基于现金流量的可选消费行业财务预警研究

为了对上市公司可选消费行业出现财务危机的可能性进行更准确的预测,采用logistic回归分析方法做出预警模型.选择非配对样本,以可选消费行业沪市A股公司2003年和2004年的ST公司和正常公司共42家作为分析样本,另外48家作为检验样本.利用主成份分析方法对现金流量指标进行筛选,并运用logistic回归对所得到的主成份进行分析,得到的基于现金流量的财务预警模型,可从获现能力、盈利能力等不同角度全面准确地反映企业的财务状况.     

我国上市公司财务危机预警实证研究——基于主成分分析模型、线性判别模型和逻辑回归模型的比较分析

以我国上市公司为研究对象,根据行业分类和总资产规模(相差在5%以内)选取了2001~2002年被ST的公司和正常公司各28家作为训练样本,2004年被ST的公司和正常公司各28家作为检验样本,运用3种独立的建模方法,分别建立了我国上市公司的主成分分析预警模型、线性判别预警模型和逻辑回归预警模型。通过模型比较发现,逻辑回归模型的效果要优于另外两种模型,具有较高的判别准确率。实证研究表明,这种预警模型适用于各个行业,对中国企业的财务危机的预测与防范能起到一定的作用。     

基于BP神经网络的中小企业信用评价研究

利用因子分析法建立了我国中小企业信用评价财务指标体系,据此构建了单隐层结构的BP神经网络,并以2006年100家ST和非ST上市公司为训练样本,详细考察了隐含层结构和网络训练函数对BP神经网络辨识性能的影响,最终得到了具有较快收敛速度和较高准确率的BP神经网络。在此基础上,以2006年财务数据为研究样本,对102家上市中小企业进行了信用评价。结果表明,各中小企业之间的信用评价结果存在较大的异质性,说明采用BP神经网络进行信用评价具有较高的可操作性。     

基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

基于单变量分析的我国上市公司两阶段财务预警模型实证研究——以纺织行业为例

我国现有的财务预警研究大部分仅限于对上市公司是否会陷入ST来建立预测模型,缺少对公司陷入ST后财务状况预测的进一步研究。应着眼于为上市公司的外部信息使用者建立ST前和ST后两阶段的预测模型,即把正常公司是否会转为ST公司作为模型预测的第一阶段,把ST公司是否会暂停上市作为模型预测的第二阶段,可选取包括现金流量指标在内的五种财务指标,以纺织行业为例进行分行业的实证研究,建立纺织行业两阶段的单变量预测模型。研究结果表明这些模型在两个阶段都达到了较好的预测效果。     

基于邻域粗糙集神经网络的审计意见预测模型研究

审计意见类型及其预测结果受到企业各利益相关方的高度关注.同时选用财务指标和非财务指标为变量,构建了基于邻域粗糙集神经网络的审计意见预测模型.将领域粗糙集作为BP神经网络的前置系统,在保持分类能力不变的前提下进行指标约简,提取关键指标,再将约简的指标体系作为神经网络模型的输入变量.以2013-2015年沪深A股176家公司数据作为研究样本,采用三种模型进行审计意见预测对比分析,结果表明:本模型预测准确率达到97.06％,与单纯利用神经网络建模或单纯利用财务指标建模的预测效果相比具有更好的预测效果.     

基于希金斯可持续成长模型的企业财务危机预警实证研究

基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据,本文对Higgins模型综合指标进行单变量分析,证实了该模型的预警可行性;然后根据四项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推,以考察希金斯可持续成长模型是否能够用于企业财务危机预警。研究表明,四项因素驱动指标在ST前两年具有较高的分类准确性,Higgins模型能够为开发标准化预警指标体系提供参考。     

基于灰色关联法的管理舞弊风险评价模型研究

本文将灰色关联法运用于管理舞弊风险评价,首先对442个样本运用T检验和Wilcoxon符号秩检验建立基于舞弊三角理论的风险评价指标体系,然后选取了具有保牌动机的68家ST公司作为训练样本建立风险评价模型得到风险评分值,最后选取20家公司作为测试样本验证模型识别效果.研究表明:区分舞弊与非舞弊公司的风险评分分割点约为0.465,训练样本综合判别率为72.06％,测试样本模型的综合判别率为85％,灰色模型具有较好的判别效果.     

