首页> 中文学位 >基于支持向量机集成学习方法的高新技术上市公司绩效预测研究——来自创业板数据
【6h】

基于支持向量机集成学习方法的高新技术上市公司绩效预测研究——来自创业板数据

代理获取

目录

声明

摘要

第一章 绪论

1.1 研究背景与意义

1.2 研究目的与内容

1.3 研究方法与路径

1.4 可能的创新之处

第二章 文献综述

2.1 企业绩效的内涵

2.2 企业绩效预测研究的聚焦点

2.3 企业绩效预测的方法

2.4 企业绩效预测指标体系

2.5 文献评述

第三章 基于支持向量机集成学习方法的高新技术企业绩效预测模型构建

3.1 支持向量机集成学习方法的基本原理

3.1.1 支持向量机学习方法

3.1.2 集成学习方法

3.1.3 支持向量机集成学习方法预测基本原理

3.2 企业绩效预测模型构建

3.2.1 支持向量机学习方法预测模型构建

3.2.2 支持向量机集成学习方法预测模型的构建

3.3 企业绩效预测指标体系

3.3.1 指标的选取原则

3.3.2 指标的构成

3.3.3 指标的筛选方法

3.4 基于支持向量机集成学习方法的企业绩效预测流程

第四章 基于支持向量机集成学习方法的高新技术企业绩效预测

4.1 样本的选取与数据来源

4.2 样本企业绩效的判别与分类

4.3 指标筛选

4.3.1 指标数据的标准化处理

4.3.2 指标数据的正态分布检验

4.3.3 指标数据的T检验与非参数检验

4.3.4 指标数据指标的相关性检验

4.4 预测模型测试

4.4.1 支持向量机学习方法预测模型测试

4.4.2 支持向量机集成学习方法预测模型的测试

4.4.3 两种模型测试结果对比分析

4.5 模型预测的应用

4.6 模型应用小结

第五章 结论与后续研究方向

5.1 研究结论

5.2 研究局限与后继研究的方向

致谢

参考文献

展开▼

摘要

自主创新能力是高新技术企业最核心的竞争力来源,目前高新技术企业所处的市场竞争异常激烈,技术更新速度也达到一个新高度,这就使高新技术企业未来的发展面临更严峻的形势,未来发展具有不确定性,特别是在创业板上市的高新技术企业,由于在创业板上市相对于主板市场来说门槛较低,未来发展更具不确定性,这也使得高新技术企业股东、债权人等外部利益相关者需要一种可以更为有效预测高新技术企业绩效的方法,为其决策提供依据,以实现既定风险下的收益最大化,而支持向量机这种新型学习方法以其适用于小样本、非线性、高维数的特点被应用于分类领域。本文在国内外学者关于企业绩效预测的研究的基础上,将创业板上市的高新技术企业作为样本,将支持向量机这一机器学习算法引入到企业绩效预测中,并在支持向量机模型的基础上构建支持向量机集成学习方法预测模型,并通过实证构建不同年度预测模型并进行测试,得到其预测准确度。
  论文研究结果表明以支持向量机为基础构建的支持向量机模型集成学习方法的预测精度高于支持向量机模型,此外,越靠近预测年度的预测模型其预测精确度越高。构建出的高新技术企业绩效预测模型可用来为高新技术企业股东、债权人等外部利益相关者在进行决策时提供参考依据。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号