基于商業(yè)智能的制造業(yè)上市公司財(cái)務(wù)預(yù)警研究.pdf

1、本文在回顧了國(guó)內(nèi)外關(guān)于財(cái)務(wù)預(yù)警和商業(yè)智能的相關(guān)文獻(xiàn),選取了2010-2013年期間首次被ST的50家制造業(yè)上市公司和與其相配對(duì)的50家非ST上市公司,以首次被ST的T-3年的財(cái)務(wù)數(shù)據(jù)對(duì)制造業(yè)上市公司的財(cái)務(wù)預(yù)警進(jìn)行研究。首先本文根據(jù)指標(biāo)選取原則選取了29個(gè)涉及盈利能力、償債能力以及營(yíng)運(yùn)能力等五個(gè)方面的財(cái)務(wù)指標(biāo),并通過(guò)了正態(tài)性檢驗(yàn)、T檢驗(yàn)和非參數(shù)檢驗(yàn)篩選出了24個(gè)顯著性指標(biāo)構(gòu)建了財(cái)務(wù)預(yù)警指標(biāo)體系;其次利用商業(yè)智能軟件SQL server20

2、08建立了數(shù)據(jù)倉(cāng)庫(kù),并通過(guò)相關(guān)的查詢(xún)語(yǔ)句實(shí)現(xiàn)財(cái)務(wù)數(shù)據(jù)的多維聯(lián)機(jī)分析和數(shù)據(jù)透視表的呈現(xiàn)。最后通過(guò)SSAS數(shù)據(jù)挖掘模塊的決策樹(shù)、聚類(lèi)分析、邏輯回歸和神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了4個(gè)預(yù)警模型,匯總了預(yù)警模型中較為重要的指標(biāo),并使用提升圖和分類(lèi)矩陣對(duì)模型的有效性進(jìn)行比較分析,提取出隱藏在樣本中的潛在信息。本文創(chuàng)新性的使用SQL server2008商業(yè)智能軟件構(gòu)建了財(cái)務(wù)預(yù)警體系,通過(guò)整合數(shù)據(jù)源創(chuàng)建數(shù)據(jù)庫(kù)達(dá)到了數(shù)據(jù)的及時(shí)傳輸,完善了財(cái)務(wù)的實(shí)時(shí)監(jiān)控功能,并有