新债务重组准则实施效果简析

在企业发展过程中，为了扩大生产经营，企业会进行各种形式的融资，企业资产负债率会随之增加，这时一旦企业出现突发状况，则极易发生财务危机，导致破产清算。当企业破产清算时，企业的实际资产与偿债数额相差甚远，远无力清偿其债权人的债务，债权人仅能从清偿资产中获得很少的金额，这时，有些债权人为了获得更多的偿债金额，便会让企业进行债务重组，期待重组后的企业能够增强自身企业价值，从而使债权人获得更多的偿债金额。     

中小企业集群担保与财务危机的关系研究--来自长三角和珠三角上市公司的实证

集群担保与中小企业财务危机之间的关系是政策制定者与企业家们所关注的焦点问题之一。依据长三角地区和珠三角地区中小企业的微观数据，建立面板数据模型，研究中小企业集群担保行为对其财务情况的影响。研究表明，集群担保有利于缓解中小企业的财务危机。回归结果表明，长三角地区集群担保对企业财务危机的缓解作用更明显。     

中国海外上市公司的PCA-SVM财务危机预警研究

在支持向量机(Support Vector Machine,SVM)方法的基础上融入主成分分析(Principal Compo-nent Analysis,PCA)方法,可构建PCA-SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA-SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

上市公司财务危机预警实证研究

通过采用样本分析等方法对中国证券市场上市公司的财务危机预警进行实证研究,首先对国内外财务预警的发展历程和研究成果进行了评述,对上市公司财务预警的相关理论及方法作了总结和分析.然后结合中国上市公司的现状和特点,设计了样本A,对样本分别从行业和规模方面进行了分析.选取了37个财务指标,并按照财务指标的特性分为6个组,根据t检验的p值大小在37个财务指标中筛选出若干指标,作为预测模型的初始输入变量.运用Logistic回归分析作为主要建模方法,数据收集的时间延至样本公司可能出现财务危机的前五年或财务恶化的前三年.在此基础上,通过实证研究检验出若干预警能力强的财务指标,建立了一套动态财务危机预警模型.最后,通过有效性检验,得出了2007年上市公司有54家出现财务危机,模型的总判别率为80.30%,并在此基础上指出了模型的实际运用情况.     

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.     

辽宁省上市公司财务危机预警实证分析——基于Z值评分模型

借鉴已有的财务危机预警模型,结合中国企业实际,从偿债能力、赢利能力、营运能力、发展能力、资产流动性和收现能力6个方面考虑,设计新的Z值评分模型并进行实证检验,提出在财务预警中需要考虑Z值上限及Z值波动性的思想。最后根据所设计的模型和思想对辽宁省上市公司进行财务危机分析,并提出相关的政策建议。     

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。     

上市公司财务危机预测的Logistic回归分析

文章首先对上市公司财务危机的研究现状进行了简要的阐述,在概括地比较了当前几种上市公司财务危机预测的方法后,构建Logistic回归模型,在深入探讨Logistic回归模型对上市公司财务危机预测的作用后,对2003~2005年间有代表性的40家ST公司的财务状况进行分析,比较分析结果的差异,从结果来看,Logistic回归模型在对上市公司财务危机的判断上具有预测率高,关键预测变量选取准确的特点。     

基于非线性SVM的上市公司财务危机预警模型研究

为了克服传统财务危机预警模型在假设前提、样本容量、泛化能力等方面的缺陷,应用非线性SVM构建了财务危机预警模型.该模型以偿债能力、营运能力、盈利能力、现金能力和成长能力等五方面的15个财务指标作为输入变量,以上市公司是否被特别处理(ST)作为输出变量,实证分析表明:该模型具有100%的训练精度和90%的验证精度,学习和预测能力良好.     

财务危机预警指标体系及指数构建——来自创业板上市公司的证据

运用主成分分析法筛选指标构建财务危机预警指标体系,该体系包含4个因子9个指标。采用突变级数法编制财务危机预警指数,对我国创业板260家上市公司进行了预警。研究结果表明:创业板上市公司盈利状况和现金流量状况相对较好,偿债能力和营运能力欠佳。最终确定财务预警指数参考临界值为0.743。