新能源汽车企业财务风险预警研究开题报告

1. 研究目的与意义

近几年，新能源板块大热，公司市值一路高涨，新能源的证券市场也一路飙升，资本入场引来更多公司，纷纷瓜分这个庞大的市场。板块的“火热”，带动着企业欣欣向荣。

然而最近，新能源已经过了快速扩张期，新能源市场扩张总体有所收敛，在资本浪潮有所减退的关口，入市的新能源公司的面临着一定的财务风险，因此，新能源公司需要一种财务预警模型来评估自身财务状况，从而了解市场变动下公司的风险变化。财务风险的及时发现，也能够迫使公司做出改变，从而选取更优的经营模式，有利于公司的长远经营。

2. 研究内容和预期目标

研究内容

本文通过建立财务预警模型对新能源企业财务风险进行分析。筛选出使用的财务指标之后，运用神经网络初步搭建并进行训练得到最终模型，最后进行预测测试，并分析所得结果。

3. 国内外研究现状

william h. beaver（1966）是最早研究破产预测的研究人员之一，他使用158个由破产和非破产公司组成的样本研究了14种财务比率的可预测性，创建了单变量预警模型。结果表明，此模型在破产前一年的预测精确度是87%，此前的四年中预测精度有所下降，维持在77%左右。

国内，尤谊、张瑶（2013）通过运用电力上市公司的实证研究，表明了bp 神经网络模型对财务预警的可行性。耿东，付亭，曹文彬（2014）综合了主成分分析方法、logistic 回归方法与 bp 神经网络机制，引入面板数据为研究样本进行模型构建。阳葵兰（2017）运用粒子群算法对svm模型进行了进一步的优化。王海峰（2018）利用粒子群算法对bp神经模型进行了进一步优化。吴静（2021）则验证了基于人工神经网络的财务预警模型比单纯利用粒子群算法改善神经网络参数具有更强的抗干扰性和收敛能力。

同时学者也试着其他角度的突破，潘雅琼，刘艳（2021）另辟蹊径，运用生存分析法的角度建立了财务预警模型。孟凡亚（2021）则从现金流量角度计算现金流量指标，依此建立财务预警模型。

4. 计划与进度安排