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。     

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。     

上市公司财务治理分析

随着公司形式的发展,企业的所有权与经营权分离,公司治理和财务治理应运而生,对公司的财权进行分配和规范。财务治理权的分配不均和缺少监督,导致上市公司财务治理出现种种问题。我们分析了上市公司存在的问题,从财务治理权的分配角度探索其解决办法。     

上市公司财务造假问题治理的研究——基于云南绿大地案例分析

如何防范上市公司财务信息造假,已经成为我国学术界和政府的关注的重大问题。鉴于此,本文选取我国云南绿大地股份公司为研究对象,通过绿大地典型案例,提出了上市公司财务造假几个典型问题:虚增资产、虚构交易、操纵现金流、频换会计事务所,并对这些造假问题出现的原因进行深入剖析。     

财务杠杆在上市公司应用的效应分析——以农业上市公司为例

以农业上市公司2012-2014年的数据为样本,实证分析了农业上市公司发挥财务杠杆效应的总体水平以及影响财务杠杆效应的因素,并通过回归分析得出了各影响因素的显著水平和相关关系,为优化上市公司资本结构,提出了发挥财务杠杆正效应、调整负债利息等相关建议。     

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.     

完善上市公司财务分析的相应对策

本文针对上市公司财务分析的局限性,提出了一系列完善上市公司的财务分析的对策,便于投资者和潜在投资者在进行财务分析的时候可以充分掌握信息,做出正确的决策。     

泉州纺织服装品牌上市公司财务分析

本文主要从泉州地区纺织服装品牌具有代表性的公司出发,对其各项已公布的财务指标进行详细的分析和对比,包括偿债能力、营运能力、盈利能力以及发展能力等,通过与相关行业指标的分析和对比,提出经营和发展上的分析结论。     

基于BP神经网络的上市公司财务困境预警模型实证研究

正确公允的认识和评价上市公司的财务状况和经营业绩已成为有关各方的共识。然而有些公司恶意造假、包装上市,给投资者和债权人造成巨大损失,扰乱经济市场。这使得有关上市公司财务困境预警的研究日益迫切。就如何运用BP网络神经算法来提高财务困境预警能力进行了分析。     

上市公司摆脱财务困境的路径选择——基于公司治理的视角

近年来,公司财务困境成为学术界和实务界都十分关注的热点问题。导致公司发生财务困境的原因很多,而关键是公司治理问题。在基于公司治理对财务困境研究的相关文献的归纳和评价基础上,提出上市公司摆脱财务困境的路径选择。     

发展循环牧业的思考——以青海牧区为例

目前,青海省牧区面临着严重的生态退化问题,而探索发展牧业循环经济将有利于青海牧区的生态可持续性.     

上市公司财务分析应注意问题的探讨

对上市公司进行财务分析应注意以下几个方面 :一、财务分析要在马克思主义观点指导下进行 ;二、注意会计信息本身的局限性 ;三、转变分析观念 ,更多注意公司现金流量方面的信息 ;四、全面进行财务分析 ,评价企业经营业绩 ;五、上市公司的财务信息陈述存在虚假性 ;六、注意“表外因素”的影响。     

我国上市公司财务困境预警指标的检验及选取

为使上市公司财务困境预警指标选取的更科学、合理,利用Kolmogorov-Smirnov检验、Q-Q概率图对初选的28个财务指标正态分布进行检验,确定了后续指标选取方法,即用Wilcoxon非参数检验法对财务指标均值差异进行检验,用Spearman双尾t检验进行非参数相关分析,选取通过显著性检验的、指标间Spearman系数较小的财务指标作为输入变量.     

基于非配对样本的制造业上市公司财务困境预警研究

本文采用非配对样本,选择制造业上市公司前两年和前三年的数据并选取包含传统财务指标、现金流量指标和非财务指标在内的33个变量,通过正态性检验和显著性检验后,比较以逐步法筛选变量和以因子分析法筛选变量建立的Logistic回归模型。研究结果发现:后者预测效果更好,特别是在两个模型中对困境公司的预测精度达到100%,对健康公司的预测精度分别为98.3%和93.8%,总体上分别达到98.3%和94.7%。     

上市公司财务异常分析与预警管理系统的建立

分析上市公司的财务报表对于及时发现公司财务危机,从而避免陷入财务困境具有重要意义。文章试从上市公司盈利结构、现金流与投资、不合常规的资产或股权交易等三方面分析上市公司财务异常的主要表现,进而提出相关预警管理系统,以增强公司的经营能力和抗风险能力。     

基于因子分析模型上市公司财务经营效率研究——以文化创意类上市公司为例

以上市公司经营管理效率评价问题及我国A股市场文化创意类上市公司为研究对象,通过遴选表征文化创意类上市公司经营管理特征的投入和产出指标,运用因子分析方法计算10家公司的综合经营投入和产出水平,并通过计算二者比例实证测算各对象的经营管理效率.     

基于动态主元分析的财务困境预测模型

当神经网络用于上市公司的ST预测建模时,取得高质量的样本是相当重要的.本文连续运用主元分析(也称动态主元分析),将多年的数据应用到经济预测模型中去,既增大了信息量又没有增加网络的复杂性,使得预测更加合理有效.最后将动态主元分析与BP网络结合构造了一个网络模型,并给出了实证研究的详细结果.     

基于SVM和Logistic算法对比的中小企业财务困境预测研究

集成f_classif、随机森林、Lasso、XGBoost四种方法构庴特征选择评分模型并筛选出关键特征,利用RUSboost欠采样处理非平衡数据,在此数据预处理基础上分别庴立支持向量机预测模型(SVM)和逻辑回归预测模型(Logistic)并进行对比分析,考察这两种机器学习方法对中小企业财务困境预测效果.结果显示,在...     

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。