唐菲
- 作品数：3 被引量：37H指数：3
- 供职机构：武汉理工大学理学院更多>>
- 发文基金：湖北省软科学研究计划中央高校基本科研业务费专项资金国家自然科学基金更多>>
- 相关领域：经济管理更多>>
- 新能源行业上市公司投资价值研究被引量：11
- 2012年
- 以我国新能源行业40家上市公司为研究对象,构建投资价值评价指标体系,建立了基于因子分析和聚类分析的投资价值模型。选取14个财务指标数据,利用因子分析法提取因子并计算综合值,据此对行业公司的投资价值进行综合排序,在此基础上,对业绩相似的股票进行聚类分析。结果表明,该行业中具有投资价值的公司比例较大,该模型能为新能源行业上市公司的综合评价提供支持,为改善公司的经营管理指明方向,为投资者进行投资提供参考依据。
- 唐菲韩华龙伟
- 关键词：新能源行业聚类分析
- 基于主成分分析的上市公司投资价值分析被引量：20
- 2011年
- 以中航工业集团的12家上市公司为研究对象,构建上市公司投资价值的评价指标体系,选取13个财务指标,利用主成分分析法提取5个主成分,并计算出5个主成分的综合值,据此对12家公司的投资价值进行综合排序。结果显示,运用主成分分析法得到的评价结论基本符合客观实际情况。各家上市公司的评价得分一定程度上能够体现这些公司的内在投资价值,而且用于评价的指标体系与关乎公司价值的理论也是比较一致的,可为投资决策提供一定的参考。
- 韩华唐菲赵夏
- 关键词：上市公司主成分分析
- 基于PSO-SVM的多分类财务预警模型被引量：6
- 2013年
- 应用支持向量机(support vector machine,SVM)多分类方法解决财务的多类预警问题,将以往简单的两类预警模式(正常和危机)扩展到3类分类预警。为提高模型效率及预测准确率,利用主成分分析法对财务指标降维后作为输入样本,运用粒子群算法(particle swarm optimization,PSO)对SVM模型中的参数进行优化,并将建立的PSO-SVM多分类预警模型对200家上市公司进行实证研究。结果表明,该方法有效、可行,较传统SVM及判别分析模型具有更好的预测能力,为企业财务的动态预警提供了新的途径。
- 吴翎燕韩华唐菲
- 关键词：财务预警支持向量机粒子群算法
