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.     

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。     

现金流量信息含量与财务困境预测--基于2003年度ST公司的实证研究

本文以2003年度40家ST公司和80家非ST公司为研究样本,考察了现金流量信息在财务困境预测中的信息含量,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,而在财务困境前2年,经营性现金流量的相对信息含量仅次于资产周转率,经营性现金流量的相对信息含量具有一定的稳定性;(2)无论在财务困境前1年还是前2年,经营性现金流量在会计比率的基础上均具有显著的增量信息含量,而在财务困境前2年,投资性现金流量也具有增量信息含量;(3)同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据。     

现金流量信息含量与财务困境预测

本文选取40家ST公司和80家非ST公司作为财务困境与非财务困境样本，考察了现金流量信息在财务困境预测中的信息含量．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，而在财务困境前2年，经营性现金流量的相对信息含量仅次于资产周转率，因此经营性现金流量的相对信息含量具有一定的稳定性；(2)无论在财务困境前1年还是前2年，经营性现金流量在会计比率的基础上均具有显著的增量信息含量，而在财务困境前2年，投资性现金流量也具有增量信息含量，同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据?     

基于判别分析法的上市公司财务困境预警研究

从财务困境的界定、样本的设计、变量的选择、实证方法的应用等方面系统的回顾了相关的主要成果和问题。以我国上市公司为研究对象,选取了2004年到2006年深沪股市A股市场43家ST公司和43家非ST公司为样本,56家上市公司为检验样本。以被ST的前3年为限,9个财务指标作为判别变量,应用判别分析法建立模型。并用检验样本对模型进行检验。     

上市公司财务困境模型研究

文章通过对国内外学者在财务困境方面的比较,在界定了财务困境的概念之后,选取了全部沪市的37家ST公司的财务指标作为样本,运用SPSS管理统计软件针对样本进行了T值检验,选择了显著性概率接近于1的指标进行分离和检验进行实证研究,最终构建了一个拟合优度较好的财务困境模型。     

基于可变精度粗糙集模型的上市公司财务困境预测

基于可变精度粗糙集模型对上市公司财务困境预测进行的研究表明,可变精度粗糙集模型对ST公司的预测准确度达到了85%,对正常公司的预测准确度达到了65%,总的预测准确度达到了75%;而将ST公司误判为正常公司的错误率为15%,将正常公司误判为ST公司的错误率为35%,平均误判率为25%.因此总体而言,可变精度粗糙集模型具有较好的预测能力.     

上市公司财务风险评价模型实证研究——基于中国有色金属业的证据

我国的上市公司若陷入财务风险,会面临被特别处理、暂停上市甚至终止上市的风险。文章以我国有色金属行业的5家ST公司作为研究样本,同时配对选取了20家全国有色金属业优质上市公司作为对照样本,选取6大类33个财务指标,进行双尾T检验。然后进行相关性检验,研究发现有7个指标低度相关。确定最终使用的指标,分析、建立并检验财务风险评价模型。实证检验结果表明,模型对样本公司评价的准确率达100%。     

基于自由现金流量比率的财务预警模型研究

通过选取制造业行业中的28家企业作为样本数据,结合自由现金流量比率指标与财务预警中取自资产负债表和利润表中的传统指标,建立logistic回归模型,再分别选取2005年度,2006年度50家企业进行检验,通过logistic模型的实证分析证明采用的指标体系的有效性。     

内部控制质量与财务困境恢复——基于2007年～2011年沪深A股ST公司数据

笔者以2007年～2011年期间沪深A股ST公司为样本,采用logistic回归模型实证分析内部控制质量与财务困境恢复的关系。研究表明,内部控制总体质量水平对ST公司的财务困境恢复具有显著的积极作用。内部控制中的控制环境、风险评估和来自公司内部的监督相较于其他方面更有利于帮助困境公司恢复。而摘帽ST公司的内部控制质量水平对其是否"再次被ST"具有反向作用,内部控制质量低的摘帽公司再次陷入财务困境的可能性较大。笔者提出继续加强内部控制建设和完善内部控制评价体系等相关策略,从内控角度帮助ST公司尽快摘帽和摆脱财务困境。     

上市公司财务预警模型的研究

本文首先以沪深证交所2003年和2004年财务困境公司与非财务困境公司为样本,构建判别上市公司财务危机的模型,然后根据T检验的检验结果和以往研究的经验,最终选择流动比率、累积盈余、总资产报酬率和净资产收益率4个主要变量,分别运用单变量和多变量研究方法进行判别分析.研究表明,预测数据与建立模型的数据年度越临近,模型的预测能力越强,而离ST越远模型预测力越差.     

上市公司财务困境预测模型比较研究

文章以我国A股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)作为企业陷入财务困境的标志 ,比较了多元判别分析、Logistic同归和BP神经网络三种模型的预测能力。     

基于公司治理的上市公司BP神经网络财务预警模型研究

文章在传统的BP神经网络财务预警模型中加入了公司治理因素,选取了2004-2006年间的48家ST公司为样本,并配对了60家同期、同行业、规模类似的公司,通过显著性检验对变量指标进行筛选,经过对样本的训练和学习,实证研究结果证明,加入公司治理因素的BP神经网络财务预警模型的预测效果较好.     

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。     

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。     

我国上市公司财务困境的预测模型研究

本文以我国上市公司为研究对象 ,选取了 70家处于财务困境的公司和 70家财务正常的公司为样本 ,首先应用剖面分析和单变量判定分析 ,研究财务困境出现前 5年内各年这二类公司 2 1个财务指标的差异 ,最后选定 6个为预测指标 ,应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法 ,分别建立三种预测财务困境的模型。研究结果表明 :(1 )在财务困境发生前 2年或 1年 ,有 1 6个财务指标的信息时效性较强 ,其中净资产报酬率的判别成功率较高 ;(2 )三种模型均能在财务困境发生前做出相对准确的预测 ,在财务困境发生前 4年的误判率在 2 8%以内 ;(3)相对同一信息集而言 ,Logistic预测模型的误判率最低 ,财务困境发生前 1年的误判率仅为 6 .47%     

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。     

对我国ST公司财务预警模型实证研究

企业财务预警,就是从财务角度对企业进行预警,它是架构在企业预警理论之上,通过对企业财务报表及相关经营资料的分析,利用及时的财务数据和相应的数据化管理方式,预先告知企业所面临的危险情况,同时分析企业发生财务危机的原因,发现企业财务运营体系隐藏的问题,以提早做好防范措施并提出相应的预警对策的财务分析系统。文章主要是通过对2009年上证的41家ST公司的财务数据了利用F模型和Z模型分别进行数据计算,并在此基础上分析财务预警模型的应用以及在预测方面的准确性进行分析,说明了两种模型在对我国公司的出现财务危机预测方面的准确性,并以此说明在分析我国公司的财务危机仅仅依靠模型是不够的,还需要考虑现金流量,模型的有用性等。     

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.     

KMV模型对中国上市公司信用风险识别能力的实证研究

KMV模型作为一种结构化信用风险度量和预测工具,在国外成熟市场已被广泛采用。本文选取了66家中国的上市企业作为样本,通过比较其违约距离,检验了KMV模型的信用风险识别能力;同时选取了25家ST企业三年的数据作为样本,通过纵向比较其违约距离,检验了KMV模型的信用风险预警能力。