原创《基于贝叶斯网络重大资产重组公司预测模型》：本论文为免费优秀的关于贝叶斯论文范文资料，可用于相关论文写作参考。
[摘 要] 随着资本市场的不断发展,企业重大资产重组已经成为企业优化资源配置、谋求可持续发展的重要途径.对投资者而言,在重大资产重组停牌公告发布前进行投资布局有助于获得超常收益.通过以中国A股主板2015年至2017年发布重大资产重组停牌公告的公司为样本,运用理论分析确定构建贝叶斯网络的节点,并在此基础上通过贝叶斯网络建立重大资产重组预测模型.研究发现,股权制衡度、资产减值损失占营业收入比例越大,出现控股股东变更,每股收益、每股净资产、每股营业收入越小,上市公司发生重大资产重组事件的概率越大.模型总体准确率为71.63%,表明对重大资产重组公司进行预测在很大程度上是可行的.
[关键词] 贝叶斯网络；重大资产重组；预测模型
[中图分类号] F724 [文献标识码] A [文章编号] 1009-6043（2018）04-0083-03
Abstract： With the continuous development of capital market, the major asset restructuring of enterprises has become an important way for enterprises to optimize the allocation of resources and seek sustainable development. For investors, investment layout before major asset restructuring announcement is helpful to get abnormal returns. By using the theoretical analysis to establish the nodes of the Bayesian network, a major asset reorganization prediction model is established on the basis of the Bayesian network, which is based on a sample of the companies that issued a major asset restructuring stop bulletin from 2015 to 2017 of China"s A shares. It has been found that the greater the proportion of equity and impairment of assets is in the operating income, with the change of the controlling shareholders and the smaller the net assets per share and the earnings per share are, the greater the probability of the major asset reorganization of the listed companies will have. The overall accuracy of the model is 71.63%, which indicates that it is feasible to predict major assetrestructured companies.
Key words： Bayesian network, major asset restructuring, prediction model
一、引言
最近幾年,我国上市公司资产重组的脚步越来越快,特别是重大资产重组已经成为优化资产结构、实现企业价值增值的重要途径,因此预测重大资产重组公司对投资者获得超常收益具有重要意义.自21世纪以来,世界各国尤其是新兴市场国家放宽了对资产重组行为的监管.随着资产重组行为数量的增加,国外研究人员开始关注对并购目标的预测,通常的方法是逻辑回归,衡量的主要指标有资产负债率和总资产,如Kramaric（2012）,准确率为70.6%；销售增长率、投资回报率、总资产 回收率,如Barai,Mohanty（2012）,准确率高达91%；净利率,资本劳动比率,营业收入,存货周转天数,如Tsagkanos（2012）,总预测准确率仅为57.14%,但非目标公司的准确率为91%.
中国学者的研究则大多沿袭了西方学者的方法.衡量的主要指标有 营运指数、固定资产比率、第一大股东持股比例、流通股比例,如张金鑫,张艳青,谢纪刚（2012）,预测准确率不高,仅为56.1%；资产负债率、净资产收益率、基本每股收益、每股经营 流量、前十大股东持股比例,如赵息,徐晓（2015）,模型总体准确率为70.4%.
综上,可以看到关于资产重组的研究大多以目标公司为对象,只有少数文章涉及对主并公司的研究,如陈玉罡,李善民（2007）,研究角度不够全面.而且预测模型基本采取线性回归分析,方法也较单一.而通过贝叶斯网络方法对重大资产重组进行预测,可以对非线性的变量关系进行研究,从而扩大了预测指标的选择空间.另一方面,由于研究范围不局限于重大资产重组的方式和企业在重大资产重组中的角色,而将研究对象扩大到所有重大资产重组公司,使预测模型具有更广泛的应用价值.
二、贝叶斯网络的基本原理
贝叶斯网络是由有向无环图（DAG）所表示的各随机变量间的概率关系,由有向无环图和条件概率表两部分构成.有向无环图即为贝叶斯网络拓扑图,图中的各节点表示相应的随机变量,有向弧表示各节点之间的依赖关系,箭头指向的方向为子节点,其另一端为父节点,没有父节点的称为根节点.条件概率表示各子节点对其父节点依赖关系的强弱.贝叶斯原理可表示为下面的公式：
贝叶斯论文参考资料：
结论：基于贝叶斯网络重大资产重组公司预测模型为关于本文可作为贝叶斯方面的大学硕士与本科毕业论文贝叶斯统计论文开题报告范文和职称论文论文写作参考文献下载。
