基于公司治理的信息披露舞弊预警研究

以2001年～2005年间的192家被认定为信息披露舞弊的A股上市公司及相应的192家配对公司为样本,基于财务指标和治理指标,分别运用Logistic回归分析和混合BP神经网络构建上市公司信息披露舞弊的预警模型.实证结果表明,治理指标有助于提高信息披露舞弊预警模型的有效性,混合BP神经网络模型的预测能力更强.     

基于财务与非财务指标的财务困境预警研究——以制造业上市公司为例

本文以沪深A股市场2005-2009年294家制造业上市公司为样本,以因财务状况异常而被ST作为公司发生财务困境的标志,分别建立了仅包含财务比率指标的单一模型和同时包含财务和非财务指标的综合模型.研究结果表明,加入非财务类指标后的综合模型,无论是在预测能力方面还是在误判成本方面均得到显著优化.     

用主成分分析法构建我国上市公司财务预警模型

本文以我国的上市公司为样本,运用主成分分析确定主成分指标,建立了我国上市公司的财务预警模型。进一步根据预警模型的预测分值来确定上市公司财务状况的评价区域,对所构建的财务预警模型进行了预警效果检验,表明财务预警模型正确率为84.25%。     

上市公司财务预警模型建构及实证分析

本文选取了2004—2007年上海、深圳证券交易所A股市场信息技术类企业中23家财务危机公司和55家财务健康公司作为研究样本,运用多元逻辑回归分析方法,建立了财务危机预警模型,并进行了实证分析,以期为上市公司财务预警分析提供参考。     

基于人工神经网络的建筑类上市公司财务预警模型构建

以113家A股上市的建筑公司为研究样本,从财务和非财务的角度出发,借助SPSS与Pyt hon等软件,采取主成分分析法对初步选取的财务预警指标进行降维,使用优化后的财务指标体系构建适合建筑业的人工神经网络财务预警模型。选取2013—2020年各公司的17项相关指标共计808组数据,分别完成进行模型的构建与验证。检测结果显示：基于人工神经网络的建筑业上市公司财务风险预警模型,具有较好的预测结果,对财务风险预警结果较为准确,可为建筑类公司防范财务风险提供参考。     

首批创业板上市公司财务风险分析

本文以中国A股市场营运公司的财务比率为依据，选择110家与首批创业板行业相同、规模相近的上市公司作为分析研究样本，推导建立起一个财务危机判别分析模型，并采用该模型对28家创业板上市公司存在的财务风险进行分析，提出预警信号，供投资者投资决策时参考。     

我国上市公司财务预警的实证分析——基于修正的Z-score模型

财务风险是指未能达到财务目标的可能性,是企业理财过程中客观存在的,企业无法完全消除财务风险.重要的是,企业如何合理评估和控制财务风险,并进一步掌握市场机遇、避免或降低因风险导致的损失.本文拟对“Z-score”模型预警体系进行修正,以30家ST公司和30家非ST公司为样本,根据修正后的“Z-score”模型进行实证分析,由此得出新的“Z-score”财务预警模型和判别标准,最后利用36家创业板上市公司2010年的财务数据,对研究的结论进行验证.     

基于信息披露文本的上市公司信用风险预警——来自中文年报管理层讨论与分析的经验证据

本文运用文本挖掘技术,对2008-2018年1297家上市公司年报的管理层讨论与分析(MD&A)进行文本分析。从文本质量特征、文本词汇特征和文本语调特征等角度量化计算文本相似度、文本情感值、文本可读性三个维度文本披露指标,采用Logistic模型、决策树模型、支持向量机和神经网络模型四种方法构建上市公司信用风险预警模型,实证检验加入MD&A文本信息披露指标后信用风险预警模型的预测能力。实证结果表明：(1)在加入文本信息披露指标后,信用风险预警模型的预测准确度得到显著提升,多维度文本信息披露指标比单维度文本信息披露指标对信用风险预警模型预测准确度提升效果更优;(2)Logistic回归模型的预测准确度在样本数量较低时要优于决策树、支持向量机与神经网络,随着样本数量的增加,支持向量机和神经网络的预测准确度会明显提升;(3)不同特征的文本信息内容与企业是否发生信用风险均显著相关。本文的研究结论为提高信用风险预警的预测准确性提供了方法和经验证据,对于投资者与相关学者研究市场有效性提供新的研究视角。     

基于信息融合的数据挖掘方法在公司财务预警中的应用

目前越来越多的数据挖掘方法被用于风险预警中,决策树、支持向量机、神经网络、Logistic回归等方法在风险预警中都表现出了较好的特性和预警效果,但是不同数据挖掘分类方法得到的结果不同,往往导致预警结果的不一致,因此也会存在一定风险。本文引入信息融合技术对不同数据挖掘分类方法得到的结果进行融合处理得到最优的结果,解决了不同数据挖掘方法得到的结果不一致问题。文章在SVM和Logistic回归的数据挖掘模型基础上建立基于信息融合的公司财务预警模型,提高了财务预警准确率,并且保留了原数据挖掘方法在分类预测上的优势。在实证研究中,论文选取了中国制造业的上市公司作为研究对象,在SVM和Logistic回归两种数据挖掘模型的基础上利用信息融合方法建立了财务预警模型,实证结果表明,基于信息融合的数据挖掘方法的预测准确率要高于单独的SVM和Logistic回归两种方法。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.