上市公司财务危机预测的Logistic回归分析

文章首先对上市公司财务危机的研究现状进行了简要的阐述,在概括地比较了当前几种上市公司财务危机预测的方法后,构建Logistic回归模型,在深入探讨Logistic回归模型对上市公司财务危机预测的作用后,对2003~2005年间有代表性的40家ST公司的财务状况进行分析,比较分析结果的差异,从结果来看,Logistic回归模型在对上市公司财务危机的判断上具有预测率高,关键预测变量选取准确的特点。     

基于穷尽CHAID算法的中国上市公司财务危机模型

在后金融危机时期,我国股价持续走低,通过研究上市公司的财务数据构建财务危机预警系统,具有重要的理论与现实意义.文章应用数据挖掘中的穷尽CHAID算法,构建我国上市公司财务危机预警模型.     

浅议上市公司财务危机预警系统的指标选择

上市公司财务危机预警系统的指标选择关系到整个预警系统的有效性,文章从评价上市公司业绩的各种指标出发,根据我国上市公司的具体情况选择了一套适合财务危机预警的指标体系,该体系力求能从上市公司的偿债能力、盈利能力、资本营运能力和企业的发展能力四个方面全面、谨慎、灵敏的反映上市公司的财务状况,保证在此之上建立起来的上市公司财务预警系统能够发挥充分的预警能力,保证上市公司的可持续发展。     

基于k-最近邻法的上市公司财务预警模型

一个公司财务状况的好坏往往是企业自身、投资者和债权人关注的焦点.从1998年我国对上市公司实行"特别处理"(简称ST)制度以来,2002年、2003年、2004年、2005年分别有201家、200家、190家和173家上市公司被特别处理.鉴于此,迫切需要建立一个能预先发出财务危机警报的财务分析系统,以帮助上市公司管理当局及早取得财务状况恶化的信号,避免可能出现的财务危机.     

我国零售业财务预警系统的构建

我国零售市场体系已初步建立,零售市场经营主体规模不断扩大.但我国零售业上市公司在快速发展的同时财务危机也不断显现,构建一个有效的、符合零售业上市公司财务特点的财务危机预警模型具有很重要的现实意义.文章将以零售业上市公司为研究对象,根据我国零售业各财务指标的具体情况,运用逐步判别法建立一套适合我国零售业财务特点的财务预警模型.     

上市公司财务危机预警模型的比较研究

虽然国内外对财务危机预警模型的研究日益增多,但各种模型都有着自身的特点所在。所以,只有准确到位地把握各种预警模型在应用中的优缺点,才能在实际应用中找到适合我国上市公司实际情况的财务危机预警模型。     

建立我国上市公司的财务预警系统

随着市场竞争的日益激烈,财务失败将直接影响上市公司的生存和发展。因此,如何运用财务预警系统来预测企业面临的经营困难和财务危机,成为国内外财务研究的一大难题。在参考奥特曼Z记分法的基础上,文章拟建立我国自己的财务预警系统,以此模型来评价上市公司业绩,在财务危机到来之前向企业管理当局发出信号,使其及时改善生产经营,以延长企业生命。     

基于Cox的财务困境时点预测模型研究

文章借助上市公司提前三年的财务比率数据,采用不同的样本比例和分界点,及其不同样本观测期对基于Cox的财务困境时点预测模型的判别能力和稳定性进行了分析.结果表明,该模型不但能提供80%以上的判别精度,而且具有估计公司未来存活时间的能力,可提供困境发生的时点预测,具有"判断"和"化解"风险的双重功能,是其他预警模型所无法实现的,是一种更为直观、动态和精确的财务困境预测方法.     

