基于最小二乘支持向量机的高校财务困境预警研究

文章借鉴现有的财务困境预警的研究成果,从高校的教研绩效、偿债能力、学生欠费状况、支付能力四方面选择和构造14个财务指标,评价教育部直属高校的财务状况,判定高校是否处于财务困境.然后,选择样本,把样本分为训练组和测试组,分别采用LogiSdc、最小二乘支持向量机(LS-SVM)方法建模,评价两种建模方法在训练组和测试组的预警效果.文章研究结论,对高校利益相关方的决策具有一定参考价值.     

基于机器学习的上市公司财务预警模型的构建

文章通过运用多种机器学习方法分别建立时间跨度为5年和6年的上市公司财务风险预警模型,初始选择了29个指标,利用数据挖掘的特征选择方法,最终选取9个有代表性的指标来建立模型。实验表明,最近邻分类、多层感知机、BP神经网络及逻辑回归四类方法建立风险预警模型的性能相当,可以较好地预测上市公司财务危机。     

上市公司财务困境预警的Logistic模型实证研究

本文首先根据单变量检验和因子分析对备用财务比率进行提炼和筛选,然后运用Logistic回归建立一个变量少且效果佳的财务困境预警模型,并以我国上市公司为研究对象,选取120家处于财务困境的公司和120家财务正常的配对公司为研究样本,对上市公司财务困境预警的Lo-gistic模型进行实证检验。     

财务困境预警建模方法研究述评

在对国外财务困境预警模型及建模方法进行总结分类的基础上,本文选取了混沌模型、累积总和模型、自组织映射、生存分析、多维标度五种典型新方法和多元判别分析、多元逻辑回归分析、人工神经网络三种主流方法进行重点评述,并比较分析了各个方法的优势和局限性,对未来的研究方向进行了展望。     

基于公司治理信息的财务困境预警实证研究

在分别借助因子分析和单变量检验对公司财务信息和治理信息进行统计处理的基础上，构建并实证检验中国上市公司财务困境预警的两大模型，即仅包含财务信息与融合财务信息和公司治理信息的Logistic回归预警模型。实证结果表明：公司治理信息对公司陷入财务困境具有显著的影响，引入公司治理信息的模型预测能力更强。     

上市公司财务困境预测的Fisher判别分析模型

文章运用统计方法选取有效建模变量,建立了Fisher判别分析预测模型,对我国上市公司财务困境进行了预测。研究结果表明该模型具有良好的预测精度,可以作为证券投资者和分析人员使用的一种有效的财务困境预测工具。     

论经典统计财务困境预测模型的理论误区

文章对企业财务困境预测研究领域中的统计类判别模型进行了综述;分析了经典统计类财务困境预测模型的特点;从财务困境的界定、数据的非稳定性、非随机取样、财务困境的动态性、变量的选择等五个方面对经典统计类财务困境预测模型存在的一些理论误区进行了系统深入地剖析和理论评价;对今后企业财务困境预测研究的方向和趋势进行了展望。     

基于生存分析模型的企业财务困境预测

预测企业财务困境,对于政府部门监控上市公司质量,企业自我防范,有重要作用。本文应用我国上市公司财务报表数据,采用生存分析中COX模型对我国上市公司进行财务困境预测研究。实证结果显示,通过判定的位置,模型可以较好地预测财务困境的发生。     

我国上市公司财务困境预测新探

本文采用主成分分析方法确定模型变量,建立多元判别分析(MDA)、Logistic回归和改进型BP神经网络模型进行财务困境预测。结果表明,神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,神经网络模型更适合于财务困境预测。但三种模型的长期预警能力不够理想,提出建立以定量模型为主、定性分析为辅的上市公司财务困境预测新方法。     

基于Cox的财务困境时点预测模型研究

文章借助上市公司提前三年的财务比率数据,采用不同的样本比例和分界点,及其不同样本观测期对基于Cox的财务困境时点预测模型的判别能力和稳定性进行了分析.结果表明,该模型不但能提供80%以上的判别精度,而且具有估计公司未来存活时间的能力,可提供困境发生的时点预测,具有"判断"和"化解"风险的双重功能,是其他预警模型所无法实现的,是一种更为直观、动态和精确的财务困境预测方法.     

