引入违约距离的上市公司财务危机预警应用

目前关于上市公司财务危机预警的研究大多数偏重于财务比率指标,忽略了股票价格及波动、企业的经营效率、宏观因素的制约、股权结构等非财务指标的影响。本文尝试区别同类文献研究,在KMV模型的基础上嵌入期权定价模型,通过加入反映上市公司股票价格和波动率的违约距离指标,建立一个相对动态的集财务指标、公司治理指标和违约距离指标于一体的综合财务困境预警模型。在实证基础上检验违约距离指标对于上市公司财务困境预警的适用性及有效性问题。     

面向特征因果分析的CFW-Boost企业财务风险预警模型

当前多数模型一般以单类特征进行财务预警，缺乏多类特征为背景的预警分析，模型的预警准确率及鲁棒性也有待进一步提高。以财务指标及非财务指标构建多类财务特征的前提下，結合特征因果关系集成多棵CART树构建得到CFW-Boost，并利用其他预警模型，对比训练并实证分析CFW-Boost的表现，发现：CFW-Boost对比其他模型，准确率更高、预警表现更稳定；CFW-Boost模型通过特征因果分析降低特征维度，能够很好地避免特征冗余造成对模型鲁棒性的影响；CFW-Boost最优维度的数值最大，表示CFW-Boost相比于其他模型，在高维特征中优异性更强。本文提出的CFW-Boost经实证符合市场规律，可为企业及市场监督部门提供有益参考。     

基于变量聚类和COX比例风险模型的企业财务预警研究

以沪深两市A股上市的制造企业为样本,运用变量聚类方法,从32个财务与非财务指标中选取11个指标作为财务预警典型指标,在此基础上,建立COX比例风险模型。通过COX比例风险模型实证研究发现:速动比率、股东权益相对年初增长率、资产负债率为危险因素,增加了发生财务困境的危险性;总资产周转率、独立董事比例为保护因素,降低了发生财务困境的危险性。通过COX比例风险模型的判别能力检验,COX模型针对训练样本和测试样本的综合识别准确率均达到80%以上。研究结果证实,COX比例风险模型具有较好的财务预警判别能力。     

基于变量聚类和COX比例风险模型的企业财务预警研究北大核心CSSCI

以沪深两市A股上市的制造企业为样本,运用变量聚类方法,从32个财务与非财务指标中选取11个指标作为财务预警典型指标,在此基础上,建立COX比例风险模型。通过COX比例风险模型实证研究发现:速动比率、股东权益相对年初增长率、资产负债率为危险因素,增加了发生财务困境的危险性;总资产周转率、独立董事比例为保护因素,降低了发生财务困境的危险性。通过COX比例风险模型的判别能力检验,COX模型针对训练样本和测试样本的综合识别准确率均达到80%以上。研究结果证实,COX比例风险模型具有较好的财务预警判别能力。     

企业财务困境修正Z模型的实证研究

针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型，并选取我国上市公司中41家财务陷入困境的公司和41家财务正常的公司为样本，应用逐步回归分析法，研究了财务困境出现前2年这两类公司的20个财务指标，从中选定7个指标作为预测变量，主要采用Fisher判别分析和Logistic回归分析两种方法分别建立了财务困境预测模型。实证研究结果表明这2个模型与奥特曼的Z模型相比均有较好的预测效果，针对我国上市公司财务困境的预测准确度有显著提高。     

基于Aalen可加模型的中国上市公司ST预测

针对上市公司特别处理(简称ST)政策，基于公司连续2年净利润为负的特征，利用生存分析方法，建立Aalen可加模型来预测上市公司财务困境。采用中国各制造业公司自上市日起到2015年的财务数据进行实证分析，讨论上市公司违约概率与财务预警指标间的关系。研究结果表明，总资产规模、营业利润率、运营资金/资产总金额、留存的收益/资产总金额四个指标均影响上市公司陷入财务困境的强度，即这四个指标具有稳健性；除了总资产规模对其影响是常数外，其他3个指标对其影响均具有时变性；且总资产规模越大，该公司陷入财务困境的可能性越小。     

基于Kalman滤波的企业财务危机动态预警模型

基于Kalman滤波理论,考虑财务比率在时间序列上的趋势性和历史数据对结果的影响,构建了财务危机的动态预警模型。首先对动态系统的状态进行描述,建立目标的状态模型,该模型是以时间序列来描述的,此外还建立了财务危机预警的测量方程,利用状态空间法描述目标的状态和测量。然后对Kal-man滤波理论在财务危机预警中的适用性进行分析,利用Kalman滤波器对财务危机预警模型的状态进行Matlab程序计算。并且应用极大似然估计对模型进行参数辨识。采用英国和爱尔兰180家样本公司,5～10年时间序列的财务数据作实证研究,结果表明,由年度破产概率值输出的基于Kalman滤波的动态模型优于静态预测模型的新方法。     

基于学习曲线的行业财务风险分析

借助回归分析建立学习曲线方程,求出行业学习率,对学习率进行对比分析,判断学习能力的高低差异.借助主成分分析和回归分析筛选指标,基于学习曲线建立一个反映企业各项能力的指标体系,并将学习率差异对应于该体系中各项具体的财务指标.在具体指标分析中,以上市年数为因变量,以财务指标为自变量,求出回归方程,得出各指标对应的相关系数,着重关注相关系数较高的指标,对照财务指标计算公式挖掘财务指标水平的影响因素.将学习曲线应用于财务风险分析中,建立基于学习曲线财务风险分析模型(LCFRA),并将其应用于行业研究中,以激发目标行业的学习能力,力求对相关财务风险进行合理有效的防范与规避.     

