基于C&R树的上市公司财务危机预警研究

随着经济的全球化和大数据时代的到来,企业的风险意识也进一步加强,上市公司都迫切需要时刻把握其财务状况。故从资产管理能力、盈利能力、营运能力、偿债能力和成长能力五个方面构建了上市公司财务危机预警指标体系,并基于PCA和数据挖掘技术构建了财务危机预警模型,来对企业的财务状况进行判别。通过利用C&R树、Logistic回归、C5、CHAID、SVM、决策列表、QUEST、神经网络、贝叶斯网络等方法分别建模。比较发现,基于C&R树的预警模型具有更好的精确度,并根据该模型的分析结果,给出了相应的预防对策及建议。

上市公司信息披露分类监管研究

在上市公司信息披露新规频出的背景下,文章选取2012—2021年我国沪深两市A股计算机、通信和其他电子设备制造业上市公司为研究对象,按照大数据分析的全体性、混杂性和相关关系思维,运用数据挖掘方法探讨信息披露违规的动因及其内在关联。结果表明:相比未发生信息披露违规的上市公司,违规公司在总资产净利润率、净利润增长率、z值等指标上取值更低;相比低违规风险类的上市公司,中高违规风险类公司表现出更高的资产负债率、更低的资产报酬率、更消极的信息披露情感语调等特点。依据数据中蕴含的信息披露违规逻辑,有助于监管机构分类施策,提升监管的专业性、精准度和有效性。

基于SPSS Modeler的高损耗线路模式识别体系的研究

在工程实践中,需要在计算条件成熟的线路上计算线损,分析线路的特征量,建立高损耗线路模式识别体系,从而对计算条件不成熟线路的线损率指标进行预测。从理论线损的计算方法出发,分析不同电压等级下的计算条件和适用的计算方法;提出了通过K-Means聚类算法对线路特征进行初步分类,在各个类中使用C&R分类回归树的方法,最终形成模式识别的判别树。分析结果表明,该方法能有效跟踪某一线路高损耗产生的原因,并对线损进行预测。