基于数据挖掘技术的财务困境预测模型的实证研究

一、引言目前,国内对财务困境预测的相关研究还只处于起步状态,与国外研究存在着较大差距,具体表现在几个方面：一是预测财务变量指标的选取很多凭直观经验或直接借用国外研究成果,缺乏客观基础；二是研究所用的方法基本上是统计方法,使用人工智能技术的很少。本文试图用SAS Enterprise Miner来研究复杂的上市公司财务困境预警问题,在很多地方做了大胆的尝试。     

基于层次分析法的财务预警指标权重设置方法

在企业的财务预警机制中,预警指标的选择和指标权重的设置是至关重要的。文章在分析比较指标权重设置方法的基础上,认为层次分析法是其中科学性最高的,并确定了运用层次分析法设置财务预警指标权重的步骤,具有较强的可操作性。     

SCAD惩罚逻辑回归的财务预警模型

作为一种有监督学习算法,逻辑回归(Logistic Regression,LR)已广泛应用于财务危机建模分析,但其潜在地存在过拟合问题。鉴此,提出一种基于平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)惩罚逻辑回归的财务预警模型。该模型不仅能很好地解决模型过拟合问题,而且还可以同时实现变量选择和模型系数估计,并提高了模型的解释性。结合沪深股市A股制造业上市公司的财务数据进行实证研究,同时对比一般的L1正则化和L2正则化逻辑回归模型的预警效果进行实证分析,实验结果表明:SCAD惩罚逻辑回归模型具有较好的分类效果和较强的经济解释能力。     

基于AUC回归的不平衡数据特征选择模型研究

针对不平衡数据的泛化预测和特征选择问题,提出了一种引入MCP惩罚函数的AUC回归模型(MCP-AUCR)。该模型采用考虑所有阈值信息的优化目标函数,具有处理不平衡数据的能力,并具有较好的特征选择效果;在讨论该模型定义与原理的基础上,提出相应的循环坐标下降训练算法,并通过数值模拟研究验证其优良性质;针对中国股票市场机械、设备、仪表板块中的上市公司,构建了基于MCP-AUCR的财务预警模型。研究结果显示:该财务预警模型可以选择出可解释的重要财务指标并进行有效预测,显著优于传统模型。     

企业运用财务预警模型的适用性

财务预警系统可以减少财务危机的发生和避免财务失败的出现,财务预警模型是其常用的一种方法.本文在运用三个财务预警模型对单个企业进行预警分析之后,提出财务预警模型的适用性是有限的,应该在强有力的财务分析的基础之上,作为一种辅助的方法.     

房地产新政下财务困境企业的财务状况及启示

文章选取2010年一季度沪深A股23家亏损房地产上市公司为财务困境企业样本,选择净利润增长率、净资产收益率、资产负债率、净利润现金含量四个指标,采用比较分析法分析房地产新政前后财务困境企业的财务变动状况,结果显示:房地产新政下,财务困境企业的盈利能力弱、偿债压力大、收益质量差、发展前景堪忧.文章还得出了财务困境企业摆脱困境的三点启示.     

基于灰色理论和神经网络的公司财务预警模型

通过合理选取财务风险预警指标,基于函数变换的GM（1,1）模型和神经网络建立了动态财务预警模型。实证研究结果表明,该财务预警模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

证券公司失败预警研究

 内容提要：一系列国内外证券公司（投资银行）的失败危机表明,及早有效地对证券公司（投资银行）的失败进行预警极为重要。本文在借鉴国内外建立企业失败预警模型的理论和经验的基础上,以我国证券公司为研究对象,将证券公司财务失败界定为证券公司破产或被证券监管部门采取风险处置措施,选取了24家财务失败证券公司和24家财务健康证券公司为样本,有针对性地选取和设计了一系列指标,对比应用了Logit方法、Probit方法和判别分析方法,最终选用Logit方法成功建立了证券公司失败预警模型。     

基于网络结构Logistic模型的企业信用风险预警

随着计算机和互联网的快速发展,特别是在大数据时代,企业积累了大量有关企业经营、财务等相关数据,变量众多且关系纷繁复杂,如果利用传统的logistic回归建立企业信用风险预警模型往往效果不好.本文在充分考虑变量间的网络结构(Network)关系基础上,提出了网络结构Logistic模型,通过惩罚方法同时实现变量选择和参数估计.蒙特卡洛模拟表明网络结构Logistic模型要优于其他方法.最后,我们将其应用到我国企业信用风险预警中,充分考虑财务指标间的网络结构关系,科学地选择评估指标,构建更加适合我国国情的企业信用风险预警方法.     

财务危机的组合判别研究--基于主成分分析的核Fisher方法

核fisher方法利用核函数将输入空间映射到一个高维的特征空间,然后在此高维空间上建立Fisher判别.本文采用主成分分析方法作为特征提取的手段,以我国部分上市公司的财务数据为样本,利用核Fisher方法进行财务困境预警问题的研究.