管理论文哪里有？本文针对各公司的标准市场运营指标波动的实际情况，分析了监管问询对公司各财务指标数据的影响，并考察目前市场上监管问询对公司绩效管理的提升程度，采用实际调研和科学决策的方法，实现了监管问询对公司各项溢出效应的有效性鉴别。
1绪论
1.4创新点
本文主要考虑了理想状态下，基于监管问询相关的上市公司绩效影响因素的分析，使用各类方法对现有公司数据进行模型建立与评价分析，合理评价上市公司被监管问询后对公司绩效产生的相关影响，合理地预测出接受监管问询后公司各项经济指标的变化趋势，对公司未来提升经济绩效具有重要积极促进作用和意义。本文主要创新点如下：
（1）监管问询对上市公司未来绩效的影响研究。对已收到监管问询的公司历年的绩效数据进行分析，研究其变化趋势，并预测出某公司收到监管问询后的财务状况，以规避投资风险。先通过可视化图形对比问询前后数据差异变化，即可判断监管问询是否能提升被问询上市公司未来绩效管理水平；再构建关于监管问询财务指标体系，分析出被问询的上市公司之后几年的年报指标趋势；并基于被问询的上市公司熵权Topsis模型财务得分，以此建立神经网络结构，预测其他被问询公司未来10年的财务发展走势。
（2）监管问询对同行业上市公司绩效水平溢出效应分析。通过数据可视化进一步挖掘关于同行业上市公司溢出效应与经济指标之间的潜在关系，有助于实际市场中具体公司接受监管问询后的公司内部政策调整。先对未收到监管问询时的绩效治理得分作为因变量，多元回归拟合财务指标数据作为自变量，通过异方差检验、显著性检验、残差正态性检验和多重相关性检验，验证这一多元回归过程的可信度和拟合程度，得出最终的回归方程；再将相应变量值代入该多元线性回归方程，对未受溢出效应影响下的绩效情况进行分析，结合非参数检验方法并对比实际绩效治理得分，得知监管问询的溢出效应对同行业公司的绩效治理情况存在显著影响。
3基于熵权Topsis模型的上市公司监管问询甄别
3.1问题描述
随着我国沪深交易所对于上市公司非正常行为及现象的监管力度日益增大，监管措施多样化并存发展，监管体系日渐成熟。监管问询作为我国交易所“一线监管”重要手段之一，关注点都与财务报告信息披露和公司经营密切相关，特别那些信息披露瑕疵、内部控制和日常活动等被重点关注。
如何发现和预防公司的过度投资，为了避免上市公司高风险行为，监管机构需要通过监管问询充分发挥出对上市公司过度投资行为震慑力。监管问询能有效识别出过度投资行为是发挥监管工作非常必要的前提和基础。监管问询如何鉴别上市公司过度投资是有着非常重要的现实意义。
本章需要我们通过对某家被问询的上市公司财务指标分析，得出存在财务指标波动较大或者负增长的财务数据更容易受到监管问询，监管问询能够有效甄别历史过度投资的上市公司，假定理想状态下，只考虑监管问询相关的上市公司绩效影响因素分析，在构建关于监管问询财务指标体系后，我们可以采用熵值法权重来判断（它是用来评价某项能力的方法），Topsis是一种常用的综合评价方法，通过该方法来计算出指标体系的得分情况。本文使用熵权法对评价对象的权重进行了改进，确定了熵权Topsis模型，并借助该模型评价是否被监管问询。
本章节用到的符号及说明如表3-1所示。
5基于多元线性回归的监管问询对同行业绩效溢出效应分析
5.1问题描述
在同一地区的某些上市公司受到监管问询时，同行业公司内部通过自查来避免类似的问询发生，间接地提高监管问询的效率，监管问询对同行业公司的监管溢出效应是正面的，对同行业公司起到间接的震慑作用。
本章对同行业公司及其年报数据为研究样本，假定理想状态下，只考虑与监管问询相关的上市公司绩效影响因素，对被监管问询的上市公司作为研究个体，将财务五大经济指标数据进行模型分析，利用第三章熵权法得出权重并对公司评分的模型，通过查阅文献可知，第三章所选取的五个经济指标及其权重对评估不同公司整体经营情况具有普适性，考虑到五个经济指标的数据方向和度量尺度不尽相同，使用Matlab工具对上市公司五个经济指标进行数据归一化，各公司不同年度的得分情况是根据预处理后的数据组合权重得出。多元线性回归模型可以通过多个自变量的优化组合来共同对因变量进行预测或估算，因此本章节将利用多元线性回归模型来分析监管问询对同行业绩效溢出效应。
本章节用到的符号及说明如表5-1所示：
5.2基于多元线性回归的监管问询对同行业绩效分析
第三章利用熵权法得出权重并对公司评分的模型，现对公司4和公司5进行此项操作。通过查阅文献可知，第三章中针对公司1所选取的五个经济指标及其权重对评估不同公司整体经营情况具有普适性，因而延用该设定，计算公司5和公司6的得分。考虑到五个经济指标的数据方向和度量尺度不尽相同，使用Matlab对公司1，公司5及公司6的五个经济指标进行数据归一化，各公司不同年度的得分情况是根据预处理后的数据组合权重得出。参考张宇山（2009）关于多元线性回归分析方法[36]，并采用多元线性回归分析建立公司得分与五大经济指标的联系。
本章主要研究监管问询对同行业上市公司影响。得到监管问询对同行业公司5、公司6的绩效治理溢出效应，首先将绩效治理这一笼统的概念转化成能够被处理和比较的数值。依据三家公司在2017年之前的绩效治理状况，基于数据的特性，采用多元线性回归模型进行回归分析，将第三章熵权法评价体系中得分情况作为绩效治理效果的综合体现且设定为因变量，并结合实际沿用第三章所选取的五个经济指标作为自变量得到多元线性回归方程。
7结论与展望
7.2研究展望
模型的优点是运用熵权法确定5个指标对于公司财务水平影响大小的权重，使Topsis模型求解得到的得分结果更具有真实性，更能够准确地判断公司具体财务水平的真实情况。在对被监管问询前后公司数年的各项数据进行描述性统计分析，描述性统计分析结果更具有可靠性，真实性，使模型的建立和求解更加可靠。运用神经网络进行数据预测时所训练的模型R值=0.96015，函数的拟合效果很好，预测出来的结果具有可靠性。运用多元线性回归进行数据预测时R值=0.998并且通过显著性检验，残差正态性检验，多重共线性检验，回归效果优异。运用灰色关联分析，运用Mann-Whitney-Wlicoxon检验，该模型适合用来处理对样本量没有过多的数据，不需要典型的分布规律，且计算量较小。
模型的缺点：问题中部分公司数据选取的年份较少，仅有2014年-2021年的相关数据。BP神经网络存在缺点，如收敛速度慢，网络易陷于局部最小值，学习过程常常会发生震荡等。
展望：
（1）模型求解指标选取仅选取了5个核心的指标，可以加入其他与资产财务水平得分相关性较强的指标进行分析。
（2）BP神经网络中隐藏层的个数选取为10，可以更换隐藏层的个数以训练精度更高的神经网络进行预测。
参考文献（略）
