需要金幣： 2000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：26598 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:隨著經(jīng)濟(jì)和信息技術(shù)的快速發(fā)展，財(cái)務(wù)管理與信息技術(shù)相結(jié)合變得越來(lái)越重要。面對(duì)殘酷的市場(chǎng)競(jìng)爭(zhēng)和大量頻繁披露的復(fù)雜的財(cái)務(wù)信息，傳統(tǒng)財(cái)務(wù)預(yù)警分析方法已無(wú)法滿足企業(yè)管理層的需求，傳統(tǒng)財(cái)務(wù)預(yù)警分析方法僅適合片面的、已發(fā)生的財(cái)務(wù)數(shù)據(jù)，同時(shí)容易受內(nèi)部或會(huì)計(jì)政策選擇的影響，不確定性非常高。數(shù)據(jù)挖掘技術(shù)克服了傳統(tǒng)財(cái)務(wù)預(yù)警分析方法的局限性，能夠讓我們深入了解大量財(cái)務(wù)數(shù)據(jù)中潛藏在深處的有用信息，幫助企業(yè)管理人員和社會(huì)投資者更好的了解企業(yè)的財(cái)務(wù)狀況，做出正確的決策。 本文將傳統(tǒng)財(cái)務(wù)預(yù)警分析的理論方法和數(shù)據(jù)挖掘技術(shù)的運(yùn)用理念相結(jié)合，使用SPSS Clementine12.0構(gòu)建一個(gè)適合的財(cái)務(wù)預(yù)警數(shù)據(jù)挖掘系統(tǒng)。首先，我們重點(diǎn)研究財(cái)務(wù)預(yù)警分析來(lái)說(shuō)明數(shù)據(jù)挖掘在財(cái)務(wù)預(yù)警分析領(lǐng)域的主要應(yīng)用。其次，介紹傳統(tǒng)財(cái)務(wù)預(yù)警分析方法并說(shuō)明其局限性。針對(duì)傳統(tǒng)預(yù)警分析方法自身的不足，本文構(gòu)建了由Logistic回歸、GRI關(guān)聯(lián)規(guī)則、C&RT決策樹和神經(jīng)網(wǎng)絡(luò)聯(lián)合組成的數(shù)據(jù)挖掘系統(tǒng)，并與核心規(guī)則CRISP-DM和數(shù)據(jù)挖掘的基本流程相結(jié)合，設(shè)計(jì)了適用于本文所選取樣本的財(cái)務(wù)預(yù)警數(shù)據(jù)挖掘方案。 接下來(lái)使用Clementine軟件展示數(shù)據(jù)挖掘技術(shù)應(yīng)用于財(cái)務(wù)預(yù)警分析的過(guò)程，本文選取2017年鋼鐵行業(yè)全部上市企業(yè)為財(cái)務(wù)數(shù)據(jù)樣本。然后依照設(shè)計(jì)好的挖掘方案，展現(xiàn)了采用四種方法進(jìn)行數(shù)據(jù)挖掘的完整過(guò)程，可以從中看到數(shù)據(jù)挖掘技術(shù)克服了傳統(tǒng)財(cái)務(wù)預(yù)警方法的局限性，我們可以通過(guò)一些指標(biāo)簡(jiǎn)單快速地判斷企業(yè)是否具有財(cái)務(wù)風(fēng)險(xiǎn)。 最后我們將四種方法效果進(jìn)行對(duì)比分析，找出最優(yōu)方案，全篇總結(jié)。
關(guān)鍵詞 數(shù)據(jù)挖掘；SPSS Clementine；財(cái)務(wù)預(yù)警分析；神經(jīng)網(wǎng)絡(luò)
目錄 摘要 Abstract 1緒論-1 1.1研究背景和意義-1 1.2國(guó)內(nèi)外相關(guān)研究情況-1 1.2.1國(guó)外研究情況-1 1.2.2國(guó)內(nèi)研究情況-2 2財(cái)務(wù)預(yù)警分析概述-3 2.1財(cái)務(wù)預(yù)警分析概述-3 2.1.1財(cái)務(wù)預(yù)警分析的定義-3 2.1.2傳統(tǒng)財(cái)務(wù)預(yù)警分析的局限性-3 2.2財(cái)務(wù)預(yù)警中的傳統(tǒng)財(cái)務(wù)預(yù)警分析方法-4 2.2.1比率分析法-4 2.2.2線性分析方法-6 2.2.3傳統(tǒng)財(cái)務(wù)預(yù)警分析方法的局限性-7 3數(shù)據(jù)挖掘應(yīng)用于財(cái)務(wù)預(yù)警分析相關(guān)理論-8 3.1數(shù)據(jù)挖掘概述-8 3.1.1數(shù)據(jù)挖掘的定義-8 3.1.2數(shù)據(jù)挖掘的相關(guān)概念-8 3.2數(shù)據(jù)挖掘在財(cái)務(wù)預(yù)警分析中的主要應(yīng)用-9 3.3財(cái)務(wù)預(yù)警相關(guān)挖掘技術(shù)介紹-9 3.3.1數(shù)據(jù)挖掘統(tǒng)計(jì)分析類概述-10 3.3.2財(cái)務(wù)預(yù)警的知識(shí)發(fā)現(xiàn)類挖掘概述-11 4財(cái)務(wù)預(yù)警分析的數(shù)據(jù)挖掘系統(tǒng)建立-13 4.1數(shù)據(jù)挖掘工具描述-13 4.2財(cái)務(wù)預(yù)警數(shù)據(jù)挖掘方案-13 5財(cái)務(wù)預(yù)警分析的數(shù)據(jù)挖掘系統(tǒng)的實(shí)施-16 5.1數(shù)據(jù)準(zhǔn)備和預(yù)處理-16 5.1.1財(cái)務(wù)預(yù)警分析的樣本選取-16 5.1.2財(cái)務(wù)預(yù)警分析的指標(biāo)體系-16 5.1.3樣本數(shù)據(jù)的預(yù)處理-17 5.2主成分分析提取公共因子-18 5.2.1主成分分析方法-18 5.2.2公共因子提取-18 5.3數(shù)據(jù)挖掘過(guò)程-22 5.3.1 Logistic回歸-22 5.3.2關(guān)聯(lián)規(guī)則-23 5.3.3 C&RT決策樹-25 5.3.4神經(jīng)網(wǎng)絡(luò)-28 6挖掘效果評(píng)價(jià)-31 6.1數(shù)值評(píng)價(jià)結(jié)果-31 6.2圖形評(píng)價(jià)結(jié)果-32 6.3挖掘結(jié)果分析-35 結(jié)論-37 致謝-38 參考文獻(xiàn)-39 附錄-40 |
