第一章绪论
1.1上市公司财务危机预警的研究背景
伴随着改革开放的浪潮，中国证券市场已经走过了二十余年的风雨历程。上海证券交易所和深圳证券交易所于1990年底相继在我国的两大金融中心落地，而他们也是中国资本市场改革的最佳见证者。从成立之初的10家上市公司到2000年的1088家再到现如今的两千余家公司，这两大交易所目睹见证了数千家上市公司的起起落落，他们曾有过辉煌，也曾步入过低谷，但是他们共同描绘了中国资本市场的一幅浓墨重彩的画卷。由于上市公司信息的透明和公开性，他们成为了大量专家和学者研究和探索的对象。在中国证券市场二十余年的发展历程中，有许多公司借助上市的浪潮不断发展壮大，成为了行业内乃至全国性的知名企业，但是与此同时，也有大量的企业由于财务造假、管理层重大变故以及实际控制人的不良行为严重伤害了中国资本市场的信誉，使得很多中小投资者面临破产的危机。中国证券交易所为这些连续亏损企业冠以ST (Special Treatment)的称号。企业的生产经营都是有迹可循的，是一个逐渐发展演化的过程，如何从企业的财务数据中发现其在将来某一时点是否存在发生财务危机的可能将是一个非常值得研究的课题。上市公司的财务信息相较于普通公司是比较易于获取的，而经历了二十余年的发展，上市公司的信息公开制度也变得更加健全和完善，许多公司都积累了大量的财务数据，面对这些各式各样的指标和数据，如何从数据中找到公司背后的秘密，发现公司的发展规律将会为公司研究打下更加坚实的基础。从本质上来说，上市公司财务危机预警问题是对包含财务数据特性的数据集进行挖掘和分析的过程。公司的发展和前进轨迹都隐藏在这些数据的背后，从这些数据中挖掘其中的规律和秘密就可以更好地总结过往公司的发展经验和教训，避免在未来产生危机。
1.2上市公司财务危机预警研究的重要性和意义
上市公司在一国的经济体系中扮演着十分重要的角色，他们多为该国在某一行业中的领跑者并且这些行业多为国民经济的支柱产业。不论从税收、就业还是对国内生产总值的贡献上来说，上市公司都是-?个国家不可或缺的重要组成部分。一旦上市公司出现了财务危机，其股权投资者、债权人和政府以及相关产业的上下游乃至监管机构将会受到较大的影响，尤其是对于广大的中小投资者将会造成毁灭性的影响，增加社会的不稳定因素，更为严重的是，这将极大地影响该国资本市场在投资者心中的地位和信誉，一旦出现了这样的问题，企业将无法顺利地通过资本市场融资，对于一国经济的发展将造成难以估量的损失，由此可见上市公司财务危机预警的重要性。
由于上市公司面向全社会募集股权投资，秉持对投资者负责的态度，各国的证券监管机构都要求上市公司进行信息披露，通过上市公司披露的经营事项和财务信息，就可以对公司在过去一段时间的生产经营状况有一个大概的了解。出于某些公司在资本市场上再融资的需要，一些公司发布虚假盈利消息来掩饰经营上的不足以提升股价，获得更多的股权资本，但是其财务数据并不能撒谎，即使对于某几项的财务数据造假，也可以通过对整体财务指标的综合判断来发现问题。通过对过往财务数据进行整体分析，我们可以有效地提取出在这些数据背后蕴藏的规律，总结出当公司财务数据进入何种模式的时候就会发生财务危机，进而套用这种模式对未来需要判断的公司进行预测。这种方法可以有效地对于未来可能发生的危机进行预测和判断，一旦判断出某公司可能在未来发生财务危机，就可以提前引起投资者的注意，引起监管机构的注意，同时也引起该公司自身的注意，防患于未然，未雨绸谬，最终化解可能出现的危机和严重的后果。即使判断有误，公司最终并没有发生财务危机，也可以通过危机预警来提醒公司时刻加强经营管理和公司治理，提升经营效率，真正从根源上化解危机，这才是上市公司财务危机预警最重要的意义。综上可知，上市公司财务危机预警分析对于国民经济稳定发展有着非常重要的作用，对于公司自身提升管理，加强风险防范能力也是有百利而无一害的，具有非常重要的现实意义。
第二章相关理论基础
2.1粗集理论的发展以及国际国内的研究现状
粗糖集是处理不完备和不准确信息的一种行之有效的工具。对于某些不精确、不完整和不一致的各种不完备信息，粗糖集可以高效地挖掘其中隐含的知识，并揭示数据背后的潜在规律。在1982年，波兰学者Pawlak创造性地提出了粗集理论，1991年，时隔十年，Pawlak又出版了粗糖集专著，完善地阐释了粗集理论，并且为之打下了坚实的数学基础和框架。与这本书相得益彰的还有1992年所出版的粗集理论应用专集，这两本专著较好地陈述了相关时期粗集理论的研究成果和应用前景，极大地促进了其今后的发展。从1992年直至今日，每年都会召幵讨论粗集理论的主题国际会议，为粗集理论的发展做出了极大的贡献。国际上针对这一学术领域还专门成立了粗糖集学术研究会,来自波兰、法国、意大利、捷克、瑞典、美国、澳大利亚和中国等相关国家的专家都为该领域内的研究做出了很大贡献。目前该理论己在人工智能领域占有非常重要的一席之地，得到了越来越多研究人员的重视。
2.1.1粗糖集理论的国际国内研究现状
在国际方面，1992年在波兰Kiekrz召开了第一届国际粗集理论研讨会。这次会议主要讨论了集合近似定义的基本思想及相关应用，其中粗集环境下的机器学习研究是这次会议的4个专题之一。2004年，国际粗集协会主办的第一本粗集国际期刊《Advances in Rough Sets))顺利发行。波兰华沙大学、工业大学、美国San Jose州立大学和印度统计研究院等对粗集理论有着较为深入的研究。在国内方面，2001年5月在重庆召幵了 “第一届中国粗糖集与软计算学术研讨会”，并邀请了创始人Z. Pawlak教授做大会报告。中科院计算所、中科院自动化所、重庆邮电学院等高校和科研院所在粗集研究发展和创新方面取得了很大的成绩。张文修丨28]、王国撒[29]、苗夺谦[30]等专家学者为我国在国际粗集领域的研究做出了杰出的贡献并且出版了各自的专著以阐述其在粗集领域的研究进展。
