考虑多维效率的上市公司财务困境预警研究

已有的财务困境预警研究一般基于财务指标，或在财务指标基础上引入单一效率指标，而多维效率指标能够更加全面有效地反映不同行业、不同资产规模的上市公司整体状况，从而对上市公司财务困境产生更好的预警效果。本文从经营效率、财务效率、融资效率和人力资本效率这四个维度分别提出相对应的投入产出指标体系，并采用数据包络分析对上市公司各个维度的相对有效性进行评价。在此基础上，将得到的多维效率指标与财务指标相融合，建立上市公司财务困境预警模型。为了验证所提出模型的有效性，采用支持向量机、人工神经网络和决策树这三种常用的财务困境预警技术，并基于不同的财务指标体系对我国上市公司进行实证研究。结果表明，考虑多维效率指标的上市公司财务困境预警模型能够有效提高预测准确度。     

三元财务困境预警模型的样本分类探讨

财务困境预测是评判上市公司未来经营走势的重要理论.本文对三元财务困境预警模型的样本分类提出了一些新的看法,通过多因素方差分析提取若干对经营成败具有显著影响的财务指标,并依据各财务指标与经营成败之间的相关性大小,建立函数关系式,最后根据函数值大小将非ST公司分为两类,从而将全部上市公司分为3类.     

引入TOPSIS法的风险预警模型能提高模型的预警准确度吗?——来自我国制造业上市公司的经验证据

样本选取2011年和2012年我国沪深A股制造业中因财务困境陷入ST的公司和按照1:2比例配比的正常公司作为研究对象,并选取反映企业盈利能力、股东获利能力、现金流量能力、营运能力、发展能力、偿债能力的30个财务指标以及股权结构、管理结构、公司所在地的8个定性指标,以2011年的样本作为训练集,2012年样本作为测试集,在主成分分析的基础上构建以Logit模型为基础的传统预警模型和引入TOPSIS法后的二重分类模型。结果表明,引入TOPSIS法后构建的Logit模型能显著提高模型的预警准确度:对ST公司的预警准确度能提高18.5%,对样本总体的预警准确度能提高11.1%,这说明二重分类法可以构建有效的风险预警模型。     

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。     

有关中国上市公司财务危机预警模型的实证分——基于2002-2004年新增ST公司

本文以2002-2004年深沪两市首次被ST的118家上市公司作为研究对象,同时选择同行业且资产规模相近的118家盈利公司作为配对样本。在界定了“财务危机”的范围后,利用ST公司财务危机前1年的数据,初步选择了20个财务指标,对ST公司与配对样本的均值、标准差、T统计量和Z统计量进行分析,寻找ST公司与非ST公司在财务指标上的差异,并采用主成分分析法进一步筛选财务指标。最后运用二元逻辑回归(Logit),建立起上市公司财务危机前1年的预警模型,且进行了预测。     

有关中国上市公司财务危机预警模型的实证分析——基于2002-2004年新增ST公司

本文以2002-2004年深沪两市首次被ST的118家上市公司作为研究对象,同时选择同行业且资产规模相近的118家盈利公司作为配对样本.在界定了"财务危机"的范围后,利用ST公司财务危机前1年的数据,初步选择了20个财务指标,对ST公司与配对样本的均值、标准差、T统计量和Z统计量进行分析,寻找ST公司与非ST公司在财务指标上的差异,并采用主成分分析法进一步筛选财务指标.最后运用二元逻辑回归(Logit),建立起上市公司财务危机前1年的预警模型,且进行了预测.     

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。     

上市公司重组绩效的评价及财务困境预测实证研究

本文以2000年重组公司为例，采用ROI、EPS、ROE指标，结合资本结构对非ST公司与ST公司的重组绩效分别进行了实证分析。并用一个财务困境预警模型对ST公司的重组绩效进行了验证。同时也验证了该模型的实际应用效果。结果显示不管是非ST公司还是ST公司重组的绩效并不理想，资本结构需要调整。     

