我国上市公司渐进式财务困境预测研究

财务困境指企业因财务状况恶化、面临倒闭破产的状况,有效的财务困境预测手段有助于投资者避免损失,帮助上市公司及时发现危机以预防。文章以我国上市公司作为研究对象,选取50家被因财务业绩差被退市警告的公司和50家财务正常的公司作为研究样本,首先应用单变量分析,研究财务困境公司在财务困境发生年度之前5年内重要财务指标变化情况与差异,然后构建判别我国上市公司渐进式财务困境的Z-SCORE模型,并利用样本数据对模型进行检验。研究结果表明,本文构造的判别模型能够有效的对我国上市公司的渐进式财务困境进行预测。     

上市公司财务预警实证研究—X值模型

针对我国证券市场和上市公司的发展现状,运用Fisher判别分析方法,采用包括现金流量指标在内的涵盖上市公司财务状况各个方面的多个指标,建立上市公司财务预警×值模型。研究结果表明该模型的判别准确率较高,是一种科学、有效的财务困境预警方法。     

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.     

Z-score模型最优截断值确定方法比较——基于违约风险预测能力角度

Z-score模型在对企业进行财务困境和违约风险判别方面具有重要的应用价值,最优截断值的确定方法对于提高模型的违约风险判别能力至关重要.文章以医药生物行业上市公司作为样本,运用Fisher逐步判别法从15类财务比率中筛选出判别能力较强的7个指标构建了Z-Score模型,并尝试用加权平均法和考虑先验概率和误判成本的ZETAc模型法分别确定最优截断值,结果发现运用ZETAc模型法能够提高模型整体预测的准确率,而且能够降低第Ⅰ类错误分类的成本,其预测违约风险的能力明显优于加权平均法.     

基于Adaboost算法结合DEGWO-SVM的财务困境预测

针对支持向量机(SVM)在企业财务困境预测研究中存在参数选择困难、分类准确率低的问题,提出了一种新的Adaboost-DEGWO-SVM组合模型.首先,通过对2017年全部A股上市公司的财务数据进行数据预处理,提取1∶1的困境公司(ST)和正常公司组成建模数据集;然后,利用差分进化算法(DE)改进灰狼优化算法(GWO)来提高其全局搜索能力,以解决灰狼算法易陷入局部最优的问题,从而实现对SVM参数c和γ的寻优;最后,通过Adaboost算法提高了DEGWO-SVM模型的分类能力.实验结果表明,Adaboost-DEGWO-SVM组合预测模型具有明显的困境预测优势,与DEGWO-SVM相比,分类准确率提高了4.34%,Ⅰ类错误和Ⅱ类错误分别降低了0.043 5;与单一SVM相比,分类准确率提高了13.04%,Ⅰ类错误、Ⅱ类错误分别降低了0.130 4、0.130 5,是一种潜在的企业财务困境预测方法.     

基于多元统计的上市公司财务预警研究

伴随我国市场经济体制改革的深化和资本市场的快速发展,企业发生财务危机甚至破产的情形越来越多,因此及时准确地对财务危机进行检测及预报已成为上市公司重点关注的问题之一。运用因子分析、聚类分析和判别分析等多元统计分析方法,构建三种上市公司的财务预警模型,选取我国证券市场的30家样本公司,进行实证研究,结果表明判别分析模型具有最优的预警效果。     

企业财务困境短期与中长期预测指标的比较实证研究

首先分析企业财务困境的发生过程,然后提出系统化的预测指标选择方法,并根据该方法分别建立企业财务困境的短期和中长期预测指标体系,以研究反映企业短期与中长期财务状态的关键指标及其差别.最后使用建立的预测指标体系进行提前期为1年至5年的财务困境预测,通过实证分析说明其合理性和有效性.实证结果还表明,不同提前期下财务困境预测需要不同的预测指标.     

