基于公司治理因素的财务困境预警实证研究

在对财务困境预警领域已有研究成果进行总结和评价的基础上,选取我国沪、深两市2007、2008年被ST的70家公司,及与其上市时间及主营业务相近的70家非ST公司,提取财务指标及有关治理指标对上市公司财务困境进行预警研究。实证研究结果表明：将公司治理因素引入预警模型能够提高预警的准确程度,财务困境预警研究综合考虑财务指标和治理指标具有积极意义。     

公司治理因素对上市公司财务困境恢复的影响研究

选取生存期为2008-2013年的沪深A股全行业上市公司作为研究样本,运用Cox模型对2438家上市公司2013年的财务数据和公司治理数据进行了分析.研究结果表明,上市公司财务困境恢复受到财务指标和公司治理因素的影响,其中,财务指标中的盈利能力指标和公司治理因素中的董事会和所有者影响最为显著.公司治理因素的引入,大大改善了上市公司财务困境出现和恢复模型的整体效果,特别是董事会和所有者两个层面指标的加入,提高了Cox模型的显著性,增强了方程的整体拟合度;受我国国情制约,高级经理人中的高管持股比例并未对上市公司财务困境的恢复产生显著性影响.     

基于Logit模型的中国预亏上市公司财务困境预测

使用Logit模型对中国45家预亏的上市公司财务困境进行预测分析。另外还选入了相同数目的业绩正常的公司进行比较。实证研究表明，Logit模型在预测亏损前的上市公司财务困境方面具有较高的准确率。     

基于公司财务状况结构的财务困境预测

由资产负债表所反映的资产结构、负债结构和权益结构等组成的财务状况结构是公司是否陷入财务困境的动因。以2004-2009年间因财务状况异常而被特别处理的上市公司为研究样本,对财务状况结构和公司财务困境之间的关系进行实证研究,结果表明财务状况结构对财务困境的发生具有较好的预测作用,模型的总体预测精度达到91%。其中,银行借款比例和现金比例这两个结构变量是影响财务困境发生的最重要因素。     

基于内部控制的上市公司财务困境研究

从内部控制视角阐述财务困境问题,采用理论与实证相结合的研究方法,分别探讨内部控制整体层面和微观层面财务困境的相关性,藉此建立了基于内部控制指标的财务困境预警模型,以期有助于企业财务困境的预警和控制。     

中国上市公司财务困境模型的研究

该模型从选取基本的财务指标作为解释变量开始,运用费歇（Fish-er）判别分析法,计算出各个财务指标变量的系数,得到判别准则。在假定错判代价相等的惰况下,得到ST公司与非ST公司的分断点。以该分断点为基准点,大于该点则认为公司财务状况基本良好,小于该点则认为公司可能出现了财务困境。     

财务困境的预测研究

财务困境预测通用的四种方法为判别分析、逻辑回归、神经网络和支持向量机。实证研究显示,支持向量机和神经网络模型预测的误判率较低,逻辑回归和判别分析模型预测的误判率稍高。     

基于非财务指标的财务困境预测及征兆分析——来自于制造业上市公司的实证研究

本文通过比较两类公司中正常公司和ST公司(财务困境公司)之间在股权结构、治理水平、上市时间等非财务指标上的差异,分析公司被ST之前的征兆。在此基础上,以非财务指标建立Logistics财务困境预测模型进行检验,发现被ST之前的第4年(t-4)的预测精度不低于下一年度。     

公司治理与财务困境:来自上海股票市场的证据

近年来的研究表明,大多数国家的公司中都存在最终控制人。最终控制人的存在侵害了中小股东的利益,从而造成了公司价值的下降。然而,这还不能确定公司治理结构与财务困境之间是否存在相关性。通过对上海股票市场上市公司的研究,发现独立董事比例、第一大股东持股比例、现金流量权与表决权的偏离等治理结构变量确实与财务困境存在相关性,建立预测模型进行预测时能够达到很高的预测精度。     

我国上市公司财务治理体系探究

财务治理是公司治理的核心和主要方面,研究财务治理问题,是解决上市公司复杂的财务问题的现实需要和提高上市公司公司治理效果的重要方面。我国上市公司在特殊环境下表现出特殊的状况,也存在一些特殊问题。在此将从财务治理的基本方面谈起,研究中国上市公司财务治理的相关问题,以提高中国上市公司公司治理效果。     

