基于费歇判别分析的企业财务困境预警研究

选取2011年127家ST公司为财务困境公司,并对每个困境公司进行配对,利用财务困境公司和非财务困境公司T-2年现金流量数据,在费歇判别分析基础上,利用现金与总资产比率、每股收益增长率、净资产增长率、每股经营现金净流量和净利润现金含量5个现金流指标构建现金流量财务困境预警模型,模型整体判别准确率为88.2%.最后,通过ROC曲线对模型判别结果进行检验。     

基于SPSS分析平台的上市公司财务预警模型

筛选140家ST及非ST上市公司作为样本,运用定性与定量相结合的方法选取财务指标.在相关性分析、因子分析法和距离判别原理的基础上,基于SPSS分析平台导出一种新的财务失败预测模型,即Y评分模型.随机抽取沪深股市的120家上市公司进行实证检验,以期降低对上市公司财务风险.     

基于EVA和现金流的财务危机预警模型研究

以上市公司中2013年31家被ST的公司和与之对应的31家非ST公司为研究的对象,利用公司的财务报表,采用Logistic回归方程建立财务预警模型,同时,为进一步增强预警模型的有效性,将前瞻性的EVA指标和真实反映企业财务状况的现金流量指标中同时引到财务危机预警模型的构建中.通过对模型的拟合优度及回代检测可以看出,加入EVA指标和现金流量指标的财务危机预警模型对危机的前瞻性和灵敏度要大于基于传统指标所建立的财务危机模型,因此引入EVA指标和现金流量指标对财务危机的预警具有很好的理论依据.     

修正的KMV模型对中国中小企业信用风险的度量

利用KMV模型对14家（7家ST和7家非ST）公司进行信用风险度量分析,结合中国股票的实际情况,对KMV模型中的股权资产价值和股权资产价值波动率进行了修正,再利用修正后的模型进行实证分析.分析结果表明,ST公司比非ST公司有更高的信用风险,且对于陷入困境的ST公司,KMV模型也提供了一种全新的角度来度量其信用风险.     

机械设备仪表类上市公司多元线性财务预警模型的比较研究

研究了制造业下辖的九个子类之一的机械设备仪表类行业,运用比较分析法得出了F分数模型在对机械设备仪表类公司财务预测中的精度高于Z-Score财务预警模型的结论,然后以理论为依据修正了F分数模型,建立了适合于机械设备仪表类行业公司的财务预测且准确度更高的修正F分数模型——F1分数模型,同时又用F1分数模型的拟合来支持和丰富了原有理论.     

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

基于现金流量的可选消费行业财务预警研究

为了对上市公司可选消费行业出现财务危机的可能性进行更准确的预测,采用logistic回归分析方法做出预警模型.选择非配对样本,以可选消费行业沪市A股公司2003年和2004年的ST公司和正常公司共42家作为分析样本,另外48家作为检验样本.利用主成份分析方法对现金流量指标进行筛选,并运用logistic回归对所得到的主成份进行分析,得到的基于现金流量的财务预警模型,可从获现能力、盈利能力等不同角度全面准确地反映企业的财务状况.     

会计盈余价值相关性的非对称性研究

ST公司和非ST公司会计盈余价值相关性具有非对称性,对盈余价值具有重要影响的因素主要为账面价值、经营现金流量等;通过使用中国A股市场2009—2011年ST公司和非ST公司相关数据,利用盈余资本化模型实证发现ST公司会计盈余价值相关性明显弱于非ST公司;通过逐步引入账面净资产、经营活动现金流量、账面净资产与经营活动现金流量的交互效应,证实:1)账面净资产具有价值相关性;2)ST公司经营活动现金流量具有显著的负的价值相关性;3)会计盈余与经营现金流量、账面净资产与经营现金流量对股票价格具有显著的交互影响.     

新债务重组准则下的盈余管理实证研究

对上市公司是否利用2007年新实施的债务重组准则进行盈余管理进行了研究,检验结果表明,债务重组公司利用了新债务重组准则实施盈余管理;其中主要是亏损公司和ST公司为了达到降低财务风险、扭亏或摘帽摘星的目的而实施的盈余管理行为.     

基于BP神经网络的财务预警实证研究

运用BP神经网络对我国制造业的上市企业进行实证研究,选取2002～2005年的62家ST企业为样本,并选取同行业、同时期、同规模的健康上市企业进行配对.通过显著性检验对指标进行筛选,并建立单纯依靠财务指标的BP神经网络财务预警模型,比较引入非财务指标后的模型的预测效果,得出引入非财务指标后的BP神经网络财务预警模型更加精确.     

基于支持向量机的上市公司财务危机预警研究

以2002—2005年在沪深两市挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的财务报表中的相关数据,运用支持向量机模型进行了实证研究.研究表明,在小样本数据条件下,与其他预警模型相比支持向量机模型预测精度远远高于其他方法,具有其他方法所不具有的优越性.     