基于模糊物元方法的上市公司财务失败预测

基于财务失败预测概念的模糊性和评价指标的不相容性,以模糊物元分析为基础,将熵值理论与模糊集和贴近度相结合,建立了基于熵权与专家打分法所获权重的组合权重的模糊物元模型预测上市公司的财务失败,并以＊ST夏新为例进行实证研究,研究结果表明,运用模糊物元模型预测上市公司的财务失败,其方法是可行的,为上市公司的财务失败预测提供了一种新方法。     

基于回归分析股票价格与沃尔综合评分相关性的实证探讨

沃尔评分法是评价企业财务状况的常用方法之一,股票价格是证券市场上所有投资者最为关心的话题,且其通常与企业的财务状况、经营业绩成正相关。本文遵循行业划分标准,选取85家深证上市房地产企业的数据,选取衡量企业财务状况10种财务比率及对应的股票价格进行实证分析,然后求出各个企业的沃尔综合评分。最后运用EVIEWS软件,对股票价格与沃尔综合评分进行线性回归分析,研究股票价格与沃尔综合评分相关性以及沃尔评分法衡量企业财务状况的有效性。     

基于主成分分析法的我国上市公司信用风险评价模型

采用理论分析与实证分析相结合的研究方法，建立了适合我国上市公司信用风险评估的模型。该模型采用主成分分析法筛选出我国企业信用风险评价的主要指标变量，并选取我国2002年度22个行业500家上市公司的财务数据样本，对该模型进行验证，得到的判别正确率为88．67％。该模型评价指标体系简单，实用性强，运行成本低，准确率高，为我国上市公司信用风险评价提供了一种新的有效方法。     

用遗传神经网络模型预测公司财务困境

利用遗传算法的全局寻优能力。构造了一个预测财务困境的遗传神经网络模型(GANN)，该模型对预测财务困境的神经网络模型的输入变量进行了优化．通过对沪深A股市场部分上市公司财务困境的预测表明，该模型比ANN模型具有更好的预测财务困境的能力。     

基于层次分析法的财务综合评价研究

深入的介绍了层次分析法;依据此理论,构建了层次分析法下财务综合评价的模型;最后选择了五家电器类上市公司做为样本,运用构建的层次分析模型进行了财务综合评价的实证.结果表明:把层次分析法应用于企业财务评价当中是一种行之有效的研究方法.     

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。     

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。     

偏置判别SVM预测microRNA靶基因

针对靶基因样本数据不平衡导致阳性样本预测准确率较低的问题,提出基于SVM的靶基因预测算法,即偏置判别SVM。算法选取高质量的数据集和最优特征集作为输入,在经验特征空间中以偏置判别分析准则为核优化目标函数,使用核保角变换的方法逐步优化核矩阵,用最优核矩阵构造偏置判别SVM,以解决靶基因数据不平衡对预测造成的影响。对比实验分析表明,提出的偏置判别SVM算法具有更高的特异度、敏感度和预测精度。同时,偏置判别SVM具有更强的泛化能力,鲁棒性更好。     

企业财务困境预警模型

用回归方法作企业财务困境判别模型时,财务指标的取舍依赖t检验和F检验。保留的指标受主观假设和共线性问题影响．因子分析方法可将众多财务指标减少为综合反映企业财务状况的主成份,为Logit分类选择模型提供企业的财务状况预警指标．上市公司实证分析中,因子分析找到的7个主成份的累计方差占25个财务指标总方差的81．427％,且7个主成份相互独立．因子分析方法和Logit模型的结合可以避免财务指标选取时的随意性和共线性．主成份综合反映众多指标的差异,能够最大程度地区分企业财务状况好坏。有效进行企业财务困境预警。     

因子分析与支持向量机相结合的煤炭自燃预测

针对煤炭自然发火预测问题,将因子分析理论与支持向量机算法相结合,构建了煤炭自燃的预测模型.采用SPSS软件对所选取预测煤炭自燃的8个指标进行因子分析,提取出4个主要因子,利用Matlab实现支持向量机模式识别,通过实际数据对模型训练与检验.研究结果表明:经因子分析降维后的SVM预测准确率高于未经因子分析的SVM预测结果,并验证了因子分析与支持向量机相结合可以较高精度实现对煤炭自燃的预测.     

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Z值模型的我国房地产上市公司财务预警模型研究

从沪深两市中,筛选出比较典型的36家房地产上市企业作为研究样本进行研究。结果表明,二元逻辑回归模型对我国房地产业上市公司财务危机预测准确率可以较好的预测我国房地产业的财务状。