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。     

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。     

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。     

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。     

支持向量机在财务危机预警中的应用评析

信息技术的迅速发展和世界经济全球化使很多企业面临各种各样的经营困难,最终体现为财务危机.提前对其进行预警以协助企业有效地规避财务危机是十分重要的.随着研究的深入,各种财务危机预警方法逐渐成熟.本文从样本选择、模型建立和预测性能3方面对支持向量机(SVM)在财务危机预警领域的应用进行了评析,认为SVM方法具有强大的分类功能和优良的学习性能,在财务危机预警领域有着广阔的应用前景.     

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.     

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。     

XML数字签名在电子商务中的应用研究

财务危机一直是困扰企业的一个痼疾,实务界和理论界也一直在寻找一种科学简便的方法来对财务进行预警.基于此,本文从财务预警的基本内涵出发,描述影响企业财务状态的诸因素,阐述了人工神经网络应用于财务预警的理论依据和基本构想,建立了财务预警的反向误差传播(back-propagation,BP)模型,提出了基于该模型的财务预警框架,以期对财务预警提供参考.     

基于BP神经网络的财务预警方法探究

财务危机一直是困扰企业的一个痼疾,实务界和理论界也一直在寻找一种科学简便的方法来对财务进行预警.基于此,本文从财务预警的基本内涵出发,描述影响企业财务状态的诸因素,阐述了人工神经网络应用于财务预警的理论依据和基本构想,建立了财务预警的反向误差传播(back-propagation,BP)模型,提出了基于该模型的财务预警框架,以期对财务预警提供参考.