简论决策基于ASVM创业板上市企业风险评估理工
最后更新时间:2024-04-10
作者:用户投稿本站原创
点赞:6944
浏览:22083
论文导读:
摘要:创业板的开设对缓解我国中小企业融资难、推进经济可持续进展以及提升国际竞争力都具有非常重要的现实作用和战略作用。然而,由于创业板上市企业的不成熟性、动态性、前景不确定性等复杂特点,其风险不足更加受到市场的关注。由此,建立一个科学的创业板上市企业风险评估模型,对创业投资者、创业板上市企业以及二级市场投资者准确识别、评估风险、提升风险管理能力有着及其重要的作用。本论文以创业板上市企业为探讨对象,以帮助创业板市场相关各方准确评估企业风险,提升风险制约水平为目标,探讨创业板上市企业风险评估策略。主要探讨思路如下:首先,建立创业板上市企业风险评估指标系统;其次,运用数据挖掘策略,考虑数据的不平衡性和决策者的风险偏好,构造基于自适应支持向量机(adaptive support vector machine, ASVM)的风险评估模型;第三,充分利用主观决策策略和数据挖掘策略的优势,考虑群体决策历程中的成本,构造主观指标权重约束下的ASVM风险评估模型;最后,考虑指标风险的演化历程,构造基于历程信息的ASVM风险评估模型。本论文的具体探讨内容如下:1.系统总结影响创业企业风险的因素,构建创业板上市企业风险评估指标系统。运用平衡计分卡的思想,以财务、市场及客户、内部流程、管理及员工和环境等5个视角,并考虑创业板上市企业在行业分布、公司规模、收益结构、所处的生命周期阶段、公司治理结构以及稳定性等方面不同于主板上市企业的特点,采取财务和非财务信息反映创业板上市企业风险,归纳出初步的风险评估指标系统。利用专家咨询法对指标的重要量评分,结合重要量、指标可得性等原则选择最终用于创业板上市企业风险评估的指标。2.运用数据挖掘技术,基于历史数据构造基于ASVM的创业板上市企业风险评估模型。针对国内创业板上市企业风险数据的小样本、贫信息、非线性、不平衡等复杂特点,考虑不同的决策者对分类错误风险的不同的偏好,提出了一种ASVM分类模型。针对基于ASVM的风险评估模型在非线性的情况下可解释性不强的不足,利用二次规划技术提取创业板上市企业指标系统中各个指标的权重值。3.融合历史数据的客观信息、专家的主观判断以及决策者的偏好信息构造创业板上市企业风险评估模型。针对指标权重确定历程中专家判断的一致性、群体判断的一致性以及多轮交互机制的制约等不足,提出一个考虑决策成本的群决策框架,这一框架包括两个反馈机制:第一个反馈机制是根据专家对群体意见形成的贡献来调整专家的权重,第二个反馈机制是引导专家根据群体意见和其他专家意见改善他们自身判断的质量。针对常用主客观融合对策不能真正将专家意见融入到模型的求解历程,有可能背离专家的原始判断或历史信息所确定的客观权重,出现决策结果出来后的主观调节等不足,提出基于主观指标权重约束ASVM的风险评估模型。基于数理统计的观点,将决策群体中各位专家给出的权重看作是真实权重的一个样本,在权重样本估计的权重分布区间内利用ASVM学习得到真实的权重值。4.考虑指标风险的演化历程,构造基于历程信息ASVM的风险评估模型。针对常用风险评估模型单纯以单期截面数据构造模型,对风险动态演化走势信息反映能力不足和不重视决策者的主观判断等不足,对不同特性的指标运用不同的策略度量其风险。对能以单期截面数据反映的状态变量,采取一种包含期望目标的S型函数度量指标蕴含的风险;对于需要用时间序列数据反映的历程变量,则借助现代金融论述的资产风险度量策略,综合考虑决策者对指标的期望、时间序列的均值、方差或分布偏斜等特点,将包含企业风险演化走势信息的时间序列数据映射为一个截面值,以而使风险评估模型具有处理动态信息的能力。关键词:创业板上市企业论文风险评估论文指标系统论文平衡计分卡论文自适应支持向量机论文群决策论文决策成本论文主客观融合论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要8-10
Abstract10-12
致谢12-16
插图清单16-17
表格清单17-18
第一章 绪论18-32
创业板上市企业风险因素及指标系统21-22
4.
