第一章绪论
1.1课题研究背景及意义
目前，我国市场经济建设取得了较好的成绩，带动了资本市场的飞速发展，而企业募集资金的主要场所就是资本市场，资本市场能帮助投资者获得较好的回报。因此，企业中高层管理人员，投资者和债权人等利益相关者所关注的焦点就是企业财务状况的好坏。在市场经济条件下的企业之间竞争残酷，市场风云变幻莫测，企业如经营效率、管理水平、创新能力等方面处于优势的企业将蓬勃发展，反之，企业将陷入财务危机。国内如广州标致、银广厦、太子奶、巨人集团和蓝田股份等，国外如巴林银行、韩国大宇、安然、王安和世通等上市公司财务状况都出现过危机或破产。
我国在1994年7月1日就出台并正式实施了《公司法》，规定中指出上市公司如连续亏损三个会计年度，证券管理部门将有权决定其股票暂停上市或终止上市。中国证监会在1998年3月16日颁布实施的《关于上市公司状况异常期间的股票特别处理方式的通知》中，明确指出如上市公司出现损害到企业利益相关者的权益的财务困境或其他异常状况时，交易所应对其股票交易实行ST(Special Treatmeat)处理。深沪券交易所于2003年4月4日发布了《关于对存在股票终止上市风险的公司加强风险警示等有关问题的通知》，明确指出被实施退市风险警示处理的股票前标记出“*ST”以区别于其他股票，且被“*ST”股票报价的日涨日跌幅度均不能超过35%。以上这些制度的发布和实施将敲响所有上市公司的警钟，特别是出现财务异常问题的上市公司。被ST的上市公司将会面临更严厉的监管，融资渠道更加狭窄，股票价格大幅度下跌等问题。这些问题给投资者和公司的生产经营带来了巨大损失和压力，因此，众多企业也慢慢认同了 “生存重于利润”和“预防重于治疗”的观念。当前首当其冲的问题就是，如何利用信息技术建立一个优化后的上市公司财务危机预警模型来有效地防范上市公司财务危机这是上市公司利益各方迫切解决的现实问题，也是确保我国资本市场健康发展和金融秩序的稳定的重要手段。
1.1.2课题的研究意义
财务危机预警是企业财务管理的重要内容，也是上市公司及时发现隐患和危机并加以防范，保护利益相关者的投资风险，协助证券部门及政府管理部门的管理及监控的主要手段与机制。因此，通过数据挖掘技术构建有效的财务预警体系，以及上市公司财务危机预警的实证研究是具有重要的应用价值和现实意义：
1. 从宏观角度来看，财务危机预警有利于提高国家的资源宏观配置能力
当企业发生财务危机后，企业因此产生巨大的损失，严重时将导致企业破产，这也意味着社会资源被浪费，社会财富被毁灭，大量员工失业，严重影响到国民经济稳定和正常的运行。企业在残酷的市场经济竞争下，由于对风险意识认识不足，出现企业经济效益状况日益下滑，导致发生了企业困境，也无法偿还银行信贷，从而加大商业银行的信用风险，甚至发生金融危机，造成社会动荡等严重问题。因此，国家在制定宏观经济政策和调控经济运行时，将以企业经济效益状况作为重要的参考数据，及时收集及掌握上市公司是否陷入财务危机的信息，有利于政府制定和实施宏观的经济政策，有利于社会主义市场经济的平稳发展，有助于改善国家资源的宏观配置。对于出现财务危机或颜临破产的企业，政府应严格控制或限制的对其的财政拨款及融资渠道，减少国有资产流失。
2. 从微观角度上来讲：
(1) 有利于管理层加强内部控制，改善经营管理，防患未然
财务预警系统可根据企业实际的财务数据进行预测企业是否将出现财务危机，如果上市公司管理层运用预警系统对企业的历史财务数据进行分析，发现本企业财务状况可能出现问题，企业管理者将追踪溯源找到导致危机出现的根源，及时地有针性的调整公司的经营方针和策略，改善财务状况，避免不必要的损失。企业管理者釆用财务预警系统能有效地保证企业健康发展，避免企业陷入财务危机。
(2)有利于证券会等监管部门对上市公司的监督和管理