财务危机预警模型及其实证研究

财务危机的预测一直是各方关注的焦点。本文合理地选择指标,建立了基于径向基概率神经网络的上市公司财务危机预测模型。实证研究表明:基于RBF的概率神经网络与BP神经网络的预测精度接近,但是其训练速度大大提高,同时减小了BP陷入局部极小的问题。     

基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

基于适度财务指标和遗传算法的财务危机预测模型研究

以往进行财务危机预测主要使用统计方法建模,迄今尚未见到因考虑财务指标的适度性而建立遗传算法模型的中外文献。适度财务指标是指该指标在某个区间内公司才是健康的,过大或过小则公司发生财务危机的可能性都较大。故以中国上市公司数据为样本,建立了基于适度财务指标和遗传算法的创新型财务危机预测模型,结果显示该类模型具有较高的预测准确率。     

粗糙集理论在企业财务危机预测中的应用

财务危机(Financial distress)是指企业丧失偿还到期债务的能力,包括从资金管理的技术性失败到破产以及处于两者之间的各种情况.我国由于市场经济发展较晚,真正破产的案例不多,一般认为一个上市公司被特别处理(简称ST)就认为该公司进入了财务危机状态.财务危机预测是以现有的财务比率为基础,建立数学模型来预测企业财务危机发生的可能性.     

基于PCA-BP神经网络的上市公司财务预警策略

文章选取80家2008年至2010年沪深两市因为财务危机而被ST的上市企业作为样本,通过分析基于神经网络预警模型的结果,提出上市公司财务风险预警策略。     

我国上市公司财务危机预警模型研究

文章在分析14个变量的基础上,运用判别分析给出了判别上市公司财务危机的一个模型。通过逐步回归筛选得到4个变量。模型的回判准确率为83.2%,而对2002年的公司判别准确率达到90%。     

基于非线性SVM的上市公司财务危机预警模型研究

为了克服传统财务危机预警模型在假设前提、样本容量、泛化能力等方面的缺陷,应用非线性SVM构建了财务危机预警模型.该模型以偿债能力、营运能力、盈利能力、现金能力和成长能力等五方面的15个财务指标作为输入变量,以上市公司是否被特别处理(ST)作为输出变量,实证分析表明:该模型具有100%的训练精度和90%的验证精度,学习和预测能力良好.     

基于机器学习的上市公司财务预警模型的构建

文章通过运用多种机器学习方法分别建立时间跨度为5年和6年的上市公司财务风险预警模型,初始选择了29个指标,利用数据挖掘的特征选择方法,最终选取9个有代表性的指标来建立模型。实验表明,最近邻分类、多层感知机、BP神经网络及逻辑回归四类方法建立风险预警模型的性能相当,可以较好地预测上市公司财务危机。     

基于神经网络的创新型企业财务危机预警研究

选取48家上市公司为研究对象,采用20个指标,应用神经网络方法,对创新型企业上市公司的财务危机进行预警研究.聚类值输入的神经网络模型整个学习过程相对平稳,波动性小,尤其是后期阶段.整个过程中,最好的预测值为89.04％.对于使用连续值输入的财务预警模型预测准确度要低于聚类值输入的财务预警模型,而且其预测过程中所表现出的稳定性要差得多.     

化纤行业上市公司财务预警实证研究

在经济全球化大背景下，企业面临的竞争加剧，若能在经营过程中及早发现财务危机的信号，则对其生存和发展至关重要，所以从战略的角度看应加快建设适用于我国上市公司的财务预警系统。国外在这一领域做了较多的研究，国内研究则起步较晚。     

公司财务困境预测的统计模型

2003年7月份中国证券市场的开户数首次出现了负增长,新疆德隆事件又使很多金融机构面临巨额的损失.因此,如果能正确的预测企业财务失败,对于保护投资者和债权人的权益、对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险,都具有重要的现实意义.     

运用累积和控制图模型对公司财务危机的动态预测

文章以2002～2005年中国制造业上市公司的季度数据为研究样本,以因财务原因被实施特别处理的公司作为财务危机公司,以最能反映危机公司和正常公司区别的4个财务比率作为研究变量;用动态面板数据的方法估计财务比率的演变过程,最后用累积和控制图构建公司财务危机的动态预测模型。