"基于神经网络与逻辑回归的财务危机预警研究"
本文研究的标题为"基于神经网络与逻辑回归的财务危机预警研究”,旨在探讨基于神经网络与逻辑回归的财务危机预警模型的建立和应用。该研究的主要目的是为了提高财务危机预警的准确性和 timeliness,以便更好地预测和防止财务危机的发生。
在研究中,我们首先对财务危机预警的相关概念和理论进行了回顾,然后对神经网络和逻辑回归这两种机器学习算法进行了详细的介绍。接着,我们对中国集体经济CHINACOLLECTIVEECONOMY摘要院文章的数据进行了分析,并以 2014~2017 年制造业上市公司 ST 企业为研究对象,选取财务危机企业 42 家,并按照 1:2 的比例选取正常经营的制造业 A 股上市公司作为配对样本组,总样本数量为 126 家。
在预测指标的选取中,我们选择了反映企业盈利能力、偿债能力、营运能力、发展能力、资本状况和现金流量状况等方面的财务指标,共选取了 28 个指标。然后,我们使用神经网络和逻辑回归算法对这些财务指标进行了预测分析,并对两种算法的预测结果进行了比较分析。
研究结果表明,although both neural network and logistic regression have good predictive effects, logistical regression analysis has higher accuracy and stronger explanatory power. This study provides a new approach for financial distress prediction and can be used as a reference for financial institutions and regulators.
本研究的贡献在于它为财务危机预警提供了一种新的方法,使用神经网络和逻辑回归算法对财务指标进行预测分析,可以提高财务危机预警的准确性和 timeliness。同时,本研究也为其他学者和实践者提供了一个有价值的参考,能够帮助他们更好地理解和应用机器学习算法在财务危机预警中的作用。
"基于神经网络与逻辑回归的财务危机预警研究"