我国中小上市公司财务失败预警研究——基于财务指标和公司治理指标的综合考察

本文以2005～2009年首次被实施ST的中小上市公司为研究对象,综合利用财务指标和公司治理指标并采用考虑极端值样本的稳健logistic回归构建了财务失败预警模型。研究结果显示,公司治理指标对中小上市公司的财务失败预警具有重要作用,在财务指标基础上加入公司治理指标可以提高财务失败的预测效果,而这种预测效果的提升在排除了含有财务指标极端值样本的情况下表现得更加显著。研究结论对开展中小企业信用风险评估问题具有一定的参考价值。     

创业板上市公司财务预警研究

为了对退市前的创业板上市公司进行财务预警,本文选取93家创业板公司,包括64家财务健康公司和29家财务困境公司,分别使用两类人工神经网络模型和支持向量机模型,采用现金流量安全与否作为财务困境的标准,从20个财务指标提取10个,建立财务预警系统。研究结果表明,相对于人工神经网络模型,支持向量机模型能够较好地对小样本进行判别预测,是一种比较理想的财务预警模型。     

高科技企业财务预警模型的构建

文章将在高科技企业财务危机的特征和相关研究的基础上,构建BP神经网络和主成分分析的高科技企业财务危机预警复合模型,并用该模型对搜集到的各上市高科技公司的所有财务指标进行降维处理和仿真预测。方法,采用非参数显著性检验来剔除部分检验不显著的指标,然后采用主成分分析对样本指标进行第二次降维,将二次降维后的部分样本代入MATLAB中建立的BP神经网络中求出财务危机预警的变量。显然,这一方法既可用于财务预警,也可进行教学的仿真预测训练。因而,对其驻足研究是必要的。     

高管成群离职行为在财务困境预警中的信息含量实证研究——基于中国2008-2009年制造业新增ST公司的证据

以2008-2009年中国制造业新增ST公司为样本,按同行业原则选取对照样本,根据上市公司公布的财务指标和高管离职率作为预警变量,构建Logistic回归预警模型,比较预警效果.研究发现,制造业上市公司财务困境形成路径清晰;高管离职率对财务困境具有显著预警作用;高管成群离职的首要因素不是报酬偏低,而是对公司的困境预期;公司陷入财务困境的潜在因素是大股东的过度干预.     

我国上市公司财务风险预警的实证研究——以制造行业为例

本文采用了实证分析方法,从我国上市公司中选择了70家制造企业作为样本(包括35家ST企业和35家非ST企业),选定了5个基础分析指标。随机选取50家配对样本,运用logistic回归模型建立财务预警模型,对其余20家检验样本预测准确达到65%以上,这说明logistic模型在预测公司发生财务困境(亏损)方面是比较有效的。     

引入公司治理变量的制造业上市公司财务危机预警研究

文章选择沪深两市A股制造业行业的上市公司为样本,引入公司治理信息变量,采用因子分析和Lo-gist ic回归建立陷入财务危机前三年度的财务危机预警模型。实证结果表明,公司治理信息具有长期财务预警能力。     

基于Logistic模型A股上市公司财务预警模型研究

财务预警对企业的管理者、投资者、债权人以及管理当局等利益相关体具有重要的现实意义,是理论界和实务界关注的焦点.本文选取2012 ～2014年首次被ST的15家A股上市公司样本数据,并采取一一配对原则选取了15家非ST公司作为配对样本公司,建立了财务预警指标体系,选取具有差异性的财务指标作为预警指标,通过主成分分析提取主成分,消除多重共线性,建立logistic预警模型并进行预警效果检验,实证研究表明建立的预警模型具有较强的预测能力.     

基于神经网络的旅游业上市公司财务危机预警研究

本文综合考虑导致我国旅游业上市公司产生财务危机的因素,以神经网络理论为基础,运用BP神经网路模型构建了旅游业公司财务危机预警模型,并以14家旅游上市公司为例进行实证研究,验证了该财务危机预警的方法和模型.     

基于神经网络的旅游业上市公司财务危机预警研究

本文综合考虑导致我国旅游业上市公司产生财务危机的因素,以神经网络理论为基础,运用BP神经网路模型构建了旅游业公司财务危机预警模型,并以14家旅游上市公司为例进行实证研究,验证了该财务危机预警的方法和模型。     

基于BP-LVQ的组合神经网络舞弊风险识别模型研究——来自中国舞弊上市公司的经验证据

文章以2010—2014年我国沪深两市5年间发生舞弊行为的506家公司及与其一比一配对的506家配对公司为研究样本,分别用BP神经网络模型与LVQ神经网络模型进行舞弊识别,整体舞弊识别准确率分别为87.22%和85%。在此基础上构建基于BP-LVQ的二层组合神经网络舞弊风险识别模型,用同一舞弊样本进行测试,研究结果表明:组合神经网络模型的识别准确率为90.56%,显著高于这两个单一神经网络模型的舞弊识别率。     

上市公司财务困境预测模型的再比较

该文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic 回归和改进型 BP 神经网络三种方法进行财务困境预测.比较其预测结果发现,BP 神经网络模型的预测准确率明显优于多元判别分析和Logistic 回归模型,而后两者的判别效果接近,可见改进型 BP 神经网络模型更适合于企业财务困境预测.但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性.     