基于面板Logit模型的银行客户贷款违约风险预警研究

采用我国主要银行业金融机构的客户大额授信月度微观面板数据,对银行客户贷款违约风险进行预警.从客户外部因素、客户经营水平、客户交易水平三个维度,建立了包含56个因素的客户贷款违约预警三级指标体系.基于这些指标,构建了银行客户贷款违约风险预警的面板Logit模型;并提出了基于模拟退火算法的面板Logit模型变量选取方法,最终选出24个预警指标.根据这些指标进行银行客户贷款违约预警,达到了较高的预警精度.最后,对我国银行客户风险管理提出了相应的政策建议.     

基于流形学习的多核SVM财务预警方法研究

在进行财务困境预测时, 为了客观全面地反映企业的财务状况, 纳入较多的预警指标, 数据集维度将变得很大, 传统方法求解此类问题效果并不理想. 流形学习处理高维数据具有较好的降维效果,多核SVM对于分布不平坦的数据具有很好的分类性能. 基于此, 提出了“流形学习+多核SVM”的混合算法财务预警模型, 该模型适用于具有大量指标集的财务预警. 实验结果表明, 与传统预警方法相对比, 其具有更优的预测性能.     

考虑财务报告中文本风险信息的财务困境预测

现有的财务困境预测研究大多忽略了公司在年度财务报告中以文本形式披露的风险信息,而相比于公司披露的其他类型的文本,这些风险信息能够更加直接和前瞻地反映公司经营中的潜在重要风险。创新性地引入财务报告中的文本风险信息进行财务困境预测,并构建了能够反映所披露的风险对公司产生影响的可能性的文本特征指标——风险可能性,而后采用机器学习方法构建预测模型。基于2006~2020年美国35706个上市公司年度样本的实证研究发现：在常用的财务及市场各类定量指标的基础上,融合财务报告中的文本风险信息能够显著提升公司财务困境的预测效果;相比于其他常用文本特征指标,本研究提出的风险可能性指标在财务困境预测中表现的重要度最高;定量指标的财务困境预测能力随着预测时间窗口的提前而明显下降,而文本风险信息的预测能力不仅没有下降,还呈现出了更为显著的提升效果。本研究可以帮助市场投资者、监管机构理解如何解读公司在财务报告中披露的文本风险信息,并为实现财务困境预测中融合文本信息提供了理论指导。     

离散灰色模型的拓展及其最优化求解

目的:探讨灰色预测模型中不同的迭代初始值点对模型的影响及其解决方法,探讨非齐次指数增长序列情况下的离散灰色模型;方法:采用理论证明和图形分析相结合的方法,比较迭代初始值分别为始点、中间点和终点三种不同形式对离散灰色模型的影响,构建新的灰色预测模型和参数求解公式;结果:迭代初始值的不同确实对离散灰色模型的模拟和预测产生影响;构建了优化离散灰色模型和无约束参数求解公式,建立了非齐次指数增长序列情况下的离散灰色模型;结论:新建立的优化灰色模型解决了迭代初始值点的不同对模型的影响问题,可以取代GM(1,1)模型和离散灰色模型进行模拟和预测,离散灰色模型得到了拓展,应用于非齐次指数增长序列的情形.     

贷款多元化对商业银行绩效的影响

在传统财务指标的基础上引入了更为客观有效的经济增加值(economic value added,EVA)绩效评价方法,从两个视角研究了贷款多元化对商业银行绩效的影响。同时为了剔除影响商业银行绩效的其他因素,在模型构建中引入了净资产、资本充足率、存贷比三个重要的控制变量,以使得结论更具有合理性和现实意义。实证结果表明:在传统财务指标绩效测度下,商业银行的行业多元化提高了其总资产收益率及总营业成本,但对不良贷款比率的影响并不显著,EVA角度研究结论与之基本一致,行业多元化战略也显著提高了商业银行的经济增加值;而贷款地区多元化战略显著降低了商业银行的总资产收益率,提高了总营业成本,对不良贷款比率无显著影响,与传统财务指标测度结论不同,EVA角度表明贷款地区多元化对其绩效无显著影响。     

汽车零部件企业并购绩效分析——以福耀集团为例

近年来随着中国经济的高速发展,我国整车销量不断上升,汽车零部件行业发展势头良好,但是目前我国汽车零部件行业主要占据中低端市场.为此许多汽车零部件企业积极寻求并购机会,希望通过并购快速提高自身的技术实力.本文以全球规模最大的汽车零部件供应商福耀集团为研究对象,首先运用事件分析法和基于因子分析的财务指标分析法从股价、财务绩效等多个维度分析了福耀集团三次典型的并购事件对其短期和中长期绩效的影响;其次结合Bai-Perron断点检验分析并购事件对于企业主要财务指标的影响·实证结果显示该企业三次典型并购事件均对企业绩效产生了正向的影响.     

