我国上市公司财务困境预警研究

本文以实际上市公司为研究对象,选取了43家被ST的上市公司和43家根据行业与资产规模设计的非ST配对公司作为研究样本,运用LOGIT回归法分别构建了ST前一年,ST前二年和ST前三年的财务预测模型,模型具有较高的预测成功率,在实际当中具有较强的实用价值。     

审计意见与财务困境预测——基于中国上市公司的实证研究

本文选取了2007年33家ST公司（代表财务困境公司）和33家财务健康公司,研究审计意见对财务困境的预测能力。研究发现：审计意见能够预测财务困境;企业陷入财务困境前一期的审计意见比当期的审计意见有更好的预测能力。     

审计意见与财务困境预测——基于中国上市公司的实证研究

本文选取了2007年33家ST公司(代表财务困境公司)和33家财务健康公司,研究审计意见对财务困境的预测能力。研究发现:审计意见能够预测财务困境;企业陷入财务困境前一期的审计意见比当期的审计意见有更好的预测能力。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确。     

Z-SCORE财务预警模型在上市公司应用的实证研究

本文选取2008年被宣布特别处理公司中的57家ST公司及与其同行业、资产总额基本相等对应的57家非ST公司为研究样本,利用Z-SCORE财务预警模型分析了ST公司被宣布特别处理前四年及非ST公司的相对应年度财务数据。结果发现:Z-SCORE模型在我国证券市场发展的现阶段,虽然还不能直接用于对我国上市公司的财务预警,但如果结合Z值的波动性分析,该模型还是能起到较好的财务预警作用。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确.     

基于现金流量视角的财务风险预警模型分析——以ST上市公司为例

基于现金流建立财务预警模型,对企业尤其是上市公司是十分必要的。文章以ST上市公司为例,对基于现金流量的F分数预警模型的有效性进行验证分析。选取了以利润指标为基础的Z模型和以现金流量财务指标为基础的F模型进行比较,采用6家ST公司作为样本,并对获得的2007年到2012年财务数据对F模型的预测结果进行分析,证明了F模型预警的有效性。     

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。     

引入非财务变量的上市公司财务困境预警

本文选取沪深两市A股2010~2013年52家首次ST公司和52家从未被ST公司作为研究样本,引入盈利能力、股东获利能力、营运能力、发展能力、风险水平和偿债能力六个方面的财务变量,以及股权结构、公司治理、重大事项、人力资本4个方面的非财务变量,使用Fisher判别与Logistic回归两种方法建立ST前3年的财务困境预警模型。实证研究表明,加入非财务指标可以提高财务困境预警的准确率,且Logistic回归方法建立的预警模型的预测效果更好。     

基于遗传算法的上市公司财务危机预测规则发现研究

本文以我国沪深A股上市公司为研究对象,选取制造业公司376家,其中被特别处理的ST公司188家,与其配对的健康公司188家,使用遗传算法和财务比率建立了财务危机IF--THEN判别模型,经检验,提前3年进行危机预测平均准确率为83．89％。