基于RBF神经网络的大健康产业盈余预测研究——以云南白药为例

论文价格:150元/篇 论文用途:硕士毕业论文 Master Thesis 编辑:vicky 点击次数:64
论文字数:51255 论文编号:sb2021030521282534846 日期:2021-03-26 来源:硕博论文网

本文以大健康产业数据作为支撑,构建针对于云南白药的盈余预测模型,在盈余预测准确度检验时发现,基于产业数据构建的盈余预测模型很好地使用云南白药企业盈余预测,无需在根据云南白药企业自身的特点来进行调整,盈余预测精度达到了 98.02%,有效且大幅地提高了当前财务分析师等对云南白药盈余预测的准确度。

第一章 绪论

1.1 研究背景及目的意义
1.1.1 研究背景
在国家利好政策和消费者与日俱增的健康需求的推动下,我国大健康产业正在蓬勃发展,产业规模不断扩大,产业利润不断走高,市场前景一片广阔。大健康产业不仅受到企业本身的青睐,以期调整经营范围和产业结构,在大健康产业占据一席之地,获取新的利润增长点,还因健康产业下的企业在资本市场的股价涨幅较大受到广大投资者和证券机构的青睐,大健康产业成为牛股的摇篮,因此,对大健康产盈余预测的研究不管从企业自身的角度还是从投资者或证券分析师的角度来说都是非常具有实践意义的。
盈余预测是管理层、投资者和证券分析师对企业未来的每股收益、净利润等财务指标进行预测,以预测出的量化指标值来分析、评价企业未来盈利能力的好坏,预估企业未来发展的能力,以便使用者做出较为准确的决策。
从管理层角度来说,企业管理层通过对本企业数据的整理和分析,对企业未来盈余做出预测,一方面有助于企业通过盈余预测值来发现企业发展存在的问题和大致走势,若盈余预测值较高,则说明企业未来盈利和发展走势良好,同时考虑是否需要继续优化产业结构,调整资金投入比例以期进一步支持企业发展;若盈余预测值较低,则说明企业未来盈利和发展走势较差,要从企业自身出发,找出影响企业未来盈余值下跌的原因,并及时调整以期避免未来能力的下跌,提高自身应对风险的能力。另一方面,管理层因其掌握着企业各种不公开的一手资源信息,其披露的盈余预测值准确性更高,更具有研究价值。
从投资者角度来说,投资者的专业知识水平有限,对企业的未来发展情况无法做出较为准确的分析和判断,他们做出投资决策的主要依据是企业公开信息、管理层披露的盈余预测信息和证券分析师对产业下企业盈余预测作出相关研究的研究报告,因此,高质量高准确度的企业盈余预测信息对于投资者来说至关重要,是决定其投资成败的重要因素之一。
...................

1.2 文献综述
1.2.1 盈余预测影响因素研究
国内外学者对盈余预测影响因素研究主要是从财务信息和非财务信息两个角度进行研究。
(1)财务信息对盈余预测的影响
Rubing Liu 和 Xiangting Kong 等(2018)认为对于资本市场发展相对较强或投资者保护水平较高的国家或地区的公司,公司审计财务报告与管理层收益预测之间的关系较弱。对于更好的经审计财务报告的承诺在国家或地区机构特征较强的公司自愿披露决策中起替代作用,在机构不发达的国家,经审计的财务报告在自愿披露中起着更重要的补充作用[1]。John L.Abernathy 和 Tony Kang 等(2018)认为剩余审计费用与当前收益预测未来收益的能力负相关,与分析师的预测准确性负相关,而与分析师的预测差异正相关,剩余审计费用包含有关会计质量的信息,但剩余审计费用可能代表较高的会计质量或较低的会计质量带来的风险溢价[2]。Maria T,Caban-Garcia,HeeickChoi,Myungsun Kim(2020)认为企业披露的运营现金流对分析师盈余预测有影响,企业在披露运营现金流之后,分类收益的可比性得到改善,同时使得分析师盈余预测的误差值下降[4]。
(2)非财务信息对盈余预测的影响
Anis Maaloul,Walid Ben Amar 和 Daniel Zeghal(2016)开发了一种新的综合指数,以衡量有关大量无形资产(如人力,结构和关系资产)的叙述性披露的内容,从而研究无形资产的自愿信息披露和财务分析师的盈利预测性能之间的关系。结果表明,无形资产披露的增加影响了分析师的收益预测准确性[5]。Chen-Yin Kuo(2017)认为行业和公司特定因素对盈余预测有影响,并应用时间序列方法来代替现有研究使用的横截面回归模型。研究结果表明,它提高了股票价值预测的准确性,这两个因素的结合提高了 RIM 的预测能力,且这两个因素的相对重要性因行业而异。公司特定的因素与三个大行业(金融和保险,电子,建筑,建筑和建筑业)的股票价值预测的准确性有关[6]。而吴锡皓和胡国柳(2015)认为企业不确定因素和会计稳健性对分析师盈余预测有影响。不确定因素与分析师盈余预测呈负相关,不确定因素越多,分析师盈余预测的分歧度越大,盈余预测的准确度会降低,而会计稳健性和分析师盈余预测呈正相关,企业会计信息越稳健,分析师盈余预测的分歧度越小,盈余预测的准确度会提高[7]。
......................

