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。     

SGL-SVM方法研究及其在财务困境预测中的应用

针对分类问题,本文提出了稀疏组Lasso支持向量机方法（Sparse group lasso SVM, SGL-SVM）,即在SVM模型的损失函数中引入SGL惩罚函数,能同时进行组间变量和组内变量的筛选。由于SGL-SVM的目标函数求解比较复杂,本文又提出了一种快速的双层坐标下降算法。通过模拟实验,发现SGL-SVM方法在预测效果和变量选择上均要好于其他方法,对于变量具有自然分组结构且组内是稀疏的数据,本文方法在提高变量选择效果的同时又能提高模型的预测精度。最后,将本文提出的SGL-SVM方法应用到我国制造业上市公司财务困境预测中。     

调整时期的二分值因变量模型在财务困境预测中的应用

本文在重新选择回归数据时期的基础上,通过二分值因变量模型,对我国上市的财务困境作了实证研究,得出的结论在预测的准确率上与多数学者的结论相差甚远.作者对此提出了看法,希望能对该项研究的方向和趋势提出思路.     

财务困境预测模型变量选择方法的改进

传统的企业财务困境预测模型变量选择方法存在如下不足数学模型的选择与变量选择相关性极大;变量选择与样本选择相关;变量的数目受到限制,未能充分反映企业财务的全部信息;对非线性响应考虑不够.对于具有非线性响应的财务预测模型来说,变量选择极大地影响到所建模型的好坏.使用正交设计和神经网络可以解决非线性响应问题,得到更合理的模型及结果.     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

制造业上市公司财务困境预测——基于panel logit模型的实证分析

目前关于财务困境预测的模型大多是局限于横截面数据的静态模型,忽视了公司的财务状况是不断变化的事实。为了揭示公司财务状况的变化过程,利用面板数据建立了panel logit概率模型。在变量的选取上,不仅考虑了财务指标,还考虑了股权集中度、公司治理结构和审计意见等方面的指标。研究结果表明,panel logit模型的判别准确率比较高,可以利用公司当年的数据预测下一年度公司陷入财务困境的可能性。     

我国财务困境公司恢复过程预测研究

文章首先以公司恢复文献中涉及的相关因素为基础建立了一个恢复过程模型,然后按照国内研究的惯例,选取1998～2002年期间被ST的上市公司为研究样本,并根据其两年后的摘帽情况分为摘帽与没有摘帽两组,对所建立的模型进行检验。研究结果表明,困境严重程度、自由资产及效率主导的战略对困境公司成功恢复扮演了重要的角色。     

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。     

基于LAD-LASSO方法的逐段常数序列中的变点估计

结构突变(变点)问题是统计学、经济学和信号处理等领域中的热点问题之一。当误差分布服从重尾分布或数据集含异常值时,LAD估计比OLS估计更加稳健;LASSO是一种流行的压缩估计和变量选择方法,将这两种经典的方法结合起来,提出基于LAD-LASSO的逐段常数时间序列变点估计的一种新的研究方法,其基本思想是把变点估计问题转化成变量选择问题来处理,在转化过程中对相应优化问题的约束条件仅做一次松弛。随机模拟表明:所提出的估计方法是切实可行的,算法更加简单易行,且估计结果具有很好的稳健性。     

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。     

企业财务困境成本影响因素的统计分析

以2002-2006年度沪深股市被特别处理的94家上市公司为研究对象,通过多元线性回归方法对财务困境成本的影响因素进行相关分析,发现企业规模与财务困境成本间存在显著的正相关关系,盈利能力和管理能力与财务困境成本间存在一定的负相关关系,杠杆比例、行业状况和偿债能力与财务困境成本间的关系需进一步研究.     

企业财务状况预测的神经网络模型

在竞争激烈的市场经济舞台,总有一些企业因失误而陷入危机,但任何危机都有一个逐步显现、不断恶化的过程,也最终都会通过财务指标数据反映出来。管理人员希望能从企业的财务预测中预先了解企业所面临财务危机的原因,发现企业财务运营体系隐藏的问题,以提早做好防范措施并提出相应的排警对策的财务分析系统。本文拟用现金流量表数据建立神经网络模型来预测企业财务状况。     

企业财务困境预警模型及改进策略

精确的财务困境预警能使股东、管理层、债权人等利益相关者较好地防范风险的产生。现有的财务困境预警方法主要有统计类方法以及基于人工智能的方法,但这些方法在建模的一些关键环节存在一定的问题。据此,我们若从建模方法、样本选择及变量选择三方面进行拓展,可以较好地改进企业财务困境的预警机制。     

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.     

上市公司财务困境预测研究

文章以中国上市公司为研究对象,尝试引入公司治理变量,分别以财务指标和公司治理指标作为解释变量建立模型,运用Logistic回归方法进行财务困境预测,并比较其预测结果.研究发现,公司治理与财务困境显著相关,并且包含公司治理变量的模型明显比仅包含财务变量的模型优越.     

处置效应模型估计中的后定变量偏误——以倾向得分与LASSO估计为例

本文分析后定变量对处置效应模型估计的影响。在Rubin因果范式中引入后定变量,证明此时非混淆性假设失效,进而导致多组识别方程失效,倾向得分函数估计出现偏误。识别方程失效、倾向得分估计偏误导致多种基于倾向得分的处置效应估计非一致。进一步扩展到高维处置效应的情形,证明非混淆性假设蕴含条件外生性假设,引入后定变量会导致内生性问题,使得高维LASSO/PostLASSO估计出现偏误。蒙特卡洛模拟实验证实,后定变量将导致倾向得分估计与LASSO/Post-LASSO估计出现偏误。基于理论分析的结论,对Dickson等(2015)的实证案例进行分析。     

论企业财务困境的识别与防范

企业在经营中由于多种原因常常会陷入财务困境,面临破产压力。如何预防,摆脱财务困境,使企业能良好发展是值得思考的问题。本文对财务困境的概念和原因进行分析,提出识别和防范财务困境的方法。     

国民幸福感的指标体系构建与影响因素分析：基于LASSO的筛选方法

国民幸福感是经济社会发展和公共政策的终极目标。借鉴已有研究文献的幸福指数量表,本文构建一套适合于测度中国国民幸福感的指标体系,并通过全国性的问卷调查获取相关数据。为了有效地选择重要变量和消除估计偏差,本文采用新近发展的重要统计方法LASSO筛选法,先从6个个人特征变量和40个维度变量中筛选重要变量,然后再进行回归系数估计与显著性检验。回归结果表明：①性别、婚否和学历水平3个个人特征变量对幸福感有显著的影响;②9个维度变量通过显著性检验,其中家庭生活满意度、自我价值评价、社会福利保障满意度和生活方式健康度评价对幸福感的影响最为显著。在此基础上,本文又分男女、城乡、南北三个组别进行考察。最后,提出旨在提高国民幸福感的政策举措。     

变量选择偏离对预测的影响研究

模型选择目的可以分为两类:一类是变量选择,另一类是预测分析.文章系统地研究了两种目的异同和建模时要注意的问题,提出了变量选择偏离的概念及其与预测的关系.     

变量选择方法在医疗保险赔付评估中的应用

在广义线性模型假设下,采用Lin的医疗费用模型,运用LASSO和SCAD方法对影响医疗费用的因素进行选择,并对两种方法的有效性进行了对比分析,从而得出影响医疗保险赔付的重要因素,解决了高维变量带来的一系列问题。实例分析中,由于两种方法注重的统计性质不同,选择出的解释变量略微不同,但通过分析发现,两种结果都具有良好的解释性,反映了影响医疗保险赔付的重要信息。