上市公司财务预警模型分析

本文以四川省上市公司为样本,利用主成分分析法建立了四川省上市公司的财务预警模型,实际检验结果显示该预警模型具有较好的预警效果。     

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。     

基于分组主成分的上市公司财务风险综合评价模型研究

上市公司财务风险综合评价是国内外财务研究的一大热点.本文首先建立了财务风险评价的指标体系,其次针对多元统计分析中的主成分分析在综合评价中的缺陷,本文选择了2003-2004年的110家上市公司,运用分组主成分法建立了评价模型,并对该模型进行了检验,获得了较理想的效果.     

上证A股上市公司财务危机评价和度量——基于Logit模型的实证分析

本文选取了上证A股中41家ST或者*ST上市公司和866家正常的上市公司,作为企业研究样本,拟运用主成分分析法综合分析国内上证A股上市公司的多个财务数据指标,将原始财务指标归纳为几个主要成分因子,用这些主成分因子来代表上市公司的综合财务状况,并在此基础上构建Logit回归模型对国内上市公司的综合财务绩效进行合理预测,从而能够对我国上市公司财务危机进行有效的预估。     

基于BP神经网络的上市公司财务预警研究

文章采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型.研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据.BP神经网络在分析和研究我国上市公司的财务状况方面,具有广泛的应用前景.     

上市公司财务预警的实证研究

该文从财务危机的预警理论出发,选取能反映企业财务安全的资产类指标,采用多变量模型中的Logistic回归分析法(逻辑斯谛回归分析法),通过对我国农业上市公司财务危机状况的实证研究,建立了基于资产流动性的农业上市公司财务预警模型——Logistic模型。通过其它农业上市公司数据计算后代入预警模型进行检验。从而建立切实可行的预警模型,为企业提供了一个较为准确的预测其财务危机的工具。     

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。     

基于中报数据的上市公司财务预警模型构建与检验

国内外学者关于财务预警模型的研究大都以上市公司年报数据为样本数据。在我国,由于上市公司年报公告的时间与当年有关机构宣布ST公司名单的时间比较接近,而距下年有关机构宣布ST公司名单的时间则比较远,因此,用ST前一年的年报数据来预测当年或下年的警情,都具有较大的局限性。实证研究结果表明,采用上市公司中报数据构建的财务预警模型,不仅具有很高的预警准确率,而且比基于年报数据的模型更具有较强的预警时效性。     

企业财务危机预警:偏最小二乘logistic方法的应用

鉴于现阶段我国上市公司的信用数据具有高维性和高相关性的特点,已有企业财务危机预警研究多采用能够有效降雏和消除共线性的主成分logistic模型.然而,这种模型定式在提取主成分时没有考虑解释变量与被解释变量之间的相关性,可能导致与企业财务状况关系密切的解释变量信息的丢失,从而削弱模型的预测能力.考虑到这一缺陷,本文在分析中首次引入偏最小二乘方法,并对我国沪深两市上市公司的经营失败进行了实证研究,结果表明偏最小二乘logistic模型不仅具有较优的拟合度,而且具有较高的企业经营失败预测能力.Bootstrap检验显示模型还具有较强的稳健性,预警效果更为可靠.     

上市公司财务危机预警研究——基于主成分分析

财务危机会导致企业陷入经营困境,甚至破产。文章以我国上市公司为样本,通过主成分分析法,在Z评分值模型的基础上建立财务危机预警模型,该模型的预测正确率达70.83%,对管理者及时采取风险应对措施、正确评估客户信用风险、投资者作出投资选择都有一定的指导意义。     

基于股权结构的财务危机预警模型构建

本文试图将公司股权结构变量引入到财务危机预警的研究中,首先运用Logistic回归分析对引入模型的变量进行了筛选,然后将筛选得到的变量进行主成分分析得到五个综合的变量,最后通过对五个综合的变量进行Fisher判别分析建立了一个上市公司的财务危机预警模型。本文选取的样本全部为上市工业企业,以期建立一个行业预警模型提高预警能力。结果表明,模型的预测能力较强。     

新会计准则下财务风险的触发因素及预警探析——基于学习曲线

本文从学习曲线的视角,将多变量学习曲线引入财务风险分析中,并利用 SPSS12.0 软件,对沪深两市179家ST公司的相关数据加以分析,通过主成分分析与回归分析,研究新会计准则下上市公司财务风险的触发因素,得出学习曲线方程,并提出学习曲线在财务预警中的具体应用途径.     

高校财务预警模型的构建和实证分析

本文从高校财务的4个方面选取了5个指标进行分析,通过主成分分析建立高校财务预警的综合评价模型,对高校的财务状况给出了综合分析.同时,利用31所高校的实际情况进行了实证分析.     

上市公司财务风险预警研究

在市场经济环境下，上市公司所处的经营环境发生了重大变化，所面临的风险也越来越多，其中财务风险是其面对的重要风险因素。及时有效地对财务风险进行识别、预警和管控，有助于上市公司提升自身科学化管理水平，对于保障上市公司健康可持续发展具有重要的现实意义。本文围绕上市公司财务风险预警进行了分析，介绍了上市公司财务风险预警的管控体系，并在此基础上提出了强化财务风险预警、提高上市公司财务管理水平的建议措施。     

企业成长性主成分分析——以环保行业上市公司为例

本文以我国环保行业上市公司为研究对象,用定性定量相结合的方式从获利能力、财务风险、营运能力、增长水平等方面选取相关的财务指标,运用主成分分析法对环保行业上市公司的成长性进行实证研究.研究表明,获利能力和财务风险是影响企业成长性的重要的因素.     

基于PSO和SVM的上市公司财务危机预警模型

提出了一种将经过改进的离散粒子群(PSO)算法和支持向量机(SVM)相结合的算法,以选择最优的指标集并用于财务危机预警。将此算法应用于上市公司的数据,检验模型提前3年的预警效果,最后与常见的主成分分析方法与SVM相结合的模型进行对比,结果证明了PSO-SVM模型的合理性和优越性。     

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。     

财务风险预警的支持向量机应用

本文给出了财务评价指标体系及其量化方法,利用支持向量机的分类能力建立财务风险预警的模型.对上市公司的财务数据进行训练和评估.证明基于支持向量机的财务风险预警模型的可行性和实用性,实验表明支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.     

我国上市公司信息披露违规的预警研究——基于财务、市场和治理视角

作为公开原则的核心体现，信息披露无疑是规范上市公司行为、保护中小投资者利益和提高证券市场配置效率的最有效手段。然而，我国一些上市公司无视法纪，信息披露违规屡禁不止，严重地违反了诚信准则。本文基于财务、市场和治理视角．运用条件Logistic回归模型对公司信息披露违规进行预警研究，实证结果表明：公司治理信息有助于提高预警模型的判别成功率，揭示上市公司的信息披露违规风险。而且，在违规前一年。基于财务指标、市场指标和治理指标的预警模型可以有效地提前甄别信息披露违规的上市公司。     

上市公司财务困境预警判别分析模型的建立及应用研究

论文应用多元统计分析的判别分析方法,建立了上市公司财务困境预警模型,进行了实证分析,并对数据分析结果给出了合理解释。