修正Benford分布律及其模拟研究

Benford分布律是常用的数据质量评估方法。通常,Benford分布律只适用于完整数据集的数据质量评估。对于完整数据集的有界子集,提出修正Benford分布律评估其数据质量,拓宽了Benford分布律的适用范围。随机模拟结果显示,新方法的统计性质比Benford分布律更好,评估结果更合理。     

判别分析与Logistic回归的模拟比较

利用随机模拟方法,研究判别分析和Logistic回归分类的回判正确率。模拟结果显示,Logistic回归的回判正确率优于判别分析。随着随机误差的增大,Logistic回归与判别分析的回判正确率差异逐渐减小。随机误差超过一定界限,Logistic回归的回判正确率低于判别分析。在随机模拟的基础上,引入修正Logistic回归分类,模拟结果显示,修正Logistic回归分类略优于Logistic回归。     

财务舞弊识别模型构建及实证检验

文章首先回顾了四大舞弊理论,选择了经典的三因素理论.在强制性信息基础上,将自愿性信息纳入考虑范围,实现了对年度报告的全面考察,构建了更加有效的财务舞弊识别模型.选取2005-2013年证监会公布的财务舞弊上市公司61家及对比公司61家,以逻辑回归的向后逐步法构建财务舞弊识别模型,识别指标包括应收账款指数、资产收益率、现金流量利息保障倍数、自愿性信息披露质量,模型识别率达到77.9％,比传统模型提高了4％.     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

关于综合运用Benford 法则和面板模型检测统计数据质量的研究

 本文介绍了如何利用Benford 法则来检测统计数据质量的一般方法。在此基础上,进一步探讨了如何将其与面板模型相结合从而找出可能存在质量问题的具体地区和时间序列数据的方法。并利用上述方法对我国多个国家级开发区的主要经济指标的数据质量进行了实证分析。     

基于非线性-主成分Logistic回归的会计舞弊识别研究

混沌理论认为,人类行为大多具有非线性特征。会计舞弊属于行为会计的研究范畴,而传统上基于统计理论构建的舞弊识别模型大多受限于线性约束假设,可能存在模型设定偏误和信息提取不充分的缺陷。以沪深A股受到监管处罚的上市公司及其配对公司为样本,借鉴Taylor展开式的非线性思想,并使用主成分分析消除变量多重共线性,构建了非线性-主成分Logistic回归的会计舞弊识别模型。与线性回归模型对比发现,前者具有更高的舞弊识别正确率,模型拟合度更优。应用这一模型有助于更加充分提取舞弊识别信息,提高舞弊识别效率。     

因子分析、Logistic回归在会计舞弊研究中的应用

在因子分析的基础上,建立了Logistic模型。通过运用上市公司的相关财务指标,计算得出公司的舞弊概率,对公司的舞弊情况进行客观的衡量和判断。此外,通过对舞弊样本和非舞弊样本17个指标分析表明,财务造假主要通过操纵利润,虚增资产的方式进行。因此,投资者应主要根据现金流量对一个公司整体的经营成果进行分析和评价。     

上市公司财务欺诈识别模型及其应用

上市公司财务欺诈问题已经日益成为一个不容忽视的问题,但其识别却存在一定的难度。因此,本文借鉴国内外相关研究成果,首先利用统计方法从包括传统财务指标、现金流量指标、综合绩效指标、公司治理指标四大方面的104个指标中筛选出15个指标,再运用Logit方法建立了一个判断中国上市公司年报是否存在财务欺诈的综合识别模型。实证结果表明该模型具有较好的识别能力,可以有效地帮助投资者和债权人、监管部门、审计部门识别财务欺诈。     

Logistic模型在钢铁行业上市公司信用风险识别中的应用

文章基于2007年钢铁行业上市企业的样本数据,用主成分分析方法将筛选出的显著性指标减少为综合反映企业财务状况的5个主成分并建立信用风险识别的二元逻辑回归模型.实证结果表明,该模型中反映盈利能力和股东获得能力的资产报酬率、每股净资产及留存收益率是钢铁行业上市公司的关键性指标,利用该模型可以对上市公司一年后的信用状况进行预测.     

Logistic回归模型在农业试验中的应用

本文介绍用一元Ｌｏｇｉｓｔｉｃ回归模型研究杀虫剂的剂量对杀虫率的变化规律。通过实例说明了Ｌｏｇｉｓｔｉｃ回归模型在农业试验甲可以较好描述了剂量与杀虫率ｐ之间的曲线关系     

基于Benford法则的M_2统计数据准确性研究

根据Benford法则,在样本量充足的情况下,统计数据的首位数字分布概率符合对数规律,而人为地捏造、篡改或者修饰数据将会破坏这种规律。将Benford法则引入到统计数据的准确性检验中,运用非参数统计中的χ2拟合优度检验,对中国人民银行官方网站所公布的1994年10月至2009年9月M2统计数据的准确性进行研究,结果表明：数据较好地符合了Benford法则,准确性较高。     