第二章 盈余预测的相关概念和理论基础

2.1 盈余预测的相关理论
2.1.1 盈余的定义
Beaver(1998)认为会计盈余是指企业在遵循会计准则的前提下,从收入中扣减掉所有生产要素成本之后的剩余,通常又称为会计利润或收益,是财务报告中最为重要的数据[54]。从微观角度来说,会计盈余是最重要且最直观的会计信息,是对本期经营成果的反应,能够帮助企业更好地计量各项财务指标,得到真实的收益信息,向企业管理层、证券分析师和投资者传递关于本企业的相关财务信息,有助于他们更好地了解企业的真实情况。从宏观角度来说,盈余信息还为预测企业未来发展和投资者的投资决策提供了信息支持,也为企业未来的现金流预测提供了信息基础,是企业未来成长能力和价值预测的一个重要指标。
本文选取每股收益作为计量企业盈余的指标,原因如下:
(1)每股收益指税后利润与股本总数的比率,通常被用来反映企业的经营成果;
(2)每股收益是衡量上市公司盈利能力最重要的财务指标,它反映普通股的获利水平;
(3)每股收益是衡量普通股的获利水平及投资风险,是投资者等信息使用者据以评价企业盈利能力、预测企业成长潜力、进而做出相关经济决策的重要的财务指标之一。
......................

2.2 盈余预测关键财务指标筛选的理论基础
2.2.1 聚类—灰色关联分析法基本概念
聚类—灰色关联分析法是聚类分析法和灰色关联分析法的结合,其概念包含了聚类分析法和灰色关联分析法。
聚类分析(cluster analysis)是指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程,其目标就是在相似的基础上收集数据来分类。聚类分析按照个体的特征将其分类,把全体数据实例组织成一些相似的组,这些相似组被称为簇,处于相同簇中的个体之间具有较高的相似性,处于不同簇中的个体之间具有较大的差异性,不同簇之间也具有较大的差异性。聚类分析是一种无监督学习,簇内相似性越大,簇间差距越大,说明聚类效果越好。
灰色关联度分析(Grey RelationAnalysis,GRA)是根据各因素变化曲线几何形状的相似程度,来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析,完成对系统内时间序列有关统计数据几何关系的比较,求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列,其发展方向和速率与参考数列越接近,与参考数列的关系越紧密。
图 2.1 RBF 神经网络的拓扑结构图
...........................