第三章连续属性离散化的算法优化.......... 20
3.1上市公司财务数据的特征分析.......... 20
3.2基于信息熵的连续属性离散化算法回顾.......... 22
3.3动态邻域聚类..........24
3.4基于动态邻域聚类的连续属性离散.......... 27
3.4.1相似决策方案区间合并方法.......... 28
3.4.2基于动态邻域聚类的属性离散化优.......... 29
3.5本章小结.......... 31
第四章上市公司财务危机预警过程.......... 32
4.1上市公司财务指标原始数据选择.......... 34
4.2数据预处理.......... 37
4.3基于粗集理论的属性约简.......... 43
4.3.1指标初选.......... 43
4.3.2属性约简.......... 44
4.4利用神经网络搭建财务危机.......... 45
4.4.1 BP神经网络的基本原理.......... 46
4.4.2神经网络的搭建和训练过程.......... 47
4.5财务危机预警模型实证检验.......... 49
4.6上市公司财务危机预警模型检验.......... 50
4.7本章小结.......... 52
第五章基于粗糙集-神经网.......... 53
5.1单独使用粗糙集方法的处理结果.......... 53
5.2单独使用祌经网络方法的处理结果.......... 55
5.3粗糙集-神经网络法.......... 57
5.4本章小结.......... 59
结论
本文理论联系实际，根据上市公司财务危机预警分析这一基本问题，以基础理论为依托，以实际应用为背景，对连续属性离散化，相关算法改进以及上市公司财务危机预警模型的建立做出了探索和分析，主要开展了如下几个方面的工作：
(1)基于上市公司财务数据的特点，通过回顾经典的基于信息熵的属性离散化算法，提出了效果更好、速度更快的基于动态邻域聚类的属性离散化算法，在此基础上，加入相似决策方案区间合并优化方案，有效地提升了算法的效率，使得离散化效果更好，更加适用于高维度、大数据量的数据处理。
(2)针对上市公司财务危机预警分析问题，利用粗糙集处理高维数据的优势、神经网络处理大数据量数据集的并行性和高容错性以及数据集的实际特点，设计了一整套分析方案，该方案的预测结果准确率较高，在很大程度上可以判断出上市公司在未来的两到三年中是否可能会发生财务危机，可以为今后专家系统的设计打下坚实的基础。
(3)分析和比对了单独使用粗糙集方法、单独使用人工神经网络方法和粗糙集-神经网络法对于解决上市公司财务预警问题的效果。结果发现两种方法的结合可以有效地弥补任何一种方法单独使用的缺陷，优势互补，提升了算法效率，也提高了预测准确率。该方法可以进一步研究以使其适用更多其他领域的应用。
参考文献
[1] Pawlak Z. Rough sets: Theoretical aspects http://sblunwen.com/zjcwgllw/ of reasoning about data. Boston: Kluwer AcademicPublishers, 1991
[2] Pawlak Z. Rough set theory and its applications to data analysisf J] . Cybernetics and Systems:An International Journal, 1998, 29: 661- 688.
[3]苗夺谦，胡桂荣.知识约简的一种启发式算法[J].计算机研宄与发展，1999,36(6) :681-684.
[4]胡或，李智玲，李春伟.一种基于区分矩阵的属性约简算法[J].计算机应用，2006，26(6):80-82.
[5]米据生,吴伟志,张文修.基于变精度粗糙集理论的知识约简方法，系统工程理论与实践，2004,24(1):76-82
[6]王兵,陈善本.一种基于差别矩阵的属性约简完备算法,上海交通大学学报,2004,38(1):43-47
[7]袁晓峰，许化龙，陈淑红.基于量子遗传算法的粗糙集属性约简新方法[J]计算机工程,2007,33 ( 15): 184-186
[8]支天云，苗夺谦.二进制可辨矩阵的变换及高效属性约简算法的构造[J].计算机科学，2002, 29(2):140-142.
[9] JELONEK J, KRAWIECK, SLOWINSKI R. Rough set reduction of attributes and theirdomains for neural networks [ J ]. International Journal of Computational Intelligence, 1995，11(2) : 339-347.
[10]刘文军，谷云东，冯艳宾.基于可辨别矩阵和逻辑运算的属性约简算法[J].模式识别与人工智能，2004，17(1):119-123.