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。     

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。     

基于Logit模型的公用商贸上市公司财务预警实证研究

本文在借鉴国内外研究成果的基础之上,以公用商贸上市公司为研究对象,利用我国万联证券上市公司的会计数据,通过运用一定的统计方法,建立Logit财务预测模型,并验证该模型能否有效地预测出企业是否将陷入财务困境。     

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.     

上市公司财务风险预警文献综述

对于上市公司来说,其发展业绩、收益质量成为众多机构投资者和个体投资者所关注的对象,也是我国证券市场健康发展的重要前提.然而上市公司的表现却并不尽如人意,近年来因经营管理不善等原因陷入财务危机而最终被特别处理直至退市的例子经常发生.本文从理论研究角度出发,对上市公司财务风险预警文献进行综述,旨在为上市公司正确定位、预见性地开展各项工作、完善经营管理提供指导.     

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。     

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。     

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。     

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。     

财务危机预警模型实证研究述评

股票投资者、债权人和政府监管机构对财务危机预警的巨大需求使得财务危机预警模型实证研究不断向前发展.按时间顺序,本文仔细回顾了国内外具有重要影响的文献,并进行了简略评析,指出今后财务危机预警模型实证研究发展的方向.     

概率神经网络在财务预警实证中的应用

建立切合企业实际的财务预警系统,具有降低企业经营风险、投资风险以及防范金融危机的积极作用.在充分考察财务困境研究领域现状的基础上,建立一套适合于我国企业的财务状况识别指标体系.本文将概率神经网络(PNN)应用在财务困境研究领域,建立了财务预警模型.结果表明,该预警模型具有较高的预测准确率和良好的操作性.其短期(一年期)和中期(三年期)预测准确率分别为87.5%和81.25%.     

基于模糊神经网络的企业财务危机非线性组合预测方法研究

本文提出了一种基于模糊神经网络的企业财务危机非线性组合建模与预测新方法,并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistic回归模型的预测结果对比表明,该方法具有预测精度高,学习与泛化能力强,适应性广的优点。在预测上市公司财务危机方面优于其他方法。     

基于Matlab的BP神经网络煤炭需求预测模型

煤炭是中国的基础能源,支撑着国民经济的高速发展。在未来的一段时期,煤炭的基础能源地位不会改变。要合理利用煤炭资源,保证我国经济的健康发展,煤炭需求的预测必不可少。近年来煤炭需求的预测存在一定的不足,精度较低。本文基于Matlab技术的双隐层BP神经网络对煤炭需求进行模拟分析,通过实际数据检验和实证分析,预测了未来五年的煤炭需求量。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆(LSTM)神经网络相结合,构建金融时间序列数据预测模型,以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时,以道琼斯工业指数日收盘价为例,探究LSTM神经网络对实际金融时间序列数据的预测能力,比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度,能够有效预测金融时间序列数据的长短期动态变化趋势,说明了其对金融时间序列数据预测的适用性与有效性。此外,对金融时间序列数据进行小波分解与重构,可有效提高LSTM预测模型的泛化能力,以及对长短期动态趋势的预测精度。     

基于FA-BP网络的客户信用评价

为有效地进行客户信用风险管理,其关键在于客户信用评价.首先,建立了用于客户信用评价的指标体系;其次,给出了基于改进FA-BP神经网络的客户信用评价方法;最后,对具体企业的实际情况进行了实证研究,评价出不同的资信等级.针对不同资信等级的客户,提出了相应的管理模式,以达到风险控制的目的.     

基于人工神经网络方法的税收年度预警系统研究

税收预警系统对政府制定决策,调控地方税收政策,具有重要支持作用,本文采用人工神经网络方法,建立税收神经网络预警系统,克服传统预警方法存在的缺陷,实际应用表明,该系统具备有效的预警能力,且具有学习功能.     

财务困境预测中BP神经网络模型应用综述

金融危机席卷全球,处于金融市场之中的企业随时面临着陷入财务困境的可能,财务困境预测模型的建立可以使公司提前预测到困境的发生,从而及早避免投资损失.随着信息技术的发展,人工神经网络预测模型开始兴起,本文重点介绍了BP神经网络模型在财务困境预测中的应用情况,并将BP神经网络模型与传统统计方法进行了比较分析.     

基于BP神经网络的家族企业契约治理模式识别与选择研究

企业契约分为显性契约与隐性契约,家族企业契约治理按其强度可分为9种模式。本研究按误差逆传播多层前馈方法构建的25-13-3型BP神经网络模型,能有效地识别家族企业契约治理模式。由此可推知,成长期、发展期和成熟期家族企业通常会分别选择弱显强隐、中显中隐和强显强隐的契约治理模式。而家族企业经营绩效的分类分析表明,强显强隐是家族企业最有效率的契约治理模式。     

基于BP神经网络的城市房屋租赁估价系统设计

利用神经网络的非线性处理能力,结合房屋租赁市场的特性,首次给出了基于BP神经网络的城市房屋租赁估价系统模型,并进行详细的系统分析和设计。所给设计方法对类似的非线性经济系统的走势研判或其相应预测决策具有很好的应用价值。