我国上市公司信息披露违规的预警研究——基于财务、市场和治理视角

作为公开原则的核心体现，信息披露无疑是规范上市公司行为、保护中小投资者利益和提高证券市场配置效率的最有效手段。然而，我国一些上市公司无视法纪，信息披露违规屡禁不止，严重地违反了诚信准则。本文基于财务、市场和治理视角．运用条件Logistic回归模型对公司信息披露违规进行预警研究，实证结果表明：公司治理信息有助于提高预警模型的判别成功率，揭示上市公司的信息披露违规风险。而且，在违规前一年。基于财务指标、市场指标和治理指标的预警模型可以有效地提前甄别信息披露违规的上市公司。     

上市公司财务实证比较——以房地产行业与汽车制造业为例

企业之间的财务比较,往往通过财务指标来反映,而仅仅比较财务指标有时并不一定能真实反映两企业之间的财务差异.这是因为企业所属的行业不同,行业间的资金流动、资产运作状况的差异,都可能使得同样的财务指标反映出不同的财务信息.本文拟通过神经网络方法,对房地产行业和汽车行业的财务数据建立预警模型,并将一个公司的数据分别代入两个模型预警,比较不同行业财务指标在反映财务状况方面的差异.     

财务风险预警与财务数据分析的有效结合——以内蒙古宁城老窖公司为例

以内蒙古宁城老窖公司为例,通过财务风险预警模型分析,明确了该公司1999-2002年的经营状况,又通过盈利能力、偿债能力、营运能力和发展能力这四类财务指标的变化分析,得出宁城老窖公司整体呈现下滑轨迹,并从内部和外部剖析了公司陷入困境的原因,得出上市公司财务陷入危机的共同规律,要重视财务风险预警,及早纠正公司不适当的发展策略.     

我国上市公司财务预警的实证分析——基于修正的Z-score模型

财务风险是指未能达到财务目标的可能性,是企业理财过程中客观存在的,企业无法完全消除财务风险.重要的是,企业如何合理评估和控制财务风险,并进一步掌握市场机遇、避免或降低因风险导致的损失.本文拟对“Z-score”模型预警体系进行修正,以30家ST公司和30家非ST公司为样本,根据修正后的“Z-score”模型进行实证分析,由此得出新的“Z-score”财务预警模型和判别标准,最后利用36家创业板上市公司2010年的财务数据,对研究的结论进行验证.     

基于非财务指标的企业财务危机模糊预警模型研究

针对企业财务危机预警难以做到真实、准确的问题,提出了基于非财务指标的企业财务危机模糊预警模型。应用多级模糊综合评判法对财务风险因素进行定量化评价,对定性的非财务指标采用模糊统计的方法,从定量与定性相结合的角度出发,构建了财务危机的模糊预警模型,并对其进行了检验,以期使预警结果更加真实、准确。     

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.     

基于财务指标的ST公司资产重组效应的实证分析

为保住上市资格,ST公司通常试图通过重组事项来改变现状.本文建立样本,利用3年的财务数据和财务指标,研究ST公司在资产重组前后的总体规模和偿债能力、盈利能力、资产管理能力及获取现金流能力方面的影响情况,以揭示ST公司的资产重组行为对ST公司产生的财务效应,期望为使ST公司走向实质性重组,全面提高公司业绩提供依据.     

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。     

特别处理公司重组绩效评价实证研究

本文采用超额收益法与财务指标法对中国证券市场中的特别处理公司(以下简称ST公司)重组绩效进行了实证研究。分析结果表明ST公司重组后三年内平均累积超额收益(CAAR)显著为正。运用财务指标法的研究结果表明ST公司重组当年绩效并无明显改善，重组后第一年绩效明显上升，而随后两年则呈现下降态势。总之，在ST板块中频繁发生的重组能在短期内改善公司业绩和股东收益，但这种绩效的改善不具有持续性。     

基于模糊综合评价的财务危机预警研究

本文针对传统财务预警研究方法的不足,提出将模糊综合评判法引入到财务危机预警研究中,并在综合考虑财务指标与非财务指标的基础上,建立企业财务危机综合评价体系,从而更有效的预测财务风险。     

Z计分模型在我国上市公司财务预警中的适用性探究

本文选取了2010年被宣布特别处理的15家ST公司与其同行业的15家非ST公司作为样本,利用Altman提出的Z计分财务预警模型分析了这30家上市公司2006年至2010年的财务数据。得出结论:Z计分模型可以在一定程度上较好地反映我国上市公司的财务状况,但存在整体值偏低等问题,需结合Z值的趋势进行分析。     

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.