我国证券市场对上市公司制定了对上市公司实行ST和退市的制度，都是对上市公司的警告和制束，也都属于事后的监管，因此也有一定的滞后性。证券监管机构可通过财务预警系统对上市公司的前几年披露的历史财务数据进行分析和预测，如发现某上市公司财务状况有异常征兆，证券部门可更好的对上市公司实施有效的监管，对投资者进行风险警示，做到事前监管，有效的维护证券市场的交易程序，推动了证券市场的健康稳定的发展。
第二章数据挖掘技术
本章是全文的技术及理论基础，从数据挖掘的商业需求与技术支持的角度阐述了数据挖掘的演变历程；并对数据挖掘过程及典型的数据挖掘系统进行了分析；对数据挖掘的分类、相关技术手段及其知识表现进行了论述。
2.1数据挖掘的演变历程
数据挖掘出现初期，促成其演变发展的一个重要因素是是信息时代“数据爆炸但知识贫乏”现象的普遍出现。人们面对海量的信息资源无从下手，对于巨大量信息资源的知识提取变得相当困难，急需有一种技术可以帮助人们对巨大量信息资源进行相应处理，并能轻松地从中获取其所需要的知识。与此同时，商业数据库的空前增长速度、数据仓库的广泛应用、以及成熟先进的各种计算机技术等都成为了数据挖掘发展演变的先决条件。数据挖掘的演变历程见表2-1。
从60年代起，信息技术为了适应信息的电子化的要求一直由简单的文件处理系统向复杂而有效的数据库系统演变。70年代，数据库系统主要有层次型数据库、关系型数据库和网络型数据库等三个模式，数据库系统的发展和研究幵发都取得了重要进展。到80年代，关系型数据库及其相关的数据索引技术、数据组织技术及数据模型工具等到普及，并得到了有效地发展，逐步占据了数据库市场的主要地位[26]。80年代中期，关系数据库技术、信息技术和新型计算机技术的结合成为数据库研究和开发发展的重要标志。从数据模型上看，各种计算机语言技术的面向对象、扩展关系、演绎模型以及对象一关系等被广泛地应用于数据库系统中。从应用的数据类型上来看，包括多媒体、时态、WEB等新型数据将成为数据库应用的重要数据源。从数据的分布类型来看，分布式数据库及其透明性、并发控制、并行处理等未来重要的课题[27]。同时，知识库、办公信息库、主动数据库、事务数据库等技术也有了相应地发展。时至今日，分布式数据库理论业已成熟，分布式数据库技术也有了较好地发展目前，由于在数据库技术与各种新型技术的紧密结合下，数据库领域中的新理论、新技术、新应用层出不穷。但这些应用都是以实时查询处理技术为基础的。本质上来说，都是对数据库的被动查询使用。由于这些简单查询只是数据库中海量信息的选择性输出，数据库自身无分析和决策功能的模型，因此其没有分析、预测和决策支持等高级应用。
第三章 财务危机预警 28-38
3.1 财务危机与财务危机预警 28-30
3.1.1 财务危机 28-29
3.1.2 财务危机预警 29-30
3.2 研究样本的选取 30-31
3.3 财务危机预警指标与变量分析 31-37
3.3.1 筛选财务危机预警指标 31-32
3.3.2 确定财务危机预警变量 32-37
3.4 本章小节 37-38
第四章 上市公司财务危机预警优化方法 38-51
4.1 人工神经网络数据挖掘 38-45
4.1.1 神经网络的基本原理 38-39
4.1.2 三类神经网络模型介绍 39-42
4.1.3 BP神经网络的基本过程 42-44
4.1.4 BP神经网络应用于财务预警 44-45
4.2 粗糙集优化神经网络 45-47
4.3 遗传算法优化神经网络 47-50
4.4 本章小节 50-51
第五章 优化方法在财务危机预警中的应用 51-62
5.1 BP神经网络在财务预警模型构建中的应用及仿真 51-55
5.2 粗糙集优化神经网络财务预警模型的构建及应用 55-57
5.3 遗传算法优化神经网络的财务预警模型构建及应用 57-61
5.4 优化后模型与传统BP模型实证对比分析 61