4.
附录 调查问卷118-121
在读期间参加的科研工作和发表论文121
摘要:创业板的开设对缓解我国中小企业融资难、推进经济可持续进展以及提升国际竞争力都具有非常重要的现实作用和战略作用。然而,由于创业板上市企业的不成熟性、动态性、前景不确定性等复杂特点,其风险不足更加受到市场的关注。由此,建立一个科学的创业板上市企业风险评估模型,对创业投资者、创业板上市企业以及二级市场投资者准确识别、评估风险、提升风险管理能力有着及其重要的作用。本论文以创业板上市企业为探讨对象,以帮助创业板市场相关各方准确评估企业风险,提升风险制约水平为目标,探讨创业板上市企业风险评估策略。主要探讨思路如下:首先,建立创业板上市企业风险评估指标系统;其次,运用数据挖掘策略,考虑数据的不平衡性和决策者的风险偏好,构造基于自适应支持向量机(adaptive support vector machine, ASVM)的风险评估模型;第三,充分利用主观决策策略和数据挖掘策略的优势,考虑群体决策历程中的成本,构造主观指标权重约束下的ASVM风险评估模型;最后,考虑指标风险的演化历程,构造基于历程信息的ASVM风险评估模型。本论文的具体探讨内容如下:1.系统总结影响创业企业风险的因素,构建创业板上市企业风险评估指标系统。运用平衡计分卡的思想,以财务、市场及客户、内部流程、管理及员工和环境等5个视角,并考虑创业板上市企业在行业分布、公司规模、收益结构、所处的生命周期阶段、公司治理结构以及稳定性等方面不同于主板上市企业的特点,采取财务和非财务信息反映创业板上市企业风险,归纳出初步的风险评估指标系统。利用专家咨询法对指标的重要量评分,结合重要量、指标可得性等原则选择最终用于创业板上市企业风险评估的指标。2.运用数据挖掘技术,基于历史数据构造基于ASVM的创业板上市企业风险评估模型。针对国内创业板上市企业风险数据的小样本、贫信息、非线性、不平衡等复杂特点,考虑不同的决策者对分类错误风险的不同的偏好,提出了一种ASVM分类模型。针对基于ASVM的风险评估模型在非线性的情况下可解释性不强的不足,利用二次规划技术提取创业板上市企业指标系统中各个指标的权重值。3.融合历史数据的客观信息、专家的主观判断以及决策者的偏好信息构造创业板上市企业风险评估模型。针对指标权重确定历程中专家判断的一致性、群体判断的一致性以及多轮交互机制的制约等不足,提出一个考虑决策成本的群决策框架,这一框架包括两个反馈机制:第一个反馈机制是根据专家对群体意见形成的贡献来调整专家的权重,第二个反馈机制是引导专家根据群体意见和其他专家意见改善他们自身判断的质量。针对常用主客观融合对策不能真正将专家意见融入到模型的求解历程,有可能背离专家的原始判断或历史信息所确定的客观权重,出现决策结果出来后的主观调节等不足,提出基于主观指标权重约束ASVM的风险评估模型。基于数理统计的观点,将决策群体中各位专家给出的权重看作是真实权重的一个样本,在权重样本估计的权重分布区间内利用ASVM学习得到真实的权重值。4.考虑指标风险的演化历程,构造基于历程信息ASVM的风险评估模型。针对常用风险评估模型单纯以单期截面数据构造模型,对风险动态演化走势信息反映能力不足和不重视决策者的主观判断等不足,对不同特性的指标运用不同的策略度量其风险。对能以单期截面数据反映的状态变量,采取一种包含期望目标的S型函数度量指标蕴含的风险;对于需要用时间序列数据反映的历程变量,则借助现代金融论述的资产风险度量策略,综合考虑决策者对指标的期望、时间序列的均值、方差或分布偏斜等特点,将包含企业风险演化走势信息的时间序列数据映射为一个截面值,以而使风险评估模型具有处理动态信息的能力。关键词:创业板上市企业论文风险评估论文指标系统论文平衡计分卡论文自适应支持向量机论文群决策论文决策成本论文主客观融合论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要8-10
Abstract10-12
致谢12-16
插图清单16-17
