考虑投入产出效率的中小企业财务困境预测方法

中小企业在国家和区域经济发展中具有非常重要的作用.本文首先根据中小企业的经营特点,提出了一套财务困境预测的指标体系,然后提出了一种基于数据包络分析和支持向量机的中小企业财务困境集成预测方法.所提出指标体系的主要特点是,在一般企业财务困境预测指标体系的基础上,增加了企业的效率指标.应用安徽省某融资服务机构的70家中小企业历史样本数据,实证分析了本文提出方法的合理性和优越性.     

财务风险预警的支持向量机应用

本文给出了财务评价指标体系及其量化方法,利用支持向量机的分类能力建立财务风险预警的模型.对上市公司的财务数据进行训练和评估.证明基于支持向量机的财务风险预警模型的可行性和实用性,实验表明支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.     

基于财务与非财务指标的财务困境预警研究——以制造业上市公司为例

本文以沪深A股市场2005-2009年294家制造业上市公司为样本,以因财务状况异常而被ST作为公司发生财务困境的标志,分别建立了仅包含财务比率指标的单一模型和同时包含财务和非财务指标的综合模型.研究结果表明,加入非财务类指标后的综合模型,无论是在预测能力方面还是在误判成本方面均得到显著优化.     

基于BP神经网络的上市公司财务预警研究

文章采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型.研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据.BP神经网络在分析和研究我国上市公司的财务状况方面,具有广泛的应用前景.     

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。     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

基于模糊支持向量机的上市公司财务困境预测

支持向量机(SVM)已经成功地应用于财务困境预测问题的研究,且已证明优于多元线性判别分析(MDA)、逻辑回归(Logistic regression)和神经网络(NN)等方法.然而,传统SVM使用结构风险最小化的原则,这样可能导致错误分类的经验风险升高,特别是当样本点与最优超平面十分接近的时候,这种误分类的经验风险显著升高.另外,传统SVM还存在过拟合问题,所以对数据集中的外点或噪声十分敏感.因此,采用模糊支持向量机(FSVM)算法来改进上述不足.首先,建立一个适当的成员模型用于对整个数据集的模糊处理;然后通过外点侦察方法(ODM)来发现外点,其中ODM集成了模糊C-均值算法(Fuzzy C-mean algorithm)和无监督神经网络中的自组织映射(SOM).最后,为主体集和外点集中的样本点分配不同的权值.还将FSVM应用于上市公司财务困境预测的实证研究,实证结果表明FSVM与传统SVM相比,FSVM 能较好的解决经验风险升高和过度拟合问题,确实降低了外点的影响并提高了分类器的分类准确率.     

混合HOGA-SVM财务风险预警模型实证研究

目前涉及遗传算法与支持向量机相结合的预测模型中,遗传算法基本上采用的是标准算法.但是在对全局函数的优化中,一般的遗传算法容易陷入局部最优,从而降低遗传算法收敛速度和搜索精度,进而影响财务风险预警模型的精度与速度.基于此,提出了基于混合全局优化正交遗传算法(HOGA)和支持向量机(SVM)的财务风险预警模型(HOGA-SVM),通过使用混合全局优化正交遗传算法连同支持向量机来改进支持向量机进行财务风险预警的效果.结果显示,提出的模型不仅提高了财务风险预警的准确率和速度,而且模型的两类分类错误率(尤其是第一类分类错误率)相对其他模型也有了明显下降.未来的工作可以把模型的应用扩大到多分类的财务风险预警问题中.     

基于RS与ANN的上市公司财务困境预测模型的实证研究

本文以中国上市公司作为研究对象,采用粗糙集理论(RS)客观选出预测模型指标体系,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司的财务困境标志,采用人工神经网络(ANN)寻找最佳的利用公开财务数据预测中国上市公司财务困境的模型。我们的研究结果表明,总资产报酬率等18个包括现金流量类指标的财务指标有较强的区分财务困境公司和财务健康公司的能力;行业类型和资产规模对于上市公司财务困境预测具有至关重要的作用;运用ANN建立的神经网络模型有较强和较稳定的预测能力。     

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。     

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。     

不同模型在财务预警实证中的比较研究

研究当前国内外公司财务困境预测问题的现状,寻找一套适合于我国企业的财务状况识别指标体系;然后依据该指标体系采用不同方法建立财务状况预测模型;最后,利用样本公司实际指标数据对各个模型的短期及中期预测效果进行了比较分析与实证研究。     

基于资本市场信息的上市公司财务危机动态预测模型研究

预测上市公司财务危机是投资者、债权人及证券市场监管机构所广泛关注的课题。本文运用期权定价理论,以企业“资不抵债”作为上市公司陷入财务危机的标志,利用资本市场的信息指标———股价建立起上市公司动态财务危机预测模型,克服了统计预测方法利用财务报表信息预测的时期性和滞后性的缺陷。     

基于GCA-DEA-MSVC方法的高校科研平台评价预测研究

高校科研平台评价与预测分析是促进科研工作健康高效发展的重要载体,但数据指标繁冗、逻辑关系复杂、影响因素众多等大大加剧了科研平台运行评价和预测难度。本文从大数据角度出发探索一种基于GCA-DEA-MSVC方法的高校科研平台评价预测方法。首先利用GCA方法从科研平台运行数据库中挖掘、提取出与评价结果密切相关的关键特征指标并进行分类构建特征指标库,然后利用DEA方法对特征指标库数据进行融合,提升数据质量构建相对效率指标库;最后,将特征指标库与相对效率指标库再次融合,基于改进的MSVC方法构建了高效的科研平台运行状态评价分类预测模型,并利用教育部重点实验室评价数据开展了实验研究,验证了所提方法的有效性。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

基于随机效应logistic模型的中小企业财务失败预警研究

logistic模型是研究企业财务失败和信用违约的主流方法,但它不能很好地控制模型之外的因素对违约事件的影响。针对这一问题,本文引入截面数据的随机效应logistic模型,并对2005-2010年我国沪深两市中小上市企业的财务失败风险进行实证检验。结果表明,随机效应logistic模型相比logistic模型具有更高的样本内判别效果和样本外预测效果,而且在财务指标基础上加入公司治理指标能进一步提升模型的预警能力。研究结论对中小企业信用风险评估等具有一定的参考价值。