中国房地产上市公司信用风险评价研究——基于混合模型的实证分析

［摘要］已有文献指出,传统财务指标模型可用于评估中国房地产上市公司的信用风险,却鲜有研究加入资本市场变量构建混合模型进行探讨。本研究尝试构建混合模型,以测试其是否能提高信用风险评估的能力。论文以沪深股市房地产上市公司为样本,用因子分析选取财务指标变量,用KMV法计算资本市场变量,以logistic回归先后建立传统财务指标模型与纳入资本市场变量后的混合模型。结果表明,混合模型能改善评估我国房地产上市公司信用风险的能力;且采用信用事件发生前二年的变量预测,效果较前三年的变量预测更佳。     

基于决策树技术的建筑企业信用评价研究

在决策树理论的指导下,通过信息增益的应用和公式的构造获取属性重要程度评价值,结合决策树的C5.0算法得到建筑企业的信用评价模型.经过对该模型进行测试和评价,取得了较好的预测效果.     

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。     

信用风险智能分析系统设计

信用评级系统是金融业信息化建设的重要系统之一。文章分析了信用评估系统的需求,结合评估模型理论,开发设计了一套基于组合优化决策树的信用风险智能分析系统。应用结果表明,系统具有良好的风险预测能力。     

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.     

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。     

信贷风险度量的Logit模型检验——来自行业内上市公司的经验数据

对国内2001～2004年,连续四年间曾经营失败和经营正常的106家综合类上市公司的信用质量应用Logit模型进行检验分析,与以往研究不同的是:一是研究对象只针对某一类企业进行研究,剔除了行业之间的差异影响;二是选取样本违约与非违约数量之间的非均衡性.实证结果发现:Logit模型对中国市场企业信贷风险具有一定的判别和预测能力,能够较好地评价一个企业的信用状况;影响公司信贷违约与非违约的众多因素中,流动比率与资产负债率是两个关键因素.     

上市公司信用风险度量的一种新方法——KMV

本文介绍了KMV公司运用期权定价理论开发的基于股票价格的信用风险评价模型,就美国安然公司破产案将KMV模型计算出的预期违约率与标准普尔公司对安然公司的信用评级进行了比较,并讨论运用KMV模型分析我国上市公司信用风险的优缺点和运用前景.     

财务困境预测:数据挖掘方法的比较与运用

近年来,数据挖掘方法在商业领域的应用方兴未艾。文章尝试将数据挖掘方法引入财务困境预测的问题中,并以上市公司的实际财务数据为出发点,全面比较了逻辑回归、神经网络和决策树等分类算法在上市公司财务困境预测问题上的优劣。结果表明决策树在预测准确率、波动性以及可解释性上具有综合优势。文章还提出了不同程度财务困境的新概念,并对这个问题进行了决策树建模。     

公司财务舞弊的智能识别与模型优化策略

公司财务舞弊行为隐蔽、手法多样,扰乱资本市场,损害投资者利益.传统方法对财务舞弊识别困难,而近年来智能财务技术发展迅速,为识别财务舞弊提供了新的途径.本文以2010-2019年我国A股上市公司为研究对象,筛选出2338条舞弊数据和4676条非舞弊数据进行对照,构建了基于逻辑回归、决策树、支持向量机和神经网络四类模型,并通过调参进行模型比较和优化,智能识别财务舞弊现象.研究发现,财务杠杆、流动资产周转率等十个财务指标以及大股东持股比例、审计意见两个非财务指标对模型有较好的解释力;基于多层神经网络的模型有更好的识别效果.     

中国上市公司未来收益预测的实证研究——贝叶斯动态模型及其预测

预测上市公司的未来收益是投资者、证券商、债权人和管理层所关注的问题.国内外的一些实证研究结果表明上市公司定期公布的财务报告中包含关于公司未来收益变化的信息.基于此,利用中国上市公司年报中的信息,采用贝叶斯动态回归模型对公司未来收益的变化进行预测,并将其结果与静态回归模型的预测结果进行比较,认为贝叶斯动态回归模型的预测效果在一般情况下优于静态回归模型,但要取得更好的预测效果还有待于更多的数据积累,同时还应考虑宏观经济环境变化的影响.     