上市公司财务困境预警的Logit模型实证研究

把传统财务指标与现金流指标结合起来,利用logit方法构建了一个上市公司财务困境预警模型,该模型对预测样本进行实证研究,证明是一种有效、实用的预测方法。     

基于Logistic与Fisher的上市公司财务困境判别模型比较研究

以我国股权分置改革后A股制造业公司为研究对象,采用大样本法选取样本,选用财务困境发生前2年内8个季度的财务数据进行分析,对财务困境公司与正常公司的财务指标分别进行Fisher判别分析、线性logistic回归和非线性logistic回归分析。研究结果表明,我国上市公司财务困境发生前2年的季度数据对公司财务困境是否发生具有预测效力;总资产净利润率、营运资金比率和成本费用利润率三个指标对财务困境的预测能力较强;非线性logistic模型的误判率最低,线性logistic模型其次,Fisher模型的误判率最高。     

基于公司现金流信息的财务困境预测实证分析

从财务困境的定义、产生的原因及其早期信号等方面探讨企业财务困境相关问题。使用因子分析法浓缩财务指标,把现金流信息引入到企业财务困境预测中,最后在已有研究的基础上以我国上市的ST公司和非ST公司作为研究样本,使用Logistic回归分析的方法构建引入现金流信息的财务困境预测模型,证明把现金流信息引入到传统财务困境的预测中具有较高的预测精度。     

基于卡尔曼滤波的财务困境预测方法与应用研究———以电力企业为例

以电力企业为研究对象,健康电力企业为对照组,出现财务困境的电力企业为实验组,利用其困境出现前窗口期的一系列财务指标,对其窗口期后出现财务困境进行预测,可以理想地预测财务困境的出现。这一结果表明,基于动态发展观的卡尔曼滤波财务困境预测法,可以较好地预测电力公司的财务困境,且具有较好的推广价值和应用前景。     

河南上市公司财务困境成因及对策分析

近年来,随着市场竞争的加剧,企业经营和财务风险持续增加,洛阳春都、安彩高科、冰熊股份等河南知名上市公司相继因经营亏损而被证券交易所实施特别处理,陷入财务困境。就这些公司而言,发展环境的特殊性以及公司内部的财务和非财务因素是导致其陷入财务困境的主因。对此,公司可以通过事前股权和资本结构调整、事后脱困能力和方法分析来应对。另外,在市场经济条件下,政府应当做好定位,减少对企业的直接干预,为企业创造良好的外部环境。     

基于组稀疏多核统计学习的财务困境预测

上市公司财务风险预警在财务管理中一直都扮演着关键的角色。来自财务数据的特征是上市公司的各种财务指标,代表着上市公司不同方面的财务现状。这些异构特征给财务风险预警带来了巨大的挑战。当前多核学习方法已经显示出了优于支持向量机方法的预测性能。首先,一个利用预定义的基核进行无监督学习。在此过程中,一个稀疏性约束条件被引入,用于限制基核的线性组合,进而改进学习性能和预测模型的可解译性。通过无监督学习可以得到一个"最优"的线性组合核。最终,这个"最优"组合核用于支持向量机中,进而得到具备稀疏学习能力的多核预测机。通过利用214对ST和非ST公司财务数据进行了仿真实验。实验结果证实,稀疏多核学习方法在全部数据集和不同产业数据集上均优于现有的主流预测方法。     

神经网络模型在上市公司财务困境预测中的应用

选取有效分析指标,建立神经网络预测模型,对中国上市公司的财务困境进行预测,研究结果表明该模型预测精度较高,可以作为投资者和证券分析人员使用的一种有效预测工具.     

中国上市公司治理结构与财务绩效相关性的实证分析

本文主要从我国上市公司内部治理结构出发 ,以我国上市公司为样本 ,以董事会规模、股权结构、独立董事和企业财务绩效之间的关系作为本文研究的对象 ,通过选取与企业绩效相关的变量 ,建立多个包括财务指标在内的数学模型 ,对所得数据进行回归分析并得出方程 ,通过实证检验分析了我国上市公司董事会规模、股权结构、独立董事与企业财务绩效之间的关系     

上市公司财务腐败的寻源与治理策略

上市公司财务腐败一直是社会各界关注的问题,信息披露中违法、违规情况屡禁不止,造成的影响和后果日益严重。本文剖析了上市公司财务腐败的产生根源,并试图从公司治理、会计制度、立法与执法等方面提出治理策略,以保护国家、投资者的利益。     

财务困境预测:数据挖掘方法的比较与运用

近年来,数据挖掘方法在商业领域的应用方兴未艾。文章尝试将数据挖掘方法引入财务困境预测的问题中,并以上市公司的实际财务数据为出发点,全面比较了逻辑回归、神经网络和决策树等分类算法在上市公司财务困境预测问题上的优劣。结果表明决策树在预测准确率、波动性以及可解释性上具有综合优势。文章还提出了不同程度财务困境的新概念,并对这个问题进行了决策树建模。