上市公司财务危机预警模型效果的比较研究--基于02-04年深沪新增ST公司

本文以2002-2004年深沪两市首次被ST的79家上市公司为研究对象,同时用79家盈利公司作配对样本,选择32个财务指标进行了Wilcoxon符号平均秩检验以判断选取指标的适宜性。运用Fisher二类线性判别分析和二元逻辑回归,本文分别建立起上市公司财务危机前的3年的预警模型。研究结果表明这两种方法建立的模型的预测准确性均超过80%,但这两种方法建立模型的预测效果存在一定的差异。     

信息技术类上市公司财务危机预警实证研究

以沪、深A股2008-2012年28家信息技术类上市公司为研究样本,利用ST公司财务危机前3年的数据初步选用21个初始预警变量;从样本的信息显著性和重复性出发,采用因子分析法等方法筛选基础预警指标,最终确定净资产增长率、净利润增长率、技术人员比率等8个指标作为模型初始变量;接着运用Logistic回归分析构建财务危机预警模型。该模型仅针对信息技术类上市公司,对公司发生财务危机前的财务状况的拟合度较高,具有较强的适用性与指导性。     

我国上市公司财务危机预警研究

本文针对国内外在企业财务危机预警模型研究中存在的问题，选取沪深两市120家上市公司（其中财务危机公司60家，配比公司60家）作为研究样本，运用因子分析法和Logistic回归分析法为主要建模方法，以t-2年样本数据为基础构建了上市公司的财务预警模型。通过实证分析该方法是可行的，有效的。     

基于现金流量的电子电气行业财务预警研究

财务危机是威胁企业持续经营的根本性危机。本文选取我国电子电气行业的上市公司中代表财务危机的5家ST、*ST公司和财务正常的20家非ST公司的12个基于现金流量的财务数据。运用主成份分析法和Logistic回归法对我国上市公司进行财务风险预警研究,为企业提供可操作的规避财务风险的思路。     

我国制造业上市公司财务危机预警实证研究

本文选取沪深两市A股制造业行业的上市公司作为研究对象,在传统财务预警指标基础上,引入公司治理结构、股权结构以及审计意见等非财务预警指标,采用因子分析和Logistic回归建立公司陷入财务危机前两年的财务危机预警模型。实证结果表明,加入审计意见指标建立的综合财务危机预警模型可以提高财务危机预警精度。     

制造业上市公司财务预警研究

文章选取我国制造业2014年4月沪深股市的61家ST公司和61家非ST公司为研究样本,运用熵权法,筛选出10个包含信息量多,并能准确预警的指标,通过这10个指标建立"因子分析"模型进行定量分析,得到财务危机预警函数(即为ST与非ST的判别函数),最后将测试组中60家公司的数据回代到预警函数中检验其判别率,判别率达到81.67%,具有较高的的判别正确率,说明文章建立的财务预警系统对于上市公司财务危机的预测与防范起到一定的作用。     

企业财务困境预测实证研究——基于主成分分析及二元logistic回归模型

文章针对我国上市企业的特点,将由于"财务异常状况"而被"特别处理"的企业定义为财务困境企业,选取2007-2010年间存在的财务困境的制造业企业52家以及配对企业52家作为研究对象,收集t-3年相关财务指标,以80%样本作为训练样本,利用主成分分析法和二元Logistic回归建立模型,剩下20%样本对模型预测效果进行检验得到65%的预测准确率.表明文章所建立的预测模型能对企业财务状况进行较好判别.     

上市公司财务困境预警模型——一个基于沪市A股上市公司的实证研究

本文以我国沪市上市公司为研究对象,遴选了2004年度首次亏损的23家上市公司作为财务困境公司样本,同时选取了23家与之有大致相同规模的盈余公司作为正常公司样本。对相关公司的相关财务指标进行调整后,进行Logistic回归,从而建立两个财务困境预警模型,并对之进行实证检验。研究结果表明:采用调整财务数据后建立的财务困境预警模型对未来事件的预测率比采用原始数据建立的财务困境预警模型的预测率要好。     

关于我国ST上市公司的财务特征及预测的实证分析——以制造业为例

本文以ST(Special Treatment,特别处理)上市公司为研究对象,选取了31家在2010年由于财务困难被特别处理的上市公司和31个规模相近的非ST上市公司为样本,首先通过计算代表性财务指标并比较t值的方法确定了ST上市公司与非ST上市公司在财务特征上的差异,之后在上述各财务指标中各选择两者差异最大的财务指标建立用来预测的回归模型,从以不同类型数据为样本得出的若干模型中选取以2009年相关数据为样本的模型作为最终的Z值判定模型。研究结果表明:①ST上市公司在短期偿债能力、资产管理效率和长期偿债能力三方面与非ST上市公司有明显差异,而在盈利能力和市价比率方面则差异不大;②Z值判定模型在财务困境发生的前一年预测准确率最高,可达90%以上。因此该模型可直接应用于实际,为上市公司管理层、股东以及其他利益相关者提供预测信息,从而依此作出相关决策。     

