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。     

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.     

基于VaR的财务风险识别与评估

文章在概括地分析了当前几种影响企业财务风险的因素后,引入VaR参量,构建以VaR参量为主要衡量指标的财务风险预测回归模型,并以实际数据为样本,探讨VaR参量对识别企业财务风险的统计影响程度.     

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.     

数据挖掘中离散现象的建模

在数据挖掘中,我们经常寻求建模的现象是离散而不是连续的.也就是模型的被解释变量是定性的而不是定量的.比如,二元变量:买房,不买房;定类变量:对某个候选人的态度,赞成,反对和弃权;定序变量:信用等级1,2,3,4,5.此时要求模型预测的是将某个个案分到某个类的概率,概率越大的事情越可能发生,进而预测可能的类别.对此类问题在数据挖掘中使用logistic回归显示出强大的处理能力.     

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.     

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。     

两种财务困境程度判别模型的构建与比较

我国证券市场上每年都有不少企业陷入财务困境,而且长期以来这一问题一直都未得到有效解决.文章从我国A股市场上以随机抽样方式选取了900家上市企业作为研究样本,构建了一套能全面反映企业财务状况、评价企业经营业绩的多指标的财务评价体系,运用因子分析和聚类分析对企业的财务困境程度进行分类,并运用单因素多因变量方差分析检验其分类效果；通过分析比较各类别样本的财务状况确定各类别的困境程度,同时归纳出困境企业共有的财务特征.最终得到上市公司财务困境程度划分,加强企业经营风险管控.     

考虑高维宏观信息的波动率与股票价格预测

为刻画股票价格的非线性动态特征,并充分利用高维宏观经济变量对股价的预测能力,文章基于LSTM模型、LASSO降维和混频模型,研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先,使用LASSO方法对高维宏观经济变量进行筛选,并进行因子分析提取宏观因子;然后,使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率;最后,以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征,输入LSTM神经网络模型来预测上证综指价格。结果表明,LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。     

我国上市公司财务预测制度研究

在当前充满竞争、风险和战略发展的市场环境中,财务预测作为企业财务管理的重要环节之一,其功能与影响力将日渐突出.本文通过分析我国上市公司财务预测制度,并结合美国财务预测信息披露制度发展过程,对我国财务预测制度未来的发展进行探索和研究.……     

天然气消费量自组织数据挖掘预测研究

文章通过分析天然气长期消费的影响因素及变化特点,认为天然气消费量和影响因素时间序列均存在一个或多个相似期;运用自组织数据挖掘的相似体合成预测方法构建天然气消费量预测模型,并通过北京地区天然气消费量预测进行模型精度检验,结果验证运用自组织数据挖掘的相似体合成方法进行天然气消费预测是科学可行的。     

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。     

上市公司审计意见类型预测模型

文章旨在建立一个利用各种财务指标和非财务指标来可靠的预测审计意见类型的模型。我们利用2004～2006沪深两市上市公司的年报数据来检验提出的probit审计意见预测模型,发现该模型的预测精度为61%-68%,预测准确率较高。我们发现,诉讼事项、财务困境、亏损状况对预测审计意见类型的能力较强,而存货、应收帐款以及营运资金等指标预测能力很弱。     

基于自组织数据挖掘的区域物流需求预测

文章将自组织数据挖掘方法应用于区域物流需求预测,建立了参数GMDH输入输出模型和非参数模糊规则归纳区域物流需求预测模型,鉴于单个模型预测的局限性,以最小二乘法为最优化准则,建立了最优线性组合预测模型。实证分析表明组合预测结果比较满意,自组织数据挖掘方法是区域物流需求预测的有效工具。     

基于所有权配置的企业财务控制权最优安排

财务控制权安排是财务治理的核心内容,合理的财务控制权安排可以优化公司治理,从而解决"大股东掠夺小股东"、"经营者控制"等公司治理的困境问题.文章通过对企业所有权安排的配置研究,解析企业所有权配置对企业财务治理及财务控制权的影响,并以此为基础构建了企业最优财务控制权安排,文章最后分析了相关因素对这种最优安排的影响程度及其机理,旨在为我国企业的经营管理提供理论参考.     

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。     

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。     

基于Cox比例危险模型的制造业财务困境恢复研究

利用生存分析中的Cox比例危险模型,对上市公司陷入财务困境后影响其成功恢复的因素进行实证研究。研究发现:困境公司能否顺利摆脱困境受到财务和公司治理因素的共同影响,财务因素中盈利能力的影响最为显著,而变更管理层对困境公司的恢复也有积极影响;此外,在困境发生后进行资产重组和关联交易的企业更容易恢复。鉴于资产重组和关联交易的目前发展现状,不断完善此类活动的信息披露机制并加强对此类活动的监管显得十分必要。