房地产行业上市公司财务预警分析

选取40家房地产上市公司,运用其2008年-2010年的财务数据,构建Z分数模型进行实证分析,研究房地产上市公司财务预警的可行性和有效性.     

企业财务预警系统的应用分析

本文叙述了对财务风险预警系统的内涵及作用,简单的介绍了财务风险预警模型,分析了财务风险预警模型在企业运用中的局限,并提出我国企业运用财务风险预警系统应注意的问题。     

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.     

基于CNN的上市公司财务危机预警研究

对财务危机预警模型进行研究,有助于企业及早发现可能的风险,制定相应对策加强财务管理,对完善资本市场体系,推动经济高质量发展意义重大.本研究提出了一种基于主成分分析(Principal Component Analysis, PCA)和卷积神经网络(Convolutional Neural Network, CNN)相融合的财务危机预警方法.首先,针对海量财务数据存在噪音的问题,构建表征企业财务风险的主成分分析框架,实现备选指标数据的预处理.其次,根据预警指标的特征,通过对财务预警数据的反向学习训练,构建轻量化的三层卷积神经网络模型,预测企业是否陷入财务危机.最后,与现有机器学习财务预警方法进行对比,新模型显示了较高的预测准确率.     

浅析房地产上市公司财务绩效评价

房地产行业在我国经济体系中占有重要的地位,是国民经济的主要载体和支撑.房地产行业具有周期性、区域性、先导性等特征.房地产上市公司的财务绩效评价是运用科学、规范的财务绩效评价方法对房地产行业的财务行为进行的综合性评价.本文通过分析房地产上市公司财务绩效的现状,提出财务绩效评价的思路,以期实现房地产企业效益的有效提高,促使房地产企业财务工作合理有序发展.     

基于支持向量机分类模型的上市企业财务预警

介绍了支持向量机的分类原理.通过72家上市企业的财务数据建立支持向量机的企业财务预警模型.并利用该模型对上市企业进行两类和三类模式识别.在此过程中还分析了采用不同核函数和参数的仿真结果,表明与传统的财务预警相比,SVM模型具有非线性和良好的泛化能力.     

基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

基于多元统计方法的财务预警分析

介绍了多元统计方法的分析思想及其研究样本变量的选取,并利用我国一些上市公司的财务年报中的信息和数据,建立了多变量的预测模型对企业的财务预警进行分析.结果显示:通过财务预警分析数据,企生可以发现一些潜在的财务危机,井通过相关政策予以避免.     

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.     

基于董事会治理因素的财务危机预警模型的构建

企业在经营过程中存在着越来越多的财务风险,为了防止这些风险演变为财务危机,及时进行财务危机预警分析,就需要理顺公司的治理结构,引入董事会治理因素来完善财务危机预警机制.以120家上市公司为研究对象,分别运用非参数检验、T检验以及主成分分析对财务变量和董事会治理变量进行筛选,进而运用Logistic回归分析构建预警模型.结果显示,未引入董事会治理变量的模型的预测正确率为92.5%,而引入董事会治理变量的模型预测正确率为94.15%,预警能力明显增强,也说明,董事会治理因素是影响公司财务危机的一个重要方面.