基于Logit模型的中国预亏上市公司财务困境预测

使用Logit模型对中国45家预亏的上市公司财务困境进行预测分析。另外还选入了相同数目的业绩正常的公司进行比较。实证研究表明，Logit模型在预测亏损前的上市公司财务困境方面具有较高的准确率。     

从现金流角度构建财务困境预测模型

随着中国证券市场的发展,上市公司也日益增多。为了保护自己的利益,投资者及债权人必然要关注公司的财务健康状况。因此,及时有效地预测那些将会陷入财务困境的公司对他们来说具有重要的意义。文中以上市公司1999年度可公开获得的财务数据为基础,运用因子分析方法,推导出一个基于现金流量的财务困境预测模型。该模型能够根据上市公司1999年度的财务数据预测出那些将在2001年初被ST处理的上市公司。结果表明模型的预测准确性最高可达80%。     

基于四维度指标的上市公司财务困境预测研究

构建了基于财务指标、公司治理结构、审计意见、宏观经济因素四个维度的公司财务困境预测指标体系。选取我国2003-2008年部分ST与非ST配对上市公司研究样本数据,运用Logit模型进行了实证检验。结果表明,四维度财务困境预测指标体系不仅具有较好的理论基础,而且具有比较高的预测准确率。这说明公司治理结构、审计意见、宏观经济因素等非财务指标也是诱发上市公司财务困境的重要方面。     

上市公司财务困境预警的Logit模型实证研究

把传统财务指标与现金流指标结合起来,利用logit方法构建了一个上市公司财务困境预警模型,该模型对预测样本进行实证研究,证明是一种有效、实用的预测方法。     

企业财务困境预警模型分析

借鉴国内外已经比较成熟的研究成果,将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用Logit回归建立财务困境预警模型;然后用财务困境企业样本数据进行分析,并与财务正常企业的数据进行比较。分析结论表明,财务指标包含了预测财务困境的有用信息。     

基于决策树与logistic的上市公司信用评估比较研究

本文构建了基于决策树和logistic的评估模型,对我国目前已上市的216家上市公司进行了实证研究。首先运用单因素方差分析、因子分析对46个变量进行属性约简,最后选定了整合16个指标信息的6个主因子。随后分别运用基于熵方法、基尼系数法的决策树、logistic方法,建立了3个上市公司信用分类的模型。本文的研究结果显示:决策树并不严格优于logistic回归,在公司信用水平差的可能性高的情况下,采用Logistic模型预测能力较好,信用差的概率处于中高水平时,决策树模型较好,其他情况下,三种模型预测能力相当。     

基于公司财务状况结构的财务困境预测

由资产负债表所反映的资产结构、负债结构和权益结构等组成的财务状况结构是公司是否陷入财务困境的动因。以2004-2009年间因财务状况异常而被特别处理的上市公司为研究样本,对财务状况结构和公司财务困境之间的关系进行实证研究,结果表明财务状况结构对财务困境的发生具有较好的预测作用,模型的总体预测精度达到91%。其中,银行借款比例和现金比例这两个结构变量是影响财务困境发生的最重要因素。     

基于公司现金流信息的财务困境预测实证分析

从财务困境的定义、产生的原因及其早期信号等方面探讨企业财务困境相关问题。使用因子分析法浓缩财务指标,把现金流信息引入到企业财务困境预测中,最后在已有研究的基础上以我国上市的ST公司和非ST公司作为研究样本,使用Logistic回归分析的方法构建引入现金流信息的财务困境预测模型,证明把现金流信息引入到传统财务困境的预测中具有较高的预测精度。     

基于Logistic与Fisher的上市公司财务困境判别模型比较研究

以我国股权分置改革后A股制造业公司为研究对象,采用大样本法选取样本,选用财务困境发生前2年内8个季度的财务数据进行分析,对财务困境公司与正常公司的财务指标分别进行Fisher判别分析、线性logistic回归和非线性logistic回归分析。研究结果表明,我国上市公司财务困境发生前2年的季度数据对公司财务困境是否发生具有预测效力;总资产净利润率、营运资金比率和成本费用利润率三个指标对财务困境的预测能力较强;非线性logistic模型的误判率最低,线性logistic模型其次,Fisher模型的误判率最高。     

神经网络模型在上市公司财务困境预测中的应用

选取有效分析指标,建立神经网络预测模型,对中国上市公司的财务困境进行预测,研究结果表明该模型预测精度较高,可以作为投资者和证券分析人员使用的一种有效预测工具.     

