基于BP神经网络的上市公司财务预警研究

文章采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型.研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据.BP神经网络在分析和研究我国上市公司的财务状况方面,具有广泛的应用前景.     

上市公司财务风险预警研究

在市场经济环境下，上市公司所处的经营环境发生了重大变化，所面临的风险也越来越多，其中财务风险是其面对的重要风险因素。及时有效地对财务风险进行识别、预警和管控，有助于上市公司提升自身科学化管理水平，对于保障上市公司健康可持续发展具有重要的现实意义。本文围绕上市公司财务风险预警进行了分析，介绍了上市公司财务风险预警的管控体系，并在此基础上提出了强化财务风险预警、提高上市公司财务管理水平的建议措施。     

基于财务与非财务指标的财务困境预警研究——以制造业上市公司为例

本文以沪深A股市场2005-2009年294家制造业上市公司为样本,以因财务状况异常而被ST作为公司发生财务困境的标志,分别建立了仅包含财务比率指标的单一模型和同时包含财务和非财务指标的综合模型.研究结果表明,加入非财务类指标后的综合模型,无论是在预测能力方面还是在误判成本方面均得到显著优化.     

上市公司财务困境预警判别分析模型的建立及应用研究

论文应用多元统计分析的判别分析方法,建立了上市公司财务困境预警模型,进行了实证分析,并对数据分析结果给出了合理解释。     

基于logit模型的上市公司财务困境预测实证分析

本文通过logit模型对我国30家未被ST而后被ST的上市公式进行分析研究,发现logit模型对即将亏损的上市公司财务困境的预测准确性比较高。     

基于Logit模型的公用商贸上市公司财务预警实证研究

本文在借鉴国内外研究成果的基础之上,以公用商贸上市公司为研究对象,利用我国万联证券上市公司的会计数据,通过运用一定的统计方法,建立Logit财务预测模型,并验证该模型能否有效地预测出企业是否将陷入财务困境。     

上市公司发生财务困境的原因及应对策略

上市公司发生财务困境的原因 财务困境又称财务危机，它威胁着企业的生存和发展，严重的财务困境会直接导致企业破产。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又称为违约风险。财务困境来自财务风险，财务风险是造成财务困境的原因，财务困境是财务风险的结果。     

考虑多维效率的上市公司财务困境预警研究

已有的财务困境预警研究一般基于财务指标,或在财务指标基础上引入单一效率指标,而多维效率指标能够更加全面有效地反映不同行业、不同资产规模的上市公司整体状况,从而对上市公司财务困境产生更好的预警效果。本文从经营效率、财务效率、融资效率和人力资本效率这四个维度分别提出相对应的投入产出指标体系,并采用数据包络分析对上市公司各个维度的相对有效性进行评价。在此基础上,将得到的多维效率指标与财务指标相融合,建立上市公司财务困境预警模型。为了验证所提出模型的有效性,采用支持向量机、人工神经网络和决策树这三种常用的财务困境预警技术,并基于不同的财务指标体系对我国上市公司进行实证研究。结果表明,考虑多维效率指标的上市公司财务困境预警模型能够有效提高预测准确度。     

上市公司财务风险预警文献综述

对于上市公司来说,其发展业绩、收益质量成为众多机构投资者和个体投资者所关注的对象,也是我国证券市场健康发展的重要前提.然而上市公司的表现却并不尽如人意,近年来因经营管理不善等原因陷入财务危机而最终被特别处理直至退市的例子经常发生.本文从理论研究角度出发,对上市公司财务风险预警文献进行综述,旨在为上市公司正确定位、预见性地开展各项工作、完善经营管理提供指导.     

基于中报数据的上市公司财务预警模型构建与检验

国内外学者关于财务预警模型的研究大都以上市公司年报数据为样本数据。在我国,由于上市公司年报公告的时间与当年有关机构宣布ST公司名单的时间比较接近,而距下年有关机构宣布ST公司名单的时间则比较远,因此,用ST前一年的年报数据来预测当年或下年的警情,都具有较大的局限性。实证研究结果表明,采用上市公司中报数据构建的财务预警模型,不仅具有很高的预警准确率,而且比基于年报数据的模型更具有较强的预警时效性。     

