-
【作 者】
秦静
-
【学位年度】2009
-
【学位授予单位】太原理工大学
-
【导师姓名】段富
-
【 关键词 】电子信息行业上市公司财务报表信息系统数据挖掘
-
【摘 要】
在信息时代,有效的利用企业巨量的历史数据,是赢得竞争优势的关键因素,财务分析是商业数据挖掘的一个很重要的应用方向。传统的财务分析方法只是简单地利用统计学的方法对少量的财务数据进行分析,不能深入地了解海量财务数据潜在的、深层次的信息。数据挖掘技术的特征使得它在财务分析中具有很好的应用前景。使用数据挖掘技术可以大大提高信息的利用度,决策者在大量历史数据的支持下进行多角度的比较、分析,从而得出科学的分析结果。数据挖掘技术还可以灵活的改变已经训练好的挖掘模型,具有较好的学习记忆能力,能够满足智能财务信息...
更多 >>
在信息时代,有效的利用企业巨量的历史数据,是赢得竞争优势的关键因素,财务分析是商业数据挖掘的一个很重要的应用方向。传统的财务分析方法只是简单地利用统计学的方法对少量的财务数据进行分析,不能深入地了解海量财务数据潜在的、深层次的信息。数据挖掘技术的特征使得它在财务分析中具有很好的应用前景。使用数据挖掘技术可以大大提高信息的利用度,决策者在大量历史数据的支持下进行多角度的比较、分析,从而得出科学的分析结果。数据挖掘技术还可以灵活的改变已经训练好的挖掘模型,具有较好的学习记忆能力,能够满足智能财务信息系统的需求。<br> 进行财务分析研究不但对智能财务分析具有重要的理论价值,而且对于企业行业评价、中小投资者决策也具有重要的现实意义。<br> 本文重点将几种数据挖掘技术应用到电子信息行业财务报表分析模型中。运用决策树,神经网络等数据挖掘技术不断深入的分析该领域上市公司财务状况。具体内容如下:<br> (1)首先建立决策树财务分析模型,决策树的节点可以交互式生成,由此可以得到对电子信息行业上市企业财务状况影响最大的财务指标以及相关规则。人们也可以就这些重要指标,粗略判断该公司的财务状况是否稳定。将决策树挖掘结果中出现频率高的指标,作为神经网络的输入,得到的结果也更为准确。<br> (2)本文为了更好的解决网络初始权值与阈值的确定问题,利用遗传算法的全局搜索能力来确定初始权值和阈值,提出了遗传算法对神经网络结构和权值的同时进化算法。从模型的输出结果可以得出,神经网络模型的具有较强的预测能力。
<< 收起
-
【文献类型】
学位论文
-
-
进入发现系统查看更多信息
页脚