Goodness-of-Fit Testing for the Newcomb-Benford Law With Application to the Detection of Customs Fraud

The Newcomb-Benford law for digit sequences has recently attracted interest in antifraud analysis. However, most of its applications rely either on diagnostic checks of the data, or on informal decision rules. We suggest a new way of testing the Newcomb-Benford law that turns out to be particularly attractive for the detection of frauds in customs data collected from international trade. Our approach has two major advantages. The first one is that we control the rate of false rejections at each stage of the procedure, as required in antifraud applications. The second improvement is that our testing procedure leads to exact significance levels and does not rely on large-sample approximations. Another contribution of our work is the derivation of a simple expression for the digit distribution when the Newcomb-Benford law is violated, and a bound for a chi-squared type of distance between the actual digit distribution and the Newcomb-Benford one.     

Logistic回归模型在判别分析中的应用

介绍Logistic回归模型用于判别的方法,利用给出的某期间华北地区和长江中下游降水年变化为判别对象,以这种判别方法确定界于两个地区中间地带的一些观测站属于何种年变化型,并且与传统用的最大概率法做了比较,发现Logistic的效果要比最大概率法好。     

基于IOWA算子的优化灰色组合模型及其应用

为了提高灰色模型在实际应用中的预测精度,文章对经典GM(1,1)模型进行了改进优化.首先从初始值、背景值和灰色微分方程三个方面优化经典GM(1,1)模型,然后运用诱导有序加权平均(IOWA)算子对三个优化模型进行组合赋权,建立基于IOWA算子的优化灰色组合模型,最后将该组合模型应用到江西省农村电力中长期负荷预测中.结果表明,所提出的组合模型比经典模型和单项优化模型具有更高的预测精度.     

基于logistic模型的环境友好型作物种子认知研究

对农作物种子的认知状况影响着农户对种子的选择和应用,继而影响着农户的生产效益。从环境友好的角度出发,以黑龙江、吉林、辽宁3省的农户为研究对象,运用Logistic模型,对农户环境友好型作物种子的认知现状进行剖析,并分析影响农户种子认知的因素。研究结果显示：农户对环境友好型作物种子的认知水平较低。影响农户环境友好型作物种子认知的主要因素有：农业生产决策者的年龄、性别、文化程度、兼业情况,作物种植规模,购买种子费用,种子来源途径,购种前是否接受过技术指导,周边交通状况。     

企业信用状况的定性评价——基于logistic回归模型的分析

以材料和机械制造行业100家上市公司综合财务数据为样本数据,采用主成分分析和logistic回归模型,对企业的信用风险进行定性评价,简要评定企业的守信状况,影响企业信用的主要是企业的偿债能力,且同资金的流动性和运营效果密切相关,并给出结论与建议,指导债权人、投资者和交易方投资决策。     

基于因素模型的协高阶矩矩阵估计及其应用研究

在高阶矩投资组合中,使用传统样本估计方法会产生较高估计误差和模型设定误差。本文在多因素模型的基础上,给出一种改进的协高阶矩估计方法,分析了基于多因素模型压缩估计量的渐进一致性。蒙特卡洛模拟表明,多因素压缩估计量在有限样本中具有更小的平均绝对误差、根均方误差以及更高的平均绝对改进百分比,有效提高了协高阶矩矩阵估计的精度;即使在样本观测量比资产数目少时,估计的协高阶矩矩阵精度都会有较大提高。基于2005年6月至2019年5月沪深300成分股的高阶矩投资组合实证发现,多因素压缩方法与其他估计方法相比,在年化收益率上可以获得4.7%～32.8%的提升,最大回撤能够下降3.7%～18.3%,表明使用多因素压缩估计方法构建的投资组合有更大的可能获得更多货币效用增益,以及面临亏损时,产生的最大亏损更小。该方法有助于金融机构或理性投资者在进行投资组合时减小投资损失,获得更好的投资回报。     

基于Logistic模型的微博舆情热点发展预测研究

微博是网络舆情的重要平台。微博舆情热点的发展一般经历发生、扩散、缓解、消退等阶段。相应地,在舆情规模上成"S"形走势。由此,建立基于Logistic模型的预测模型,并用新浪微博实例证明了该模型能够有效预测自组织状态下微博舆情热点的发展。     

基于关系聚类的动态面板数据模型及其应用研究

运用面板数据建模分析时,在考虑截面异质性的情形下存在参数过多的问题。提出一种基于面板数据关系结构的聚类方法,能有效解决模型估计时参数过多的问题;提出内距离与外距离概念,有效解决了聚类分析时定量确定分类数的问题。将此方法运用于动态面板数据的建模分析,统计模拟结果显示有较好的小样本性质。基于理论模型,采用中国1996-2012年的省级面板数据,实证分析了金融发展对房地产业发展的动态影响,分析效果与现实经济发展较吻合,证明该方法有较好的应用性。