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.     

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.     

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。     

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.     

一个基于神经网络——Logistic回归的混合两阶段个人信用评分模型研究

一、问题的提出在建立个人信用评分模型时 ,预测精度是非常重要的 ,因为许多情况下即使预测的准确性只提高一点点 ,也会使信贷机构的损失减少很多。正因为如此 ,大量的统计分类技术被应用到信用评分领域。文 [1]首次利用中国某商业银行的信用卡客户数据对多种个人信用评分方法在中国的适用状况进行了全面的比较研究。结果表明 ,不同的模型有自己不同的优点和缺点 :神经网络等非线性方法的精度往往要高于 (线性 )判别分析、Logistic回归、线性规划等线性评分方法 ;而Logistic回归、判别分析、线性规划等方法的稳健性① 则比神经网络方法要好…     

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。     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

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BP神经网络的中国火灾灰色回归组合预测模型

文章根据组合预测的理论和神经网络的非线性性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型的中国火灾组合预测模型。此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映火灾的发展趋势,为中国火灾预测提供合理的依据。     

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。     

财务预警与董事会特征的实证研究

文章建立了基于多元Logit模型的中国上市公司财务预警模型,由此得到各公司财务预警程度,在此基础上对财务预警与董事会之间的关系进行了实证分析.     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

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.     

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BP神经网络的信息商品价格预测模型

从信息商品价格的特点和BP神经网络的功能出发,借助样本训练集和改进的BP算法提出了基于BP神经网络的信息商品价格预测模型,并对模型的泛化精度进行了讨论,最后进行了仿真实验.     

基于PCA-BP神经网络的上市公司财务预警策略

文章选取80家2008年至2010年沪深两市因为财务危机而被ST的上市企业作为样本,通过分析基于神经网络预警模型的结果,提出上市公司财务风险预警策略。     

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。     

企业财务风险预测模型实证比较分析

企业财务风险一直是风险管理理论和实务界关心的热点话题。运用判别分析和计量经济方法对重庆市某商业银行的461个样本企业2002-2005年的违约特征进行实证检验和预测。结果发现最重要的决定变量是资产负责率、酸性试验比率、资产净利率等7个财务比率以及企业所处的产业部门,考虑了异方差性的probit模型有更好的预测能力。     

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。     

基于期权理论的财务困境处理方法

阐述了实物期权的基本原理和亚式期权的内涵及定价求解。将利率期限结构理论应用于期权定价:基于样条函数模型,从上海证券交易所国债市场推导出无违约利率期限结构,用国债市场的无违约利率作为无风险利率。将期权理论和思想应用于财务困境处理:通过期权换担保、卖出产品期权、卖出原材料期权获得正的现金流,从而部分解决企业财务困境,并且给出实例说明方法的有效性。