基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

财务风险预警建模原则及几种预警新模型

随着企业经营风险不断上升,上市公司的财务预警问题受到多方利益相关者的关注.文章提出了建立财务预警模型的原则:选择的样本公司财务特征要尽量与被预测公司的财务特征相同,所处的经济环境类似;确定的预警指标体系必须最能反映两类样本公司财务本质特征,能区分出两类样本公司间财务上的根本差异;构建预警模型要考虑样本数据分布状况;预警模型要与定性分析结合使用.然后创构了理想距离判别,最近距离判别,极小离差主成分判别,以及模糊判别4种新预警模型.     

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。     

我国上市公司财务困境预测新探

本文采用主成分分析方法确定模型变量,建立多元判别分析(MDA)、Logistic回归和改进型BP神经网络模型进行财务困境预测。结果表明,神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,神经网络模型更适合于财务困境预测。但三种模型的长期预警能力不够理想,提出建立以定量模型为主、定性分析为辅的上市公司财务困境预测新方法。     

上市公司财务预警实证研究

财务预警研究具有重大的实际应用价值,但是传统的财务预警研究的预警指标体系设置存在局限性。为了解决这个问题,本文从现金流量的角度通过显著性差异t检验构建预警指标,利用多元逐步回归方法建立预警模型,对上市公司进行实证研究。实证结果表明利用现金流量指标构建模型对上市公司的财务预测非常有用,建议通过分析预警警兆等来完善企业现金流量财务预警系统。     

基于DEA指标的SVM模型在财务预警中的应用

文章首先运用数据包络分析方法DEA计算出上市公司的相对经营效率,然后将效率指标引入到财务预警的指标体系中,并建立了SVM预测模型,分别对引入经营效率前后的预测率进行比较.研究发现,加入经营效率指标后,模型的预测准确率要明显优于不含有效率指标的SVM模型.     

基于粗糙集神经网络的财务危机预警方法

针对基于神经网络的财务危机预警方法训练时间长和网络结构复杂的缺点,提出了基于粗糙集神经网络的财务预警方法。将财务比率作为条件属性,将企业财务状况作为决策属性,构建财务危机预警决策系统。通过属性约简,得到最小属性集。将最小属性集中元素对应的财务比率作为神经网络的输入,用训练样本对神经网络进行训练,训练后的神经网络模型实现财务危机预警。测试结果表明,该方法训练速度快,且错误率低。     

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.     

基于灰色理论和神经网络的公司财务预警模型

通过合理选取财务风险预警指标,基于函数变换的GM（1,1）模型和神经网络建立了动态财务预警模型。实证研究结果表明,该财务预警模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

基于主成分与BP神经网络的股票价格预测分析

一、主成分与神经网络的股票价格预测模型 1.输入变量的选择 在应用人工神经网络模型预测股票价格的过程中,并非每个信息都要设置一个输入变量,有效地选取输入变量是决定该神经网络预测准确性的关键因素.     

上市公司财务危机的预警分析

本文运用条件异方差模型GARCH(1,1)计算上市公司股票的市场风险价值,把它和传统的财务比率变量作为自变量,用Logit模型对上市公司的财务状况进行预测,得到了很好的预测效果,并且对部分上市公司2004年度的财务风险状况进行了预警。     

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。     

最小最大概率分类的财务预警模型

最小最大概率机是一种实现未知样本正确分类概率最大化的分类算法,其在两类样本的均值和协方差矩阵已知的条件下而构建的,对类条件分布不做要求,非常适合于财务危机建模分析.文章提出使用建立最小最大概率分类理论进行财务预警研究,结合沪深股市A股制造业上市公司的财务数据进行实证研究,使用线性和核最小最大概率机算法分别建立T-2和T-3年财务预警模型,实验结果表明最大最小概率分类财务预警模型具有不错的分类效果和适应性.     

上市公司财务困境预警的Logistic模型实证研究

本文首先根据单变量检验和因子分析对备用财务比率进行提炼和筛选,然后运用Logistic回归建立一个变量少且效果佳的财务困境预警模型,并以我国上市公司为研究对象,选取120家处于财务困境的公司和120家财务正常的配对公司为研究样本,对上市公司财务困境预警的Lo-gistic模型进行实证检验。     

基于增长偏离度的企业财务预警模型构建

文章首次从企业增长模式的角度进行企业财务预警研究.在实证研究中,对72家上市公司2007～2011年的数据进行Logic回归分析,构建了包含增长偏离度绝对和的财务预警模型,证明了企业实际增长率偏离可持续增长率的程度越大,日后出现财务风险的可能性越大这一假设,并且建立的财务预警模型与现有预警模型相比,具有长期预警的特点.     

财务预警与董事会特征的实证研究

文章建立了基于多元Logit模型的中国上市公司财务预警模型,由此得到各公司财务预警程度,在此基础上对财务预警与董事会之间的关系进行了实证分析.     

Z计分模型的改进及实证检验

文章结合我国上市公司的具体特点,以探索符合我国上市公司自身特点的财务预警模型,加入了现金流量这一财务指标,对Z计分模型做了改进,能更好地为企业财务预警机制服务.     

基于神经网络-Logit回归的混合两阶段财务困境预测模型

本文选取沪深两市在2003-2005年被实行退市风险警示的56家上市公司以及随机选取的56家正常公司进行研究,选取10个初始财务指标,在进行T检验的基础上,确定了7个财务指标作为判别模型中使用的解释变量.并利用基于神经网络-Logit回归的混合两阶段模型预测上市公司财务困境,结果显示,模型具有较强的判别能力.     

基于可拓模型的高科技上市公司财务风险预警研究

高科技上市公司由于行业特点,其经营业绩容易产生波动,因此建立高科技上市公司风险预警模型一直是国内外学者研究的焦点。根据可拓学的相关理论,选取高科技上市公司的相关财务指标建立高科技上市公司财务风险可拓预警模型,运用现有公开数据对可拓预警模型加以检验,并对下一年度有可能出现风险的公司加以预警,以期望能够为投资者的决策分析和监管部门的监督管理提供理论参考。