我国上市公司财务危机预警指标体系的构建及筛选研究

本文在对国内外财务危机预警模型研究的基础上,以中国上市公司作为研究对象,将公司因财务状况异常而被特别处理(ST)作为企业陷入财务危机的标志,构建了一套包括7个方面30个指标的财务危机预警指标体系,并选取了我国深、沪两市A股2002~2008年间首次被ST的公司92家和配对财务健康公司92家企业进行指标的筛选。分析表明:所确定的指标体系能够涵盖上市公司财务的主要运行特性,而且能够比较全面地代表原始预警指标,建立的预警指标体系是全面而简练的。     

基于Logistic回归模型的我国化工上市企业财务危机预警研究

不同行业的财务指标其特征不同,而这些指标是构建企业财务危机预警模型的基础,因而有必要分行业进行财务危机预警研究.本文以我国化工行业上市公司为研究对象,采用正态性检验、显著性检验和相关性分析对初选的预警指标进行筛选,最终选取10个能显著反映化工上市公司财务状况的指标,运用Logistic回归构建危机预警模型,模型预测准确率达到了91％,具有一定的应用价值.     

基于Logistic分析的我国上市公司财务预警区域研究——以北京、上海、江苏为例

针对目前国内财务预警研究忽视区域因素对建模的影响,文章以北京、上海和江苏2004-2005年被ST的所有上市公司为样本,运用SPSS13.0统计分析软件,对三省市上市公司分区域、分行业进行了财务预警研究,分别建立了三省市上市公司的Logistic财务预警模型,预警识别率分别达到了100%、92.9%、100%,实证研究结果表明分区域建立的企业财务预警模型具有较高的判别准确率,有较高的研究     

基于数据挖掘的上市公司财务困境预警研究

以2007年被ST的30家上市公司和配对产生的30家正常经营上市公司为样本，以它们2002-2004年的财务指标为样本数据，运用基于数据挖掘的BP神经网络方法构建了上市公司财务困境预警模型。经实证表明，该模型具有良好的预测效果，研究结论对上市公司、投资者和债权人采取有效措施防范风险具有重要借鉴意义。     

基于Logistic回归的航天企业财务风险预警实证研究

本文运用统计学中的Logistic回归模型对38家航天企业进行了财务风险预警实证研究,将样本企业划分成两类加以分析,并对Logistic回归模型进行了评价分析。     

基于不同指标类型的财务危机预测模型比较——来自我国制造业上市公司的实证研究

本文选取我国证券市场上446家制造业上市公司,以因财务状况异常而被ST作为公司进入财务危机为标志,分别建立了基于财务指标的危机预测模型、基于非财务指标的危机预测模型和基于混合指标的危机预测模型,并对模型的预测结果进行了比较分析。分析发现,财务指标模型对于训练样本预测精度好于非财务指标模型,但模型外推性(稳定性)不如非财务指标模型。财务指标模型和非财务指标模型的互补性较强。混合指标模型兼具了单指标类型模型的优点,对于训练样本和测试样本的预测精度都具较高水平。     

基于神经网络模型的上市公司财务预警研究

为了对上市公司财务状况进行合理预测,利用神经网络模型进行企业财务预警研究。首先,运用主成分分析等统计方法对初选的财务指标进行筛选,从初始指标中提取了五个因子作为财务预警指标;然后,选取2010至2013年间首次被特殊处理的上市公司作为财务危机样本企业,构建的财务预警模型提前三年的预测准确度近似于90%。研究结果表明,神经网络模型对我国上市公司财务状况预测具有较高的准确度,并且对预警指标进行适当的预处理,会提高模型预测的准确率。     

探讨Z-score模型在我国上市公司财务预警中的适用性

财务危机预警理论的核心是财务危机预警模型,本文选取Z-score模型为分析对象,以我国日用电子器具制造业为研究样本,对Z-score模型在我国上市公司的适用性进行研究,结果显示模型对于ST组企业的适用性明显优于其在正常经营企业的适用程度.     

我国房地产上市公司财务预警研究

文章主要通过建立适合于我国房地产上市公司的财务预警模型来研究房地产企业的财务风险.首先,对财务预警模型的解释变量进行筛选,以我国1998—2010年房地产上市公司为研究对象,选取了48家ST公司和48家财务正常公司为样本,对入选解释变量进行了逐步筛选;其次,对于构建的3个Logistic模型进行分析比较,选取预测率较高的模型;最后,对获得的预警模型进行有效性分析,基于样本公司从前一年至前四年的财务数据进行返回预测检验,表明该模型预测的总准确率分别为:93.8%、89.6%、73.4%、65.6%.     

基于神经网络与逻辑回归的财务危机预警研究

文章以2014～2017年制造业上市公司ST企业为研究对象,并以1:2比例选取配对样本,针对T-3年的财务数据指标进行模型的构建与分析。结果表明虽然人工神经网络与逻辑回归都有不错的预测效果,但逻辑回归分析的结果准确率更高,可解释性更强。     

上市公司财务困境预警系统模型及实证研究

文章以因财务状况异常而被特别处理(ST)作为上市公司陷入财务困境的标志,利用Logistic回归模型与因子分析相结合的方法,按不同年份建立我国上市公司财务困境预警系统,并进行实证分析.研究表明,整个预警系统准确率很高,被ST前三年预警模型的第一类错误率均在10%以下,且每个预警模型总正确率均在80%以上.此外,模型具有较强的经济解释能力.该预警系统对上市公司、投资者及研究者具有较大的使用价值和学术价值.