制造业上市公司财务困境预测模型实证研究及对策建议

选取沪深两市制造业上市公司中50家ST公司和相对应的50家非ST公司为研究对象，在这些公司会计信息基础上利用Logistic回归构建上市公司财务困境预测模型，对其进行了实证检验并对相关指标特征进行分析，在此基础上提出了针对上市公司财务危机预警的对策建议。     

基于Logistic回归模型的IT企业财务危机预警的实证研究

以我国信息技术上市的ST公司和非ST公司作为研究样本,运用因子分析以及Logistic回归分析的方法,综合传统的财务指标和现金流信息指标构建适合IT企业的财务危机预测模型.并对模型的预测效果进行回判,验证了该模型对IT行业具有很好的预警效果.     

基于数据挖掘的上市公司财务危机预警研究

随着企业内外环境因素的日益多变,企业面临的各种不确定性和风险增加,企业发生财务危机的概率增加,财务危机预警研究可以帮助企业提前预防危机的发生,采取有效措施,保证企业健康发展。选取2013年被宣布特别处理公司中的21家ST公司与对应的89家非ST公司为研究样本,在Z-SCORE财务预警模型的基础上,利用数据挖掘时序分析方法,根据ST公司被宣布特别处理前5年及非ST公司的相对应年度的财务数据,对2012、2013年的Z-SCORE值进行预测。从2个方面对预测结果数据进行分析,一是对2012年预测值与真实值进行比较,检验预测准确率;二是根据2013年预测值与实际发生财务危机的可能性进行对比,检验其判断正确率。通过比较分析,以上两种情况的准确率和判断正确率均达到80%以上,说明采用的分析方法具有广阔的应用前景。     

上市公司信用风险的评价——基于KMV模型视角

如何度量信用风险是从事金融活动的各方迫切关心的重要问题。本文以2009年ST公司及与之配对的非ST公司为研究样本,在对KMV模型的求解过程进行解析的基础上,用KMV模型对其信用风险进行识别与评价,研究结果表明,ST公司的违约距离显著不同于配对样本,其信用风险明显较高,这说明KMV模型对存在不良贷款的违约公司具有较强的风险识别和预警能力,是一种有效的风险管理工具。     

基于数据推理和模式识别的财务困境预警模型

通过对比研究,指出了基于统计分析方法的传统财务困境预警模型的缺陷,分析了基于数据演算推理和模式识别的新兴财务困境预警模型的特点.对多个有代表性模型特点的分析表明,新兴的财务困境模型具有容错能力、动态适应性、人工智能和解释能力等特点,更适合目前公司错综复杂的财务状况.该文在分析结果的基础上,提出了财务困境预警问题未来的研究方向.     

银行信贷决策与上市公司财务风险识别

在对ST公司样本进行配对的基础上,建立了长期借款增量模型,并借助统计软件线性回归。结果发现：商业银行早在T-3年（T年为公司被ST当年）就对ST公司做出了谨慎性反应——显著降低了长期贷款规模。此外,还发现商业银行在预测ST风险时主要考虑资产负债率、流动比率、净资产收益率、总资产周转率、公司的融资能力、是否存在重大担保和长期借款是否逾期等因素。     

SVM财务欺诈识别模型

利用我国资本市场的面板数据,选取2006—2015年公布的财务报表欺诈公司作为样本公司,以1∶1比例配比非财务欺诈公司,对27个指标(包括财务指标和非财务指标)进行分析,然后通过独立性检验对指标进行降维处理,最终保留8个建模指标.分别利用网格搜索算法、遗传算法和粒子群算法进行支持向量机模型的参数寻优,基于上述不同算法建立了三个支持向量机财务欺诈识别模型.最后,比较三个模型的运行效果,结果表明,通过粒子群算法寻找最优参数效果最好,据此建立的支持向量机模型可以很好地识别出财务欺诈公司样本.     

产险公司资产负债管理的DFA方法实证分析

介绍了动态财务分析(DFA)这一主要适用于产险公司的资产负债管理工具.该工具运用Monte Carlo模拟方法在一系列不同情境下产生保险公司整体的财务结果.本文利用公共的DFA模型和中国市场上的实际数据参数化模型,建立起在中国市场上适用的DFA模型.在模拟过程中可以看出,DFA将外部环境等因素考虑进来,符合经营环境多变的情形;管理层可借由DFA模拟出的大量财务数据对公司经营状况进行分析,预测公司在未来几年中的财务进展状况,并由情景测试的方法来展示如何通过改变公司经营策略改善公司的经营状况及资产配置等.借助DFA模型可达到资产负债管理的目的,显示出其作为资产负债管理工具的巨大优势.     

公司治理与公司绩效实证研究

用神经网络和多元判别分析两种方法来研究公司治理与公司绩效之间的关系.首先假设"公司治理对公司绩效是有效的",然后选取一组包含ST和非ST的上市公司作为研究样本,再通过神经网络和多元判别分析方法来验证.实证结果表明,公司治理变量在一定程度上的确能够区分ST和非ST的上市公司,即公司治理能够对公司绩效进行有效的"判别".