一种基于神经网络和决策树的信用评估新方法

分析了数据挖掘在国内外金融领域的应用及研究现状,提出了一种基于神经网络和决策树相结合的信用评估新方法。该方法通过RBF神经网络,进行条件属性裁减,并利用决策树抽取出评估规则。此方法利用神经网络的“黑箱”工作特性,选择重要条件属性,并利用决策树自动生成评估规则,大大提高了信用评估的效率和客观性。     

商业银行信用风险评估的考克思模型

为探讨Cox模型在中国商业银行信用风险评估中的应用问题,借助生存分析中的Cox模型构建样本公司的信用风险评估及预测模型,在商业银行信用风险评估模型中,Cox模型具有可以使用时间序列、无需样本配对、连续预测和高鲁棒性的特点,并采用中国上市公司的财务报表数据,通过2001年到2004年数据实证研究表明,该模型可以较好地对信用风险进行评估。     

金融危机对中国上市公司的影响及趋势研究——深圳、上海、天津典型上市公司的比较分析

本文对深圳、上海、天津三地上市公司的经营现状分别从股票价格走势、净利润率、成长性、盈利能力、财务能力、现金流量、经营能力、偿债能力三大方面的八个指标进行对比分析，对三个板块的上市公司的未来发展趋势利用指数平滑法进行预测，分析金融危机对上市公司的影响因素，运用SWOT分析工具，提出上市公司应对金融危机的对策与建议。     

我国上市公司资本结构影响因素的实证研究

本文运用固定效应方法,对资本结构及其影响因素进行研究,利用深圳交易所256家上市公司近七年的数据资料,建立了我国上市公司资本结构影响因素模型.结果表明,公司规模、担保价值、盈利能力和成长性对上市公司资本结构影响显著.     

基于因子分析的上市公司财务危机预警研究的修正

财务危机预警研究的方法有必要改良和修正。可选择因子分析和逻辑回归分析两种计量方法 ,利用因子分析在指标信息处理上的优势以及逻辑回归拟合模型准确度较高的优点 ,将两种方法结合起来应用于预警研究之中。运用新的方法以我国A股机械、设备、仪表类上市公司为样本展开分析 ,可成功拟合出上市公司财务危机预警模型 ,预测精度达到 85 % ,获得较好的预测效果和稳定性。     

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.     

中国证券市场三因素模型敏感系数稳定性和可预测性研究

三因素模型回归系数是测度投资对象系统风险的重要指标。我们利用chow检验对证券收益三因素模型结构的稳定性进行了分析研究,用ADF检验对模型的三个回归系数的稳定性进行了实证分析,运用ARMA和GARCH模型对回归系数的预测能力进行了研究。结果表明三因素模型结构不稳定,但短期比长期结构稳定性要高;大部分组合回归系数时序稳定性较差,同时ARMA和GARCH模型对每个回归系数时间序列进行预测显示有较好的预测能力。     

企业社会责任与企业信用风险评估——基于利益相关者视角的Logistic模型创新

在研究过程中,主要以理论为基础,对企业社会责任与企业经济之间的关联性进行了分析,并从相关利益主体视角出发构建企业社会责任因子,在考虑企业社会责任经济后果时滞性的前提下结合财务因子,构建了创新的Logistic模型。采用我国沪深A股上市公司战略性新兴产业中五大产业2013—2017年的数据,构建了分行业logistic回归模型,研究发现模型均具有良好的拟合效果,且企业社会责任各因子均对企业信用风险有重要影响。创新的Logistic模型具有较高的准确度,可以有效提高债权人对企业进行信用风险评估的判别能力,规避风险。     

中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等。通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况。在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果。上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平。