基于资本市场信息的上市公司财务危机动态预测模型研究

预测上市公司财务危机是投资者、债权人及证券市场监管机构所广泛关注的课题。本文运用期权定价理论,以企业“资不抵债”作为上市公司陷入财务危机的标志,利用资本市场的信息指标———股价建立起上市公司动态财务危机预测模型,克服了统计预测方法利用财务报表信息预测的时期性和滞后性的缺陷。     

基于模糊神经网络的企业财务危机非线性组合预测方法研究

本文提出了一种基于模糊神经网络的企业财务危机非线性组合建模与预测新方法,并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistic回归模型的预测结果对比表明,该方法具有预测精度高,学习与泛化能力强,适应性广的优点。在预测上市公司财务危机方面优于其他方法。     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

基于随机效应logistic模型的中小企业财务失败预警研究

logistic模型是研究企业财务失败和信用违约的主流方法,但它不能很好地控制模型之外的因素对违约事件的影响。针对这一问题,本文引入截面数据的随机效应logistic模型,并对2005-2010年我国沪深两市中小上市企业的财务失败风险进行实证检验。结果表明,随机效应logistic模型相比logistic模型具有更高的样本内判别效果和样本外预测效果,而且在财务指标基础上加入公司治理指标能进一步提升模型的预警能力。研究结论对中小企业信用风险评估等具有一定的参考价值。     

财务困境成本估计述评

财务困境成本是指从破产清算或债务重组中产生的成本,可以分为三个部分:财务困境企业承担的成本,债权人承担的成本,企业和债权人以外的利益当事人的利益损失。财务困境成本也可能产生一定的利益,包括企业内部的改进和外部的财富转移。实证研究表明,财务困境成本对企业价值和资本结构具有重要的影响。     

我国上市公司投资-现金流敏感度实证研究

运用回归分析和因子分析法,对国内A股上市公司的投资-现金流敏感度及其影响因素进行了实证研究。结果表明:投资-现金流敏感度不能反映公司的融资约束程度,这与一些国内学者的观点不一致;上市公司的投资-现金流敏感度与其盈利能力显著正相关,与其偿债能力显著负相关;民营上市公司的投资-现金流敏感度低于国有上市公司,但其盈利能力也显著低于国有上市公司。因此,民营上市公司较低的投资-现金流敏感度并不表明其融资约束程度也较低;相反,这正说明民营上市公司因受到融资约束而存在投资不足的问题。     

基于信息披露文本的上市公司财务困境预测:以中文年报管理层讨论与分析为样本的研究

本文采用文本分析方法研究了中文年报管理层讨论与分析传递的管理层语调能否提供财务困境预测的增量信息、能否提高预测的准确性以及文本内容的信息价值,主要结论为：（1）管理层语调确实为财务困境预测提供了新的信息,能提高财务困境模型的拟合程度和预测能力;（2）管理层语调是对定量财务数据的重要补充,而且这些信息并没有在市场交易价格中得到充分反映;（3）负面语调比净语调具有更高的信息价值;（4）财经文本情感或语调的分析应以基于相关来源财经文本的情感词词典为基础,而直接引入其他领域成熟词典的效果较差。     

现金流量在财务困境预测中的信息含量实证研究——来自2003-2004年度ST公司的新证据

本文选取2003-2004年度60家财务困境样本和120家非财务困境样本,分别运用单变量和多变量logistic分析检验了现金流量信息在财务困境预测中的相对信息含量和增量信息含量,研究发现:(1)在我国上市公司陷入财务困境前1年,经营性现金流量的相对信息含量仅次于资产报酬率和资产周转率,其预测效率优于其它应计制会计变量;(2)无论在财务困境前1年还是前2年,现金流量类变量在会计比率的基础上均具有显著的增量信息含量。本文的研究结果显示,从财务困境预测研究的角度看,充分挖掘现金流量信息的预测价值应成为未来此类研究的方向;从投资者角度看,现金流量表为投资者提供了决策有用的信息。     

上市公司治理因素与财务困境关系的实证研究

对中国上市公司治理因素与财务困境的关系进行了实证研究。以1998~2005年被ST(special treatm ent)的公司及其配对样本共计528家作为研究样本,通过使用二元Log istic回归分析方法,发现大股东持股比例、H-10股权集中指数、股权制衡度、国家股比例、最终控制人类型、独立董事持股比例以及审计意见与公司发生财务困境的可能性显著负相关,管理者代理成本显著提高了公司陷入财务困境的危险性。而高管持股比例、董事会规模以及CEO的双职合一对困境发生的概率无显著影响。