表格清单17-18
第一章 绪论18-32
1.1 探讨背景和作用18
1.2 探讨近况与不足浅析18-28
1.2.1 相关概念及探讨近况18-21
1.2.2论文导读:息获取策略81-824.3.2主观指标权重约束的ASVM模型82-854.4算例浅析85-904.5本章小结90-92第五章考虑风险演化历程的ASVM风险评估模型92-1055.1不足浅析92-935.2指标风险度量策略93-1025.2.1状态变量的风险度量策略93-955.2.2常用的历程变量风险度量策略95-985.2.3本论文采取的历程变量风险度量策略98-1025.3算创业板上市企业风险因素及指标系统21-22
1.2.3 风险评估建模策略22-28
1.3 探讨内容、探讨目标以及探讨策略28-29
1.3.1 探讨内容28-29
1.3.2 探讨目标29
1.3.3 探讨策略29
1.4 探讨思路与论文结构安排29-32
第二章 创业板上市企业风险评估指标系统32-502.1 创业板上市企业风险概述32-33
2.2 基于平衡计分卡的风险评估指标系统33-43
2.1 平衡计分卡33
2.2 基于财务视角的风险评估指标33-37
2.3 基于市场与客户视角的风险评估指标37-38
2.4 基于内部流程视角的风险评估指标38-40
2.5 基于人力资源视角的风险评估指标40-42
2.6 基于环境视角的风险评估指标42-43
2.3 影响创业板上市企业风险的关键因素浅析43-49
2.3.1 问卷设计及评分规则43-44
2.3.2 专家评分情况的整体浅析44-45
2.3.3 指标重要量排序策略45-49
2.4 本章小结49-50
第三章 基于自适应支持向量机的风险评估模型50-723.1 不足浅析50-52
3.2 支持向量机分类原理52-56
3.2.1 线性可分的情况52-54
3.2.2 线性不可分的情况54-56
3.3 ASVM 模型及其求解策略56-603.1 不足描述及 ASVM 模型56-57
3.2 ASVM 模型的求解策略57-59
3.3 基于 PSO 的 ASVM 模型参数选择59
3.4 算法描述59-60
3.4 实验及结果浅析60-65
3.4.1 实现环境、参数设置及实验数据60-61
3.4.2 实验策略及结果61-64
3.4.3 讨论64-65
3.5 ASVM 的解释性及其权重提取策略65-68
3.6 算例浅析68-70
3.6.1 样本及指标的选取68-69
3.6.2 实验结果69-70
3.7 本章小结70-72
第四章 主观指标权重约束的 ASVM 风险评估模型72-924.1 不足浅析72-74
4.1.1 主客观策略比较72-73
4.1.2 主观权重确定策略73-74
4.1.3 主观权重约束下的 ASVM 求解策略74
4.2 基于 AHP 群决策的权重确定策略74-814.
2.1 AHP 群决策74-75
4.2.2 考虑决策成本的群决策框架75-78
4.2.3 考虑决策成本的一致性算法78-80
4.2.4 提出模型的性质80-81
4.3 主观指标权重约束的 ASVM 模型81-854.
3.1 主观信息获取策略81-82
4.3.2 主观指标权重约束的 ASVM 模型82-85
4.4 算例浅析85-904.5 本章小结90-92
第五章 考虑风险演化历程的 ASVM 风险评估模型92-1055.1 不足浅析92-93
5.2 指标风险度量策略93-102
5.2.1 状态变量的风险度量策略93-95
5.2.2 常用的历程变量风险度量策略95-98
5.2.3 本论文采取的历程变量风险度量策略98-102
5.3 算例浅析102-1045.4 本章小结104-105
第六章 总结与展望105-1086.1 论文的主要探讨工作及革新点105-107
6.2 探讨中有着的局限和未来探讨的展望107-108
参考文献108-118附录 调查问卷118-121
在读期间参加的科研工作和发表论文121