浅析信息理论在决策树分类算法ID3中的应用

分类是数据挖掘的重要内容之一,其中决策树分类法在海量数据环境中应用最为广泛,本文论述了决策树分类法ID3算法中的信息熵及其增益原理,并总结了ID3算法引进信息理论后的优点。     

大型会计师事务所发展战略实证研究

目前，数据挖掘方法在研究大型会计师事务所发展的影响指标中已经得到普遍应用。通过聚类和决策树相结合的方法，对2010年前百家会计师事务所评价指标的分析，找出影响优秀会计师事务所可持续发展的主要因素，探寻优秀会计师事务所从内涵发展和外延拓展方面实现做大做强的有效途径。     

基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

新形势下高校财务管理现状及对策

随着高等教育事业的发展,高校的办学规模也越来越大,高等教育经费的来源呈现了多样化的格局,高校的财务环境有了显著改变。这种由计划经济向市场经济的转变,要求高校财务必须提高管理水平,促进财务管理的转型,做实经费预算,防范财务风险,为学校的重大决策提供财务依据,才能充分发挥财务管理在高校管理体系中的作用。     

综合利用数据指标指导企业决策

从财务分析的主要指标体系及财务分析的方法入手结合非财务指标以及企业实际利用数据 指标指导企业的管理决策。     

基于决策树法的我国商业银行信用风险评估模型研究

结合我国商业银行的实际,基于数据挖掘中决策树C4.5算法的分析框架建立了商业银行的信用风险评估模型,通过此模型可以根据贷款企业的财务指标,得出企业是否违约的分类。此分类将对商业银行信用风险控制工作具有很好的指导意义。还通过案例进行了实际的风险评估分析。     

文本感知——金融研究新动态

在传统的金融研究分析领域,文本型数据大多只供研究者阅读参考以及定性研究,其价值未充分体现。随着基于计算语言学、自然语言理解的文本挖掘技术的迅速发展,这种状况正在改变。本文概要性地介绍文本感知挖掘技术在金融市场状况、投资者情绪、企业经营状况和关系感知领域的一些应用,并指出未来发展前景及挑战。     

基于MAS和DM的电子商务企业IDSS模型研究

根据当前智能决策支持系统模型研究中存在的问题，提出一种新型的基于MAS的电子商务企业智能决策支持系统模型（MASIDSS-EC）。该模型中除了将结构化数据作为挖掘对象外，还将Web数据作为重要的决策对象，并将多代理（MAS）的思想和技术引入到这一模型中，该结构的实现可有效突破决策信息的片面性，增加智能辅助的灵活性和适应性。     

基于主成分logistic回归模型的餐饮商务信息意识研究

数据挖掘技术日趋成熟,广泛应用于金融、地产、投资、评估等各个领域。数据挖掘技术亦可应用于餐饮业,为其经营决策做出分析。其他领域的数据挖掘的成功案例也可以引用到餐饮行业中。本文对餐饮人士在餐饮商务中是否具备信息意识、对信息意识的重视程度进行调查,利用数据挖掘中主成分分析和 logistic 回归处理和分析收集来的数据,从而说明数据挖掘在餐饮业管理中的重要意义,反映餐饮人士信息意识状况。利用数据挖掘技术对餐饮商务资讯进行管理势必提高企业效率和盈利水平,促进餐饮业健康稳定的发展。