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。     

基于多元判别分析和神经网络技术的公司财务困境预警

应用我国上市公司的财务报表数据，采用多元判别分析（MDA）技术和神经网络（ANN）技术对我国上市公司进行财务困境预警研究。实证结果显示这两种方法都具有较好的预测效果，其中ANN模型的短期预测效果优于MDA模型的预测效果，但无明显的优势。研究同时证明在现有会计制度和会计准则下。财务报表能提供预测财务困境的大量有用信息。财务危机有踪可寻。     

上市公司财务失败预测实证研究

如何合理、有效地利用企业披露的财务信息防范企业财务失败，是企业持续经营与发展的一项重要内容，这就要求加强事前对未来可能出现的财务失败进行科学、准确地预测。本文构建了反映上市公司经营业绩和水平的综合财务预警指标体系；应用多元统计分析，以沪深股市的上市公司为样本，建立了中国工业类上市公司财务失败预测模型，给出了所研究上市公司的Z值范围；并应用该模型对预测样本进行实证研究。预测结果显示，该预测模型是预测上市公司财务失败的一种有效、实用的方法。最后对预测模型的适用性、准确性以及与模型有关的上市公司财务信息披露的问题进行了探讨。     

上市公司财务困境预测模型比较研究

以中国上市公司为研究对象,以因财务状况异常而被特别处理作为上市公司陷入财务困境的标志,采用交叉验证技术建立各种统计和神经网络模型,并在独立的预测样本集上进行比较.实验结果表明统计和神经网络模型都能有效地进行财务困境预测,对于提前两年预测,统计模型优于神经网络模型,而对于提前三年预测,神经网络模型优于统计模型.实验结果也表明了在与训练集同一财务年度区间内的测试集上不能正确估计模型的性能.     

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。     

基于面板离散选择模型的企业财务预警及其行业适用性

基于制造业上市公司2001~2010年的平衡面板数据,在对财务指标和非财务指标进行筛选的基础上,构建了基于面板Logit模型的财务困境预警模型,并分别检验了非财务指标对财务预警模型的影响、行业差异对财务预警模型的影响以及预警临界点的选择对模型的影响。研究发现:资产负债率是财务困境预警中必须给予高度关注的指标;在非财务指标中,行业类型对模型预警能力的影响最大,应针对不同行业建立不同的财务预警模型,外部审计师出具的加说明段的无保留意见以及保留意见可以作为判断公司陷入财务困境概率的参考依据;在预警过程中可适当降低临界点以减小对财务困境公司的误判率。     

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。     

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.     

基于不同生命周期的财务弹性与投资效率关系

通过构建财务弹性指数来测算公司的财务弹性,并以Richardson残差度量模型测算公司的非效率投资,从生命周期的新视角对财务弹性与投资效率的关系进行细致化研究。以1200家上市公司2011年和2010年的截面数据为基础,从非线性的视角重新审视我国上市公司财务弹性与投资效率的关系,研究发现:财务弹性对投资效率的影响存在滞后期,两者之间存在显著的倒U型关系;成长期阶段的上市公司财务弹性显著影响投资效率,公司为了扩大公司规模出现投资过度的现象;成熟期阶段的上市公司财务弹性显著影响投资效率,为了保持较高盈利有选择投资,出现投资不足的现象;衰退期阶段的上市公司财务弹性对投资效率影响不明显,为了降低破产成本,投资更加谨慎,出现投资不足的现象。     

企业财务困境的多分类器混合组合预测

为了降低单分类器财务困境预测的不确定性和不稳定性,本文通过多分类器组合来提高预测效果,提出了企业财务困境预测的多分类器混合组合模型,实现了并联组合和串联组合的优势互补作用.采用差异性原则和个体优化原则作为选择基本分类器的标准,在定义单类择优算子的基础上,设计了构建混合组合基本模块的流程算法以及混合组合模型内部并联结构的动态赋权机制和加权多数投票机制.以中国上市公司为对象的实证研究证实了该模型在提高平均预测准确率的同时大大降低了离散程度,统计分析表明：该模型显著优于现有的单分类器财务困境预测模型.     

