力和业绩水平；管理者短视偏差越大，企业短期投资对企业当期陷入财务困境可能性的削弱作用越弱，说明管理者短视偏差企业进行的短期投资虽然增大了企业风险，但是并不会加大企业当期陷入财务困境的可能性。     

事务所规模、审计行业专长与事务所审计质量传染效应

选取上市商业银行2011~2013年的14个财务指标，首先运用因子分析法提取主因子，其次将提取的主因子进行聚类分析，改变传统的二分类，将财务风险划分为四类，最后通过寻找各类银行财务风险之间具有显著性差异的指标，并对这些指标提取主因子，采用多分类Logistic 回归法构建一个上市商业银行财务风险评测模型，以期能有效地识别风险，实证结果表明，模型预测能力较好。     

就业异质性与家庭杠杆率——来自CFPS的证据

利用Tobit模型，结合2016年中国家庭追踪调查（CFPS）的数据，考察就业性质对家庭杠杆率的影响。研究发现：家庭杠杆率受户主雇佣性质、工作行业性质以及工作单位性质影响。此外，家庭杠杆率还同家庭人口、消费支出、婚姻状况紧密相关。低杠杆家庭可通过培养金融意识，适当提高杠杆以改善福利；金融机构需对不同就业性质的家庭提供差异化服务，以提高其福利水平。同时，还需对不同就业性质家庭的金融风险实施差异化监测与预判，以防控宏观经济风险。     

林业上市企业财务风险评价研究——基于因子分析法和聚类分析法

以33 家林业上市企业作为样本,通过因子分析法对其2014年的主要财务指标进行分析,识别影响林业企业财务风险的主要因素,构建林业上市企业的财务风险评价模型,对林业上市企业的财务风险程度进行打分和排序;并采用聚类分析法根据样本企业的财务风险程度将林业公司归集为良好、一般、高风险三类。针对林业公司普遍存在的财务风险,应制定相应对策。     

基于主成分分析和BP神经网络的土壤养分近红外光谱检测

基于近红外光谱技术的土壤养分快速、无损检测,有利于精细施肥决策。在一黄豆田采用7 m×7 m的栅格采集54个土样,测定其土壤有机质、速效氮、有效磷、有效钾,并使用FieldSpec 3光谱仪测定土样的近红外漫反射光谱。将54个样本随机分成预测集与验证集,其中预测集40个,验证集14个。通过平滑预处理后,利用主成分分析法(PCA)提取原始光谱8个主成分。然后以8个主成分为输入,分别以所测土壤养分作为输出,建立土壤有机质、速效氮、有效磷、有效钾的预测模型,最后对14个验证样本进行预测。结果表明,在小尺度采样的情况下进行光谱分析,采用主成分分析和人工神经网络相结合的方法建立土壤有机质预测模型,其测量值与预测值的相关性较高,相关度为0.796 2,相对误差较小,其平均值为1.88%,表明该方法预测土壤有机质含量是可行的。但对土壤速效氮、有效磷和有效钾含量的预测并不理想,还有待进一步研究。     

黄山毛峰茶贮藏时间电子鼻检测方法研究

利用电子鼻对6个贮藏时间5个等级的黄山毛峰茶进行检测,首先获取反映茶叶香气的原始特征向量,再通过主成分分析法（PCA）提取出前5个主成分作为主特征向量,然后以主特征向量作为BP神经网络（BPNN）的输入,建立黄山毛峰茶贮藏时间预测模型（PCA BPNN）。结果表明：PCA BPNN对于贮藏0 d的茶叶,最大预测误差为11 d,5个（6.67%）样本预测误差超过13 d;对于贮藏60 d的茶叶,最大预测误差为13 d,4个（5.33%）样本预测误差超过10 d;对于贮藏120 d的茶叶,最大预测误差为16 d,7个（933%）样本预测误差超过10 d;对于贮藏180 d的茶叶,最大预测误差为19 d,8个（10.67%）样本预测误差超过10 d;对于贮藏240 d的茶叶,最大预测误差为21 d,8个（10.67%）样本预测误差超过10 d;对于贮藏300 d的茶叶,最大预测误差为14 d,6个（8.00%）样本预测误差超过10 d。该研究所建立的PCA BPNN预测模型可用于检测黄山毛峰茶贮藏时间,且与以原始特征变量作为输入的BPNN模型相比,性能更好。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。