5.5 本章小节 61-62
结论
本文是数据挖掘技术在上市公司财务危预警中应用的初步尝试。在分析了数据挖掘的发展趋势与证券市场特别是上市公司的发展现状后，将数据挖掘应用到企业财务危机预警中，为企业管理者、投资者和债权人等利益相关者提供相应的参考意见。通过查阅国内外大量的书籍、期刊、优秀毕业生论文，对新出现的挖掘工具和方法进行学习和借鉴，同时大胆尝试使用新的手段和思路，对数据挖掘在企业财务预警中的应用做了论证与研究。通过理论联系实际的方法，对各种数据挖掘及优化方法，如神经网络、粗糙集优化神经网络、遗传算法优化神经网络等及其在企业财务危机预警中的应用均做了实例论证与说明，为企业管理者、投资者和债权人等利益相关者对企业财务危机状态进行动态预警提供技术支持，与传统的统计分析方法相比，具有较高的预测准确率和实际应用价值。本文提出的基于BP神经网络、粗糙集优化神经网络和遗传算法优化神经网络的财务危机预警模型，都是有效的财务危机预警的途径和方法。通过三个模型的实证检验及对比，选择预测精度较好的模型帮助企业各利益相关者预测企业所面临的财务危机状况，有利于保护投资者和债权人的利益、有利于经营者防范财务危机、有利于政府管理部门监控上市公司质量和证券市场风险。本文的创新之处有：#p#分页标题#e#
1.将现代人工智能领域的重要技术粗糙集知识简约技术、遗传算法和人工神经网络技术引入我国上市公司财务危机预警的研究中，分别建立基于BP神经网络、粗糙集优化神经网络和遗传算法优化神经网络的财务危机预警模型，进行财务危机预警的动态性研究；
2.财务危机并不是财务数据和指标恶化的必然结果，本文加入来自宏观和微观角度的审计意见、第一大股东持股比例和持股董事比例等14个非财务指标，可提高模型的判别能力，拓展模型的适用性；
3.本文研究总样本选择时，放弃釆用常用的ST与非ST上市公司1: 1的配对比列，而是采用ST与非ST为1: 3配对比例，其ST上市公司为30家，非ST上市公司为90家，这有利于提高检测模型实际运用的预测准确率。
参考文献
[1]任惠光，班博.中国A股上市公司财务危机预警模型构建及实证研究[J].山东大学学报，2007，32 (6)： 27-31
[2] Altman. Financial Ratios： /cwglbylw Diseriminant Analysis and the Prediction of CorporateBankruptey[J]. Journal of Finanee, 1968，78 (3): 589-609
[3]曾繁荣，徐旭.上市公司典型财务危机预警模型比较研究[J].会计之友，2007，230 (2)： 89-90
[4] E. Altman. Corporte Finaneial Distress and Bankruptey[J]. John Wiley &Logitsons，2000, 124 (6)： 242-244
[5]潘笑，万敏.基于模糊神经网络的数据挖掘方法研究[J].微电子学与计算机，2005，22 (12)： 77-79
[6]刘幵华.基于BP神经网络方法的上市公司财务预警研究[D].中国学位论文全文数据库，2006: 13-19
[7]崔学刚，王立彦，许红.企业增长与财务危机关系研究-基于电信与计算机行业上市公司的实证证据[J].会计研究，2007，177 (8)： 67-73
[8]唐锋，孙凯.基于BP人工神经网络的上市公司财务危机预警研究[J].现代经济，2008, 82 (8)： 161 -162
[9]邵峰晶，于忠清.数据挖掘原理与算法[M].北京：中国水利水电出版社，2006： 91-115
[10]贺清碧，胡久永.数据挖掘技术综述[J].西南民族大学学报自然科学版，2008， 29 (8)： 328-330
