摘 要

当今社会由于我国经济变革和对外贸易的发展，企业开始处于愈渐复杂的生存环境中，稍有不慎就会使企业陷入财务危机甚至导致破产。因此，我们要对上市公司财务状况进行分析并作出预警管理，才能有效预防公司面临财务危机。

本文通过研究各类相关书籍期刊论文，在指标选取的基本原则下，选取了41家ST公司和41家非ST公司11个财务指标进行研究。在多元统计分析方面，主要采取聚类分析，因子分析等统计方法，首先构建因子分析模型，并对这些上市公司综合得分进行得分排名，对其经营状况进行合理全面评价，再通过聚类直观对这些公司进行简单财务状况分类，与因子分析得出的结果几乎一致，也可以起到初步的预警效果。而在进行进一步的预警研究方面，则采取费歇尔判别法和逐步判别法等多元统计方法，BP_Adaboost神经网络模型建立预警模型，最终对这82家上市公司财务状况作出了实际预测，并得出BP_Adaboost模型较之判别分析而言具有更好的预测效果。

关键词：聚类分析；因子分析；预警研究；判别分析；BP_Adaboost神经网络

Abstract

Nowadays, due to the development of foreign trade and economic changes, companies began to increasingly complex in the living environment, the slightest mistake will enable enterprises in financial crisis and even lead to bankruptcy. Therefore, we want to analyze the financial situation of listed companies to make early warning in order to effectively prevent the company from facing a financial crisis.

By studying various related books and Papers, under the basic principles of index selection, selecting 41 ST companies and 41 non-ST companies with 13 financial indicators for studying. In multivariate analysis, the main statistical methods adopted cluster analysis, factor analysis.At first,we construct factor analysis model, And these companies were composite score ranking score,evaluating its operating reasonably and conprehensively, and through an intuitive clustering analyze,we can make a simple classification of the financial condition of these companies, the results are almost the same with the factor analysis,and they can also play a preliminary warning effect. While conducting further research on early warning, then take Fisher discrimination method and stepwise discriminant multivariate statistical method, BP_Adaboost Neural Network Model establishment of early warning model, and ultimately these 82 listed companies' financial health has made a real prediction, and we conclude that BP_Adaboost is better than discriminant analysis model in early warning.

Key Words: Cluster analysis; factor analysis; warning analysis; Discriminant analysis;

BP_Adaboost neural network

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 1

1.2.2 国内研究现状 2

1.3 论文的研究思路及方法 2

第2章 理论基础 3

2.1 财务分析的定义 3

2.2 财务危机预警的定义 3

第3章 指标体系的建立及研究方法 5

3.1 指标设计 5

3.1.1指标的选取 5

3.1.2本文财务预警指标体系的建立 5

3.2 研究方法 6

3.2.1 因子分析 6

3.2.2 聚类分析 8

3.2.3 判别分析 9

3.2.4 BP神经网络 10

第4章 实证分析 12

4.1 研究样本的选择 12

4.2 上市公司财务状况的多元统计分析 12

4.2.1 构建因子分析模型 12

4.2.2 构建聚类分析模型 16

4.3 上市公司财务状况预警研究 18

4.3.1 构建判别分析模型 18

4.3.2 构建BP_Adaboost神经网络模型 25

第5章 结论与展望 27

5.1 结论 27

5.2 不足与展望 27

参考文献 28

附录 29

致 谢 34

第1章 绪论

1.1 研究背景和意义

随着信息科学技术、经济变革和对外贸易的发展，国内外经济也随之不断发展，各行各业间的竞争变得异常激烈，每个企业在现今社会可以让自身在经济发展中有更广阔的发展空间，然而随之而来的则是更难预测的风险。越来越多的公司承受着非常大的竞争压力，如果一个公司的营运能力或者盈利能力存在问题，那么这样的企业就很可能被残酷淘汰。因此，对上市公司财务状况进行多元统计分析并预警研究就显得至关重要。如果能够尽早发现企业存在的潜在问题，并针对这些问题进行企业的整改，让企业能够及时发现危机规避危机，就能使企业在市场竞争中激流勇进，立足于残酷的经济社会。

在这样的社会背景下，对企业财务分析及预警研究就极具现实意义，关系到国家，企业所有人，公司员工甚至社会公众的共同利益。本文就针对这一社会现象，采用相关统计分析知识进行上市公司财务分析。

1.2 国内外研究现状

1.2.1 国外研究现状

国外相关研究人员在财务分析预警研究方面较之我国较早，有单变量预警模型，多变量预警模型等研究方法。