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.     

基于神经网络的综采工作面技术经济指标预测

应用人工神经元网络系统理论 ,基于神经网络的自学习方法 ,在对西山煤电集团东曲矿综采工作面大量实际资料进行统计分析的基础上 ,就工作面日进度、日产量、回采工效率、坑木消耗、配件消耗等 1 1项综合技术经济指标进行预测 ,预测结果精确度较高与实际相吻合 .为解决煤矿综采工作面计划、生产、管理的预测决策问题提供了一种新的研究方法.     

基于神经网络技术的商业银行信用风险评估

研究了神经网络技术在商业银行信用风险评估中的应用．实证结果表明, 与传统统计方法（判别分析）相比, 神经网络技术具有更高的预测精度和更强的鲁棒性。     

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.     

基于最大散度差判别分析的一种目标识别方法

针对线性判别分析(LDA)在多类高维小样本模式的分类中存在的“小样本问题”和“次优性问题”,提出了一种基于最大散度差判别准则的监督维数约简方法.首先,构造类内和类间离散度函数;然后采用最大散度差判别准则设计最佳判别目标函数,得到映射矩阵和提取分类特征.该方法省略了求解逆矩阵过程,从而避免了传统的DA存在的小样本问题;最后,在真实飞机图像数据库上的识别实验结果验证了该算法的有效性.     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

我国财务困境公司重组摘帽前后的长期绩效——基于因子分析法的绩效评价

ST公司在脱离困境后的长期绩效如何是投资者、债权人和证券监管部门关注的焦点。以ST后第一年即摘帽的35个公司为样本,选取这些公司摘帽前一年、摘帽当年和摘帽后第一年至第三年共五年的财务指标,运用因子分析法,考察它们的长期绩效。研究结果表明,这些ST公司虽然从盈利能力上看经过重组达到了摘帽的要求,摘掉了ST的帽子,但实际上在重组摘帽后资金严重不足,没有持续发展能力,从长期看其业绩并没有真正提高。     

基于人工神经网络的商业银行贷款风险预警研究

在探讨人工神经网络 ( ANN)在商业银行信贷风险预警中的应用 .文中根据 ANN理论 ,着重分析了商业银行贷款风险中有关财务状况预警信号的知识表示、获取和推理过程 ,提出了信贷风险特征抽取的原则 ,设计了 BP模型决策工具 ,进行了示范性的实验设计 ,结果表明这是一种很好的方法和工具.     

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.     

遗传算法选择性集成多分类器的企业财务困境预测

为了更加有效地进行企业财务困境预测,本文提出了基于遗传算法选择性集成的多分类器系统。与事先静态给定系统内部基本分类器组成不同,该方法以组合系统预测准确率为优化目标,无需度量各基本分类器之间的差异性,可以动态挖掘最优组合系统。实证研究中以中国上市公司为研究对象,以10折交叉验证准确率作为评价标准,结果表明该方法显著优于全集成以及单分类器最优模型。     

财务指标与违约距离相融合的上市公司财务预警模型

违约距离是基于股票交易数据的信用风险度量指标，运用中国A股上市公司数据研究其在财务预警模型中的作用。研究结果表明，违约距离可提升财务预警模型的拟和优度和预测能力，但提升效果较为有限。     

企业财务困境修正Z模型的实证研究

针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型，并选取我国上市公司中41家财务陷入困境的公司和41家财务正常的公司为样本，应用逐步回归分析法，研究了财务困境出现前2年这两类公司的20个财务指标，从中选定7个指标作为预测变量，主要采用Fisher判别分析和Logistic回归分析两种方法分别建立了财务困境预测模型。实证研究结果表明这2个模型与奥特曼的Z模型相比均有较好的预测效果，针对我国上市公司财务困境的预测准确度有显著提高。     

基于BP神经网络的虚假财务报告识别

针对虚假财务报告的特点,设计了一种基于BP(反向传播)神经网络的虚假财务报告识别模型。根据1999~2002年的年度审计报告意见,从上市公司中,选择确定了44家虚假财务报告样本,并按照一定的标准选择了44家真实财务报告样本,这88个样本构成训练数据集。类似地,从2003~2006年的上市公司中,选择了73家虚假财务报告样本和99家真实财务报告样本,这172个样本构成测试数据集。10个财务指标被选择为识别变量,使用训练数据集对BP神经网络模型进行训练,并将训练后的模型对测试数据集进行测试,取得了较好的实验结果。     

农村金融生态环境与金融效率相关性实证研究——基于典型相关分析与Granger因果检验

通过分别选取衡量农村金融生态环境和金融效率的指标,利用典型相关分析、Granger因果检验等统计方法,对1985～2008年农村金融生态环境和农村金融效率之间的相关性进行实证研究,结果表明二者之间存在显著的相关性,并反映出农村金融较脆弱的现状。以此为依据,提出改善农村金融生态环境、促进农村金融高效运行的政策建议。     

改进的遗传和BP杂交算法及神经网络经济预警系统设计

分析了设计神经网络经济预警系统的一些关键问题,并提出了一种改进的遗传算法,在此基础上,介绍了一种基于这种改进遗传算法和ＢＰ算法的杂交算法神经网络经济预警系统     

基于粒子群的K均值算法和粗糙集理论的财务预警

针对上市公司财务危机风险预警问题,将基于粒子群的K均值聚类算法引入该领域,克服了人为分类的主观影响,再结合粗糙集理论综合评价上市公司财务状况,进行预警。以2008年家电制造业127家上市公司的财务数据为基础,运用基于粒子群的K均值算法将样本公司分为4类并进行预警,然后运用粗糙集原理计算每家公司的综合财务状况得分,检验分类的合理性。研究表明,基于粒子群的K均值算法能对公司进行合理分类,其结果与粗糙集评价结果的吻合度可达88.2%。     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。     

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。     

A New ANN Method of Aggregation and Stability Analtsis for Large－Scale System with Time Delay

ＡＮｅｗＡＮＮＭｅｔｈｏｄｏｆＡｇｇｒｅｇａｔｉｏｎａｎｄＳｔａｂｉｌｉｔｙＡｎａｌｔｓｉｓｆｏｒＬａｒｇｅ－ＳｃａｌｅＳｙｓｔｅｍｗｉｔｈＴｉｍｅＤｅｌａｙ￥ＺＨＡＮＧＪｉａｎ；ＬＩＵＹｏｎｇｑｉｎｇ；ＳＨＥＮＪｉａｎｊｉｎｇ（Ｄｅｐｔ．ｏｆＡｕｔ...