论文摘要：鉴于数据发掘的财政预先警告模子的接洽与安排

本文在介绍了数据挖掘和金融预警模型的基本概念和相关知识后，在前人研究的基础上，对金融指标进行了详细的研究。首先将反映企业生产经营状况、财务状况、财务成果和现金流量的各项指标分为现象指标和本质指标两类，然后将适合纳入模型的本质指标分为六类研究和分析的自由度，以及权衡比较。建立了完善的财务指标体系。接下来，利用决策树算法在筛选属性方面的优势，根据本文需要对ID3算法进行修改和实现后，在综合金融指标体系的基础上建立了简化的金融指标体系。在建立了科学、精简的金融指标体系后，在B-P模型的基础上，利用人工神经网络在建立金融预警模型方面优于其他线性和回归模型，构建了新的金融预警模型。最后，利用测试集中的样本，从第一错误率和第二错误率两个角度对比了本文建立的混合金融预警模型与经典Z-score模型的预警能力。通过对实际样本的分析，很好地验证了本文建立的金融预警模型的预警能力。