创业投资企业的控制权配置与非效率投资行为

对Tirole的企业融资模型进行了改进。通过引入控制权转移和监督成本变量,分析了控制权的安排对创业投资企业的非效率投资行为的影响,认为投资不足和投资过度现象之间存在着一种松散的交替关系。分析了创业企业家的非人力资产的大小、人力资产的动态特性、非货币收益的大小以及管理团队强弱对其出让的控制权大小、投资扭曲行为的控制权临界点的影响。认为适当的财务契约设计(可转换优先股、一票否决权和多阶段融资)能够改变双方承担的风险比例和有效地缓解非效率投资行为。     

一种计算最小体积覆盖椭球的坐标轴下降算法

最小体积覆盖椭球问题是一个基本的优化问题,在很多实际问题中有着重要的应用.本文阐述了最小体积覆盖椭球问题的理论、模型和算法,并提出了一个一阶导数类算法-调节坐标轴下降算法.该算法具有全局线性收敛性,并且计算效率很高.另外,我们还将最小体积覆盖椭球问题的理论应用到我国医疗行业上市公司财务风险预警模型的构建上来,研究结果表明基于最小体积覆盖椭球的财务风险预警模型具有很高的判别率和计算效率,进而说明了最小体积覆盖椭球问题的应用价值.     

基于惩罚组变量选择的COX财务危机预警模型

随着市场竞争的日益激烈,上市公司生存压力不断增大,如何从繁多的财务指标中选择重要指标,建立有效的财务危机预警模型显得尤为重要。COX模型具有对因变量分布无假设并可以对公司生存时间进行动态预测等优点,因此本文引入COX模型,并加入惩罚组变量选择CMCP方法,对具有分组结构的财务指标进行筛选。本文根据实际的财务危机数据特征设置模拟实验,并将CMCP-COX模型与Lasso-COX模型、逐步COX模型、COX模型和逐步Logistic相比,结果表明在不同的自变量相关性下CMCP-COX模型的指标筛选和预测效果均更优。实证分析中,CMCP-COX模型在测试集上的预测准确率高于80%,尤其在"危机"类别中预测准确率高于90%,其预测准确性和AUC值均优于传统的逐步Logistic回归和其他COX模型,并呈现出了理想的时点预测效果。综合对比认为CMCP-COX模型对于财务危机预测的综合表现较好,更具有现实意义。     

险境淘金:基于并购重组事件挖掘的财务脱困预测

针对我国上市企业财务困境预测问题,构造了一个多分类器集成学习模型,挖掘企业并购重组事件(mergers and acquisitions, M&A)以及年报中管理层讨论与分析(management discussion and analysis, MD&A),应用文本分析技术研究其能否提供增量信息,以及新特征的信息价值.研究结果表明,新模型在预测准确度(area under curve, AUC)与识别能力(true positive rate, TPR)上均显著优于基准模型;企业财务数据、M&A, MD&A等的多源异构特征,都帮助该模型获得更佳的预测效果;基于MD&A的文本情感挖掘发现,管理层语调越消极悲观,其企业越易于陷入财务困境;频繁发生M&A事件更易使企业趋于陷入财务困境; MD&A中语调夸大将不利于模型预测的准确性,但大规模M&A会削弱这种消极作用.     

基于决策树的财务预警

实现有效的财务失败预测对于银行、投资者、企业和政府管理机构来说具有重要的意义.本文以上市公司为研究对象,选取了反映上市公司盈利能力、偿债能力、营运能力、成长能力和公司规模的17个财务指标,区别于传统的建模方法,应用决策树技术建立了中国上市公司的财务困境预警系统.实证结果表明本系统具有较好的预测性,在此领域有着良好的应用前景.     

财务困境预测中的变量筛选——基于平均影响值的SVM方法

在财务困境预测中,如何从大量备选指标中筛选出预警指标是一个重要环节。为了更有效地设计财务困境预测模型,本文将平均影响值方法应用于SVM回归来进行变量筛选,首先对训练集数据用SVM进行训练,然后分别增减每一自变量的10%来进行仿真,对两个仿真结果的差值按样本数平均,得出平均影响值;最后对各个自变量的平均影响值按绝对值大小排序,从而进行变量筛选。实证结果表明,该方法能够以较少的特征变量实现较高的分类精度,是切实有效的。