Logistic方法在财务困境预测中的应用

财务困境预测已成为国内外广泛关注的研究领域.财务困境预测方法主要包括多元线性判别法、逻辑回归法等参数方法以及神经网络等非参数方法,本文对各主要方法的优劣进行了评价,阐述了逻辑回归模型在财务困境预测领域的应用现状,并应用Logistic模型对我国上市公司进行了分类预测,在T-2年上取得了较好的预测精度.     

基于神经网络的企业财务困境预警研究

本文首先论述了神经网络的结构和学习原理,接着在阐述基于神经网络的财务困境预警方法的基础上,构建了基于神经网络的企业财务困境预警模型,最后,对模型的有效性进行了检验。实验结果表明,该方法应用于财务困境预警中是有效的,不仅能发现企业是否存在风险以及企业是否会陷入财务困境,向经营者提出警示,以便及时采取相应管理对策,而且还为广大的投资者和包括银行在内的债权人判定上市公司质量和经营业绩提供科学的手段和可靠的依据,该方法具有预测精度高,学习和泛化能力强,适应性广等优点,为财务困境的动态预警提供了新的研究思路和方法。     

上市公司财务困境“A记分法”预测模型研究

本文提出了“A记分”法用于我国上市公司财务困境预测分析需要解决的问题，然后采用归纳法总结了上市公司财务困境形成原因，在此基础上，采用统计方法建立了上市公司财务困境“A记分法”分析模型。     

基于模糊支持向量机的上市公司财务困境预测

支持向量机(SVM)已经成功地应用于财务困境预测问题的研究,且已证明优于多元线性判别分析(MDA)、逻辑回归(Logistic regression)和神经网络(NN)等方法.然而,传统SVM使用结构风险最小化的原则,这样可能导致错误分类的经验风险升高,特别是当样本点与最优超平面十分接近的时候,这种误分类的经验风险显著升高.另外,传统SVM还存在过拟合问题,所以对数据集中的外点或噪声十分敏感.因此,采用模糊支持向量机(FSVM)算法来改进上述不足.首先,建立一个适当的成员模型用于对整个数据集的模糊处理;然后通过外点侦察方法(ODM)来发现外点,其中ODM集成了模糊C-均值算法(Fuzzy C-mean algorithm)和无监督神经网络中的自组织映射(SOM).最后,为主体集和外点集中的样本点分配不同的权值.还将FSVM应用于上市公司财务困境预测的实证研究,实证结果表明FSVM与传统SVM相比,FSVM 能较好的解决经验风险升高和过度拟合问题,确实降低了外点的影响并提高了分类器的分类准确率.     

基于期望违约率模型的上市公司财务困境预警研究

本文以现代资本结构理论和期权理论为依据,以企业"资不抵债"作为上市公司陷入财务困境的标志,运用资本市场的信息指标(股价)和上市公司财务数据建立期望违约率(EDF)模型,应用于公司财务困境的动态预警,克服了统计预测方法的时期性和滞后性的缺陷。     

考虑多维效率的上市公司财务困境预警研究

已有的财务困境预警研究一般基于财务指标，或在财务指标基础上引入单一效率指标，而多维效率指标能够更加全面有效地反映不同行业、不同资产规模的上市公司整体状况，从而对上市公司财务困境产生更好的预警效果。本文从经营效率、财务效率、融资效率和人力资本效率这四个维度分别提出相对应的投入产出指标体系，并采用数据包络分析对上市公司各个维度的相对有效性进行评价。在此基础上，将得到的多维效率指标与财务指标相融合，建立上市公司财务困境预警模型。为了验证所提出模型的有效性，采用支持向量机、人工神经网络和决策树这三种常用的财务困境预警技术，并基于不同的财务指标体系对我国上市公司进行实证研究。结果表明，考虑多维效率指标的上市公司财务困境预警模型能够有效提高预测准确度。     

基于RS与ANN的上市公司财务困境预测模型的实证研究

本文以中国上市公司作为研究对象,采用粗糙集理论(RS)客观选出预测模型指标体系,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司的财务困境标志,采用人工神经网络(ANN)寻找最佳的利用公开财务数据预测中国上市公司财务困境的模型。我们的研究结果表明,总资产报酬率等18个包括现金流量类指标的财务指标有较强的区分财务困境公司和财务健康公司的能力;行业类型和资产规模对于上市公司财务困境预测具有至关重要的作用;运用ANN建立的神经网络模型有较强和较稳定的预测能力。     

基于元学习的财务舞弊识别研究

本研究基于多元化数据挖掘和机器学习集成方法改进两个方面，对于如何识别财务舞弊并提高识别效率问题提供了系统性预测方法.在多元化数据方面，不仅对传统财务因子进行了重构，而且引入公司治理层面因子并利用文本分析构建了语言类因子.在机器学习集成方法改进方面，以9种不同特质的机器学习算法作为基学习器，套用元学习框架对上市公司财务舞弊进行系统性识别.研究发现：1)元学习框架能够显著提升舞弊样本召回率和预测精确度，提高整体学习器预测性能，并且对于大部分行业都有效果；2)接近真实场景的滚动预测方法下，元学习框架依然能显著提高基学习器的财务舞弊识别能力；3)公司治理因子、语言类因子对于财务舞弊识别有一定的帮助.     

财务困境、财务困境间接成本与公司业绩

本文研究了上市公司财务困境、财务困境间接成本及其与公司业绩之间的关系.通过实证研究企业陷入财务困境以后业绩变化的情况,本文认为,我国上市公司的间接财务困境成本显著为正,从总体来看,公司的间接困境成本大约为企业价值总额的25%-36.5%之间,资本结构对这种业绩的变化所引起的困境间接成本具有显著影响.负债率越高的企业,在困境期内将损失越大的市场份额和利润.     

三元财务困境预警模型的样本分类探讨

财务困境预测是评判上市公司未来经营走势的重要理论.本文对三元财务困境预警模型的样本分类提出了一些新的看法,通过多因素方差分析提取若干对经营成败具有显著影响的财务指标,并依据各财务指标与经营成败之间的相关性大小,建立函数关系式,最后根据函数值大小将非ST公司分为两类,从而将全部上市公司分为3类.