题目：基于神经网络的上市公司财务预警研究

经过了几十年的发展，公司财务危机预警的研究己经成为了被国内外学者广泛关注的研究课题，具有较高的学术研究及其应用价值，日益成为公司管理者及其利益相关者进行决策的重要参考依据。本文在传统的数据统计和数据挖掘方法的基础上，研究了神经网络在财务预警领域的应用优势，重点提出了目前在国内鲜有人使用的PNN神经网络及其改进网络模型。 本文根据对财务困境的具体界定，选择了2001-2010期间276家在中国上交所和深交所挂牌上市的公司及其数据作为研究对象，其中包括138家被ST公司和138家非ST公司，并选取了50个财务指标和3个非财务指标以全面反映公司的财务状况，借助主成分分析方法消除50个财务指标之间的强相关性，将分析结果得到的 15个综合财务指标与3个非财务指标共同作为后面各个模型的输入变量。 本文采用经典的BP神经网络和PNN神经网络分别构建财务预警模型，并在PNN网络模型的基础上引入其改进模型——基于遗传算法改进的径向基神经网络，对改进模型在相同的数据集上进行建模，同时引入传统的数据统计技术Logit回归和数据挖掘技术决策树，然后对各种模型的建模结果进行分析比较。除此之外，本文还建立了输出为四类的PNN神经网络模型，研究其在财务预警方面的预测能力。 通过各个模型建模结果的比较分析，可以看出：PNN神经网络及其改进模型相比其他模型具有更强的财务预警能力，能够更好的预测企业的财务状况，在分析和研究上市公司财务预警方面具备良好的应用价值和应用前景。