第三章 大健康产业发展及盈余预测现状.......................26
3.1 大健康产业的界定及特点...........................26
3.1.1 大健康产业的界定.............................26
3.1.2 大健康产业的特点................................27
第四章 云南白药盈余预测现状及财务信息影响因素分析........................ 35
4.1 云南白药概况......................... 35
4.1.1 公司简介.................................. 35
4.1.2 发展过程........................ 36
第五章 基于 RBF 神经网络的云南白药盈余预测模型构建........................... 55
5.1 盈余预测关键财务指标体系构建.....................................55
5.1.1 盈余预测的指标设计..................................55
5.1.2 基于聚类—灰色关联分析法的盈余预测关键指标筛选..................................56

第六章 云南白药盈余预测存在的问题及建议对策

6.1 云南白药盈余预测存在的问题
6.1.1 管理层盈余预测可利用信息少
本文在研究云南白药企业盈余预测现状时发现,云南白药披露的管理层盈余预测的信息很少,管理层一般通过业绩快报、业绩预告的方式来披露企业在未来某一会计期间内的盈余预测值和会计公告认为的其他重要及必须披露的会计信息进行披露,管理层相较于投资者和证券机构而言,掌握更多的关于企业的信息,因此管理层披露的盈余预测信息具有较高的研究价值,也为证券分析师和投资者对企业的盈余预测提供了决策依据。
但在实际研究过程中,本文发现,国泰安数据库中只披露了云南白药企业 2011 年一季度、2013 年三季度和四季度的业绩预告信息,而业绩快报也只有 2011 年二季度、2014 年四季度和 2015 年四季度的信息。巨潮资讯网中也只有 2005 年、2010 年、2011 年一季度和半年度、2013 年三季度盒和年度业绩预告信息以及 2014 年、2015 年的业绩快报信息。
云南白药企业披露的管理层盈余预测信息不仅少,而且过于陈旧和不完整,可利用的价值也不高,其披露的管理层盈余预测的会计期间不具备连续性,无法用于有价值的研究,且在 2013 年以后就没有再发布业绩预告,2015 年以后没有再披露业绩快报,使得本文无法对近五年来云南白药管理层盈余预测现状进行分析研究,企业管理层也无法更准确地向投资者和证券机构提供有关企业未来发展和盈余预测方面的信息,从而可能在一定程度上不利于企业未来筹资活动的开展。
表 3.1 我国大健康产业利好政策汇总表
......................

第七章 总结与展望

7.1 研究总结
本文主要从云南白药的盈余预测现状和存在的问题出发,以行业数据做支撑,运用聚类—灰色关联分析法筛选出影响盈余预测的关键财务信息,基于 RBF 神经网络构建具有产业和企业针对性的盈余预测新模型,对云南白药进行盈余预测,并分析盈余预测结果进行分析。通过研究本文得出以下结论:
(1)聚类—灰色关联分析法在盈余预测关键财务信息影响因素筛选中行之有效
通过对健康中国板块下 118 家大健康企业 2018 年的 64 个财务指标进行聚类—灰色关联分析后发现,筛选出的盈余预测关键财务指标所属的财务一级指标分类比较均匀,基本上包括了所有一级财务指标,比较全面合理。此外从根据关键财务指标进行构建的盈余预测模型最后的盈余预测准确来看,盈余预测精度达到 98.02%,也侧面说明聚类—灰色关联分析法在盈余预测关键财务指标筛选中是行之有效的。
(2)RBF 神经网络适用于盈余预测模型的构建
本文创新性地使用了机器学习算法 RBF 神经网络进行云南白药盈余预测模型的构建,RBF 神经网络曾有学者应用于股价的预测,且预测精度较好,所以本文将其运用于盈余值的预测,通过模型构建中测试集的结果和对云南白药 2008 年—2019 年盈余值的预测及结果分析,可以看出,基于大健康产业构建的盈余预测模型误差的绝对值在 0.00—0.08 之间变动,且将其运用于云南白药企业盈余预测的精度达到 98.02%,说明 RBF 神经网络适用于盈余预测模型的构建。
(3)以大健康产业数据特点建立的针对云南白药盈余预测模型能有效提高其盈余预测准确度
本文以大健康产业数据作为支撑,构建针对于云南白药的盈余预测模型,在盈余预测准确度检验时发现,基于产业数据构建的盈余预测模型很好地使用云南白药企业盈余预测,无需在根据云南白药企业自身的特点来进行调整,盈余预测精度达到了 98.02%,有效且大幅地提高了当前财务分析师等对云南白药盈余预测的准确度。
参考文献(略)


上一篇:基于价值链的L公司盈利能力分析及提升对策研究
下一篇:盈利能力支付计划在联络互动并购Newegg中的应用范文研究