上市公司财务危机实证研究

财务危机数量的增多及投资风险急剧增大,使得建立一套科学的上市公司财务风险评价体系显得尤为必要。运用剖面分析和Logistic回归模型对ST公司及配对样本建立模型。剖面分析表明资产收益率判定效果最佳,Logistic回归模型对样本t-1年的判别率达到81．6％。     

BP神经网络财务危机预警实证研究

财务危机预警具有重要的经济研究价值。在考虑中国现行会计信息供给状况基础上,构建了包含偿债能力、资产管理能力、盈利能力、成长性、现金流量以及会计信息披露质量的六大类预警指标体系。以沪、深两市上市公司为样本,比较了经秩和检验前后,BP神经网络模型的预警效果。结果显示：BP神经网络模型在中国上市公司财务危机预警中具有良好的应用价值,特别是经秩和检验以后,模型判别准确率显著提高,具有很强的优越性。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

基于优化BP神经网络的营销风险衡量与控制

营销风险是由营销环境等因素的不确定变化带来的,营销风险衡量是营销风险管理的核心。文章提出了基于改进BP神经网络的营销风险评价方法。这种方法的步骤包括建立营销风险评价指标体系,并进行FA指标处理;构建BP神经网络模型,以实例训练模型,并验证此方法的可行性。在此基础上,用概率法划分五个营销风险等级,并根据企业承受营销风险的能力及风险管理水平,采取相应的预警控制措施。     

财务预警指标拓展研究探析

财务预警指标选取的质量,直接影响到预警模型的建立和预测结果的准确性.已有的研究变量选取的随意性较大,灵敏性和时效性较差,较少考虑非财务指标和与财务失真相关的指标.指标的选取应该遵循完整性、最小性、相关性、敏感性等原则,指标体系中除了偿债能力、发展能力、盈利能力等财务指标外,还应包括公司治理、股权结构、企业文化等非财务指标.把财务失败指标和财务失真指标结合起来,构建综合指标预警模型,才是解决财务预警问题的根本之道.     

基于BP神经网络的期权定价模型

运用BP神经网络的方法,根据S&P 500看涨期权的金融数据,利用一步预测法对期权定价做预测.通过其自主的学习机制以及大量的样本训练网络,提高了判断精度,使得对期权的估测更加准确.并运用Matlab的神经网络函数和数学分析的知识对期权定价进行模拟预测,预测价格的结果与市场的真实价格较为接近.     

基于一维卷积神经网络的工业产业安全评价与预警研究

文章基于产业安全理论和相关文献研究,建立了工业产业安全评价指标体系,运用熵权—灰色关联分析法评价2000—2018年工业产业安全状况,再构建LSTM神经网络预测模型预测2019—2023年工业产业安全各评价指标数据,将所有预测数据和历史数据相结合,建立基于一维卷积神经网络的工业产业安全预警模型,并对2019—2023年工业产业安全状况进行系统预警。结果表明:随着工业改革不断深入,安全度增速上升;预测未来五年工业产业安全程度整体处于安全状态。     

股权结构变量对企业财务危机影响的实证研究

企业经营管理中客观存在的风险有可能导致企业财务危机的发生,因此有必要建立财务危机预警模型,以便及时地进行财务危机预警分析,及早地发现财务危机信号。为了有效地设计财务危机预警模型解释变量项,以我国125家工业企业上市公司为研究对象,根据我国上市公司的股权结构现状及有关法规,研究了股权结构变量对企业发生财务危机的影响。以因财务状况异常而被特别处理(ST)的公司作为发生财务危机的界定标准,运用Logistic回归分析对选取的上市公司股权结构变量进行了筛选,发现部分股权结构变量对企业的财务危机有着显著的影响。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于LVQ神经网络模型的企业财务危机预警

LVQ神经网络模型具有很好的模式识别特性，选取148家A股上市公司作为研究样本，构建基于LVQ神经网络的财务危机预警模型，经过训练测试后，该模型具有良好的分类功能。结果表明，利用LVQ网络进行模式识别是合适的。所构建的预警模型能够有效地预测企业的财务危机。