财务困境概率贝叶斯估计

通过财务困境概率估计模型建立一套企业财务风险预测系统,具有降低企业经营风险、投资风险以及防范金融危机的重要意义。现有的预测模型主要有:多元识别分析模型、Logit和Probit等统计回归模型以及人工神经网络预测模型。但以上模型均忽略了决策者个人经验、智慧以及信息优势对财务困境预测的重要作用。本文利用贝叶斯分析方法建立的概率估计模型,可以较好地解决这个问题,提高预测的针对性和准确性。     

Multiple Classifiers Hybrid Combination For Companies' Financial Distress Prediction

In order to control uncertainty and instability of single classifiers in financial distress prediction, this research proposed a multiple classifiers hybrid combination model for financial distress prediction. This model improves predictive performance by the combination of multiple classifiers and taking advantages of serial combination and parallel combination. Diversity principle and individual optimization principle were taken as criteria for classifier selection. On the foundation of defining selection operator for class's best classifier, algorithm for constructing basic modules in hybrid combination, dynamic weighting mechanism for parallel modules inside hybrid combination, and mechanism of majority voting were designed. Empirical research with data from Chinese listed companies indicates that the model improves average predictive accuracy and simultaneously reduces variation degree. Statistical analysis demonstrates that the hybrid combination model outperforms existing single classifiers in financial distress prediction significantly.     

基于期权与基于会计信息信用模型的一致性研究———对我国上市公司的实证研究

利用我国72家上市公司组成的样本,分9种不同的情况,详细地计算了3类Merton型违约指标d2、DD(违约距离)、RNDF(风险中性违约概率)与Z分值,采用线性分析和严格的ROC分析方法比较了3类Merton型违约指标与Z分值的一致性.实证的结果表明,在我国找不到足够的证据支持基于期权方法的Merton型信用模型与基于会计信息的Z分值模型之间的一致性.最后,阐述了这个基本结论的意义,并提出了后续研究方向.     

财务困境分析中警兆指标的随机游动估计

警兆是警情爆发之前的先兆性指标,对其进行定量分析是财务困境分析中最为关键的一环。通过设定财务困境分析中警兆指标的上、下限,确定警兆指标变动的趋势,运用马尔可夫链进行随机游动估计,可以推导出分析时点警兆指标的恶化概率,并对其警情与警度作出分析,从而不但可以避免仅仅用警素指标建立模型进行财务困境预测的不足,而且使公司决策者能够有针对性地及早发现并排除分析指标所蕴涵的经营管理和财务风险,有效地防止风险恶化为财务困境的重要意义。     

基于BP神经网络和面板数据的上市公司财务危机预警

在作者前期研究的基础上引入面板数据,以T-2、T-3期财务数据组合的面板数据(panel data)作为研究样本,构建BP神经网络模型对上市公司的财务状况进行预测.实验表明,1)使用面板数据进行的BP神经网络预警分析显示出稳定、连续的预测性能,这正好适合构建具有实际应用价值的中长期预警模型,使模型具有广泛的实践应用价值;2)模型提前3年和4年的预测能力分别为88.46%和75.64%,较之以往同行的研究及作者前期的研究精度均有较大的提高.     

时间序列判别分析技术和指数加权移动平均控制图模型在公司财务危机预警中的应用

经典的财务危机预警模型包括判别分析模型、logistic分析模型、神经网络模型、支持向量机模型、分类数模型等,这些经典模型最重要的缺陷是他们都是静态预测模型,都不能描述财务比率变量的时间序列特点;而且这些模型用来预测财务危机的数据都是单期的,没有考虑历史值对结果的影响.用时间序列判别分析的方法估计财务比率的演变过程;用在质量管理中经典的指数加权移动平均控制图模型构建公司财务危机的动态预测模型.实践表明预测效果良好.     

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.