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。     

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。     

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。     

支持向量机（SVM）方法对财务危机的预警

上市公司是证券市场的基石，其行为的规范与否及其财务状况的好坏将直接影响到证券市场的发展和投资者的利益。而在市场经济条件下，每个企业绝对地防止财务失败是不现实的，在特定的条件下，总会有一些企业陷入财务失败的困境，然而人们面对这样的困境不是无能为力的，企业财务失败是可以提前预测的。本论文正是基于这样的思想，在总结国内外有关企业财务失败研究成果的基础上，论述了企业财务失败与破产、企业财务失败与ST的关系。在对企业财务失败预警的含义、功能及特征等进行了必的简单介绍之后便进入实证研究部分。实证研究部分主以我国深、沪两市96年前上市的260家A股公司为研究样本，采用2005年至2007年三年的实际财务数据的均值，运用支持向量机（SVM）方法，随机抽取其中的200家企业的数据建立判别模型，运用自身验证法对模型的稳定性加以分析，又运用外部数据法，使用剩余60家上市公司的数据对模型的预测能力进行了验证。结果表明：通过对21个变量指标进行分析，SVM的准确率很高，其预测的准确率为94％。而后对模型的可行性和有效性进行了验证，正确的判别率达到了91．6667％，结果表明模型是可行的。从而建立了判断上市公司财务危机的数学模型。     

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.     

基于遗传算法和神经网络的上市公司财务困境预测

针对上市公司财务困境预测问题,以中国制造业上市公司为研究对象,以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,将股权结构和董、监事会状况指标加入到财务预警的指标体系中,应用遗传算法优化的BP神经网络算法,并对独立检验样本集进行预测,将预测结果同logistic方法、支持向量机方法和BP神经网络方法进行比较。结果表明,GA-BP神经网络方法在提前两年和三年预测中,总正确率分别达到91.25%和82.5%,优于其他方法,具有较大的应用价值。     

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。     

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。     

财务困境公司破产清算和重组

我国对财务困境问题研究的比较少,并且大部分都集中在事前建立财务困境预测模型对公司出现的财务困境进行预测,而对事后发生财务困境公司的出路,即是进行破产清算还是重组几乎没有研究。因此本文对处于财务困境公司是进行破产清算还是重组进行研究。     

基于判别分析方法的上市公司财务危机预警研究

近年来,我国经济飞速发展,但也存在影响经济发展因素,它可能使企业陷入财务危机,因此非常有必要建立财务预警系统。本文通过建立判别分析预警模型对财务困境进行预测,经实证研究得知该模型对检验样本的预测正确率为80%,说明判别分析方法对上市公司的财务危机具有较好的预测效果。     

基于支持向量机的上市公司财务危机预警研究

近年来,我国经济飞速发展,但也存在影响经济发展的因素,它可能使企业陷入财务危机,因此非常有必要建立财务预警系统。本文通过建立支持向量机预警模型对财务困境进行预测,经实证研究得知该模型对检验样本的预测正确率为82.5%,说明支持向量机方法对上市公司的财务危机具有较好的预测效果。     

基于Bayes判别分析法的上市公司财务风险研究

上市公司如果发生财务风险,就会使投资者遭受重大损失.在前人研究的基础上,选择适当的财务指标,运用Bayes判别分析法建立了上市公司财务风险判断模型,并利用该模型对上市公司的财务风险进行了实证检验.实践证明,上市公司只有不断提高盈利能力,正确把握财务杠杆尺度,才能有效规避财务风险,实现持续经营.     

基于结构方程模型的ST类上市公司财务评价

基于结构方程模型对企业财务状况进行综合分析,进而判断处于哪类财务困境中的上市公司容易成为借壳上市的目标.结果表明,评价模型能较好区分哪类ST公司易被借壳,哪类ST公司会陷入财务破产.     

上市公司财务困境预警研究

对上市公司的财务情况进行客观的评价,特别是需要对可能出现的财务困境的公司进行准确的预测,这对及时的调整投资者的投资决策,监管层需要准确的识别盲目融资公司以及投资银行有效开发潜在客户都有非常重要的意义。     

分类器集成在财务危机预测中的应用研究

财务困境预测是金融领域中一个重要的研究课题．已有的统计模型、人工智能和机器学习模型具有预测准确率较低或稳定性差等缺点,因此首次将分类器集成应用于财务危机预测研究,以我国上市公司为研究对象,以决策树和神经网络为子分类器,从实验上证实了分类器集成在提高财务危机预测准确性方面的有效性,最后指出需要进一步研究的几个问题．     

残差修正之灰色模型应用于财务比率预测

以制造业两家上市公司为研究对象,选取15项财务比率为财务绩效指标,用灰色预测模型进行财务比率分析。为提高模型预测的准确度,使用马尔可夫残差修正灰色预测模型,可以更准确地预测企业之财务比率,提供拟定营运策略及一般大众决定投资评估参考。     

利用财务指标预测股票价格及财务风险预警

主要研究上市公司的财务指标和股票价格的关系及如何利用这些指标对财务风险进行预警。首先运 用回归模型对上证180家上市公司财务指标与个股股价进行实证分析,并对样本股票价格进行预测。然后 选择100家ST股票和深沪两市绩优股为样本,再次利用回归模型将对股价有显著影响的财务指标与样本 股出现财务风险的概率进行分析,对样本股财务风险进行预测,并说明此研究的实际应用价值。