上市公司财务困境预测模型的再比较

本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。     

制造业企业财务危机预警研究——以京津冀上市公司为例

文章以京津冀经济圈的制造业上市公司为研究对象,选取了34家发生财务危机的公司和34家财务正常的公司为样本,以财务危机发生前三年财务指标为基础,运用正态性检验、T检验以及非参数检验筛选出预警能力较强的财务指标,然后运用主成分分析方法构建了财务危机预警模型,并进行了回代检验和测试样本检验。最后,通过独立样本T检验,对比2008年两组样本之间在指标上的差异,发现京津冀的企业由于更严格的环保要求而导致企业在偿债能力上的不足。     

我国上市公司独立董事特征与财务舞弊的关系研究

近年来,世界范围内持续曝光出有舞弊行为的公司,改善公司治理问题日渐被人们关注,董事会特征与财务舞弊的关系成为研究的重点.本文以31家被证监会公开处罚的上市公司和31家对应的非舞弊上市公司为研究样本,以是否发生财务舞弊为被解释变量,对两类公司进行均值检验,并构建Logistic模型进行了回归分析.研究发现独立董事比例、独立董事年龄、独立董事年薪、独立董事中注册会计师的比例度等因素在不同程度上对财务舞弊行为产生影响.最后,针对这些结论对我国上市公司如何加强公司独立董事对预防财务舞弊行为提出了若干建议.     

基于logistic模型的制造业上市公司财务危机预警实证研究

为了建立有效的财务危机预警模型,选择了沪深股市2007—2010年各年度首次被ST（包括＊ST）并能够获得选择年度之前四年的财务数据的137家制造业上市公司为样本及与之对应的137家非ST作为研究样本,选择十个公司营运资本类指标作为备选预警指标,非参数检验、聚类分析、逐步回归分析、Person相关系数分析方法从中选择了四个对因变量影响显著的财务指标,并用容许度和方差膨胀因子对四个财务指标进行了多重共线性检验,不存在多重共线的情况下,建立了logistic财务预警模型,最后通过回代,发现这个预测模型具有较高的准确性。     

公司财务松懈:识别模型、经济后果与治理对策

资源基础理论与公司行为理论认为财务松懈缓冲外部环境突变,促进公司绩效提升,而代理理论认为公司囤积自由现金流量,诱发公司财务松懈行为,增加代理成本,有损公司绩效。本文借鉴波士顿矩阵模型思想,构建公司财务松懈识别模型,以沪深A股酿酒食品行业板块80家上市公司为样本,利用模型识别出40家上市公司为财务松懈公司,并针对财务松懈行为所引发的经济后果,提出相应治理对策,优化公司资源配置,提升公司绩效。     

基于二元逻辑回归模型的我国水处理类上市公司财务危机预警系统研究

使用二元逻辑回归模型,通过研究沪深股市76家亏损公司和经营正常公司样本,建立了财务危机预警模型,弥补了现有的ST公司不适合作为亏损类公司研究样本的不足,并对14家水处理业公司和随机选择的14家ST公司进行判别检验,准确率达到82.65%。     

可持续成长模型下的上市公司财务危机预警

本文依据6种财务可持续成长模型提炼预警指标,基于2003～2007年我国A股市场新增ST公司样本及配对样本的前3年数据,对各模型的驱动因素进行综合预处理,分别得到ST前1～3年的预警指标体系。然后,建立预警模型进行回判和外推。结果表明,各种分析方法在ST前3年可获得较高的判断准确性;财务危机与可持续成长驱动指标之间存在着高度的非线性关系;可持续成长模型能够为开发标准化预警指标体系提供依据。     

上市公司财务危机预警模型研究

本文在传统财务预警指标的基础上加入衡量公司盈余管理程度的预警指标,采用主成分分析和Logistic回归构建了上市公司财务危机预警模型.实证结果显示,预警模型的预测能力较为理想,能给投资者、公司管理层和债权人等相关各方提供更为明确的反映公司财务状况的信息.     

基于功效系数法的新能源汽车企业财务风险预警

新能源汽车企业具有资金密集、技术密集和过度依赖政府补助等特点，财务风险高于传统汽车企业，因此有必要构建科学的财务风险预警模型来评估财务风险并发出预警。文章基于因子分析法、序关系分析法和功效系数法构建了新能源汽车企业财务风险预警模型，选取40家新能源汽车上市公司2016—2020年的财务数据进行研究。结果表明，新能源汽车上市公司整体的财务风险处于中警区间，处于巨警、重警、中警、轻警的企业分别有3家、5家、23家和9家。财务风险水平最高的企业是ST猛狮，主要原因是存货、应收账款周转慢，资产负债率高且经营活动产生的现金流难以弥补到期债务。财务风险最低的企业是快克股份，该企业成本费用利用率、资产现金回收率高，盈利风险较低。最后，对所构建的模型可靠性进行检验，模型的预警结果与成熟的Z-score模型的预警结果并无显著差异，同时计算出的非ST公司风险水平要普遍高于ST公司，说明所构建的模型可靠性较强。