引入公司治理信息的上市公司财务危机预警分析机制构建

传统的财务危机预警大多通过财务指标建立模型进行预测,财务指标从理论上并没有深入剖析企业陷入财务危机的深层次原因,因此还需要引进非财务信息纳入财务危机预警机制。文章通过公司治理结构与上市公司财务危机关系的分析,运用公司治理来完善财务预警机制,最终引入公司治理信息构建上市公司财务危机预警分析机制。     

上市公司财务危机预测模型比较研究

财务危机预测一直是公司金融领域的研究热点,危机预测模型随着研究的深入在不断地发展变化.多元线性模型、Logistic模型、COX模型、神经模型是当前主流的四种财务危机预测模型.以2003年-2008年制造业上市公司为样本,采用财务比率作为预测变量,通过样本公司财务数据建立了四种财务危机预测模型,利用判别精度和ROC曲线比较不同模型在财务危机发生提前3年的预测效果.研究发现神经网络模型在判别精度和稳定性方面均优于其他模型.多元线性模型、COX模型、Logistic模型预测虽然均具有应用价值,但三类模型在预测精度和稳定性上各有优劣.     

基于信息披露质量的财务预警研究

本文将信息披露质量引入财务预警指标体系中,采用支持向量机（SVM）财务预警模型,研究处于不同生命周期阶段的企业在引入信息披露质量前后财务危机预测准确性的差异,然后利用决策树（DT）模型分析信息披露质量在财务预警体系中的重要程度。实证结果表明,引入信息披露质量的 SVM财务预警模型,其准确率在成长期、成熟期和衰退期均有一定的提高,导入期则没有发生变化;对于处于不同生命周期阶段的企业,信息披露质量对财务预警的影响程度具有一定差异：成熟期企业影响程度最大,成长期和衰退期企业影响程度较大,而导入期企业影响效果不明显。因此,合理引导公司信息披露,对于降低上市公司发生财务危机的概率具有重要导向效应。     

上市公司财务危机预警模型分析

在后金融危机时代企业财务预警越来越受到重视,建立财务危机预警模型在理论上和实践中都有重要意义。本文选取了赢利能力指标、营运能力指标、偿债能力指标、成长能力指标、现金流量指标建立了主成分分析预警模型,该模型可以用来对企业财务危机进行预测。经实证研究表明:主成分预测模型在预测上市公司财务危机方面具有较好的预测能力。     

审计意见在财务预警中的信息含量

财务预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。自1968年Altman用财务比率建立公司破产预测模型——Z Score模型以来，财务预警的研究就层出不穷。最初，审计意见并没有被纳入到预测模型。20世纪70年代，审计意见开始被引入，主要原因在于：随着审计师出具无保留意见、而之后不久公司即宣告破产的情形的增加，     

企业财务预警模型的分析与比较

企业财务危机成为需要预测并应对的重要风险之一。企业应构建财务预警机制,关注有关财务预警的信息,有效地防范和化解财务危机。文章选取了五个财务预警模型进行比较分析,为企业建立财务预警模型提供借鉴。     

上市公司财务危机预警的因素分析——基于沪深股市的实证研究

本文将传统的财务业绩评价指标与EVA融合,并借此分别对ST(危机公司)与非ST(正常公司)进行配对样本的差异性检验、相关性检验,筛选出与上市公司财务危机状况具有显著性关系的财务指标;通过logistic回归分析构建企业财务危机预警模型并通过检验证明,该模型能提供较强的预警鉴别能力。     

公司治理指标的财务危机预警实证研究——以民营上市公司为例

财务危机不仅仅是由于财务活动引起的,公司治理方面的缺陷更是导致危机发生的源泉。本文以2010年首次被ST的A股民营上市公司为研究对象,运用Logistic回归建立财务危机前两年的预警模型。研究显示,综合指标财务危机预警模型在一定程度上提高了预测准确率。     

关于几种财务危机预警模型的比较

本文主要就单变量预测模式、多变量Z值预测模型、F———财务危机预警模型在预知财务危机征兆、控制财务危机的扩大、避免危机再次发生等方面进行了比较分析,提出了适合我国企业运用的财务危机预警模型。     

财务危机预警模型中的非财务指标应用研究

财务危机不仅仅是由于财务活动引起的,非财务活动在某些情况下也会导致财务危机的产生。本文拟以2004年～2005年部分首次被ST的A股上市公司为研究对象,结合经过无量纲化处理的财务指标和非财务指标,使用主成分分析法和Logit回归建立财务危机前2年的预警模型。研究显示,引入非财务指标后的财务危机预警模型在一定程度上提高了预测准确率。     

上市公司财务危机预警的因素分析——基于沪深股市的实证研究

本文将传统的财务业绩评价指标与EVA融合，并借此分别对ST（危机公司）与非ST（正常公司）进行配对样本的差异性检验、相关性检验，筛选出与上市公司财务危机状况具有显著性关系的财务指标；通过Logistic回归分析构建企业财务危机预警模型并通过检验证明，该模型能提供较强的预警鉴别能力。     

遗传算法优化上市公司财务预警的实证研究

<正>一引言企业进行预测、防范、控制和处理财务危机,迫切需要建立一个有效的财务困境预测系统,以便对公司的未来财务状况进行分析和预测,及时将企业财务困境扼杀在萌芽状态。本文针对我国目前上市公司的具体情况,利用我国上市公司近几年的数据资料,分别采用BP神经网络和遗传算法优化BP神经网络的方法,构建了基于财务指标和引入非财务信息的财务危机预警模型,旨在财务危机模型系统的实证研究方法上有所创新,提高模型预测的准确度和建模速度,同时扩大模型的适用性。     

基于现金流和EVA指标构建公司财务预警模型

财务危机的出现是一个渐进的过程,科学的财务危机预警系统可以帮助企业在危机来临之前及早发现问题,采取相应措施,进而预防财务危机。本文在传统财务指标的基础上,引入了EVA指标及现金流量指标,构建了基于EVA及现金流量指标的财务危机预警Logistic模型,从而更准确地对财务危机进行预警。     

财务比率预测能力形成机理研究

当前,财务危机预测模型大多基于财务比率,财务比率是建立财务危机预警模型的主要依据。财务比率反映的是企业的过去,迄今为止,尚无理论能够充分说明财务比率的破产预测能力。仅用财务比率就可度量企业陷入困境的程度,或预测企业遭遇失败的可能性,其预测能力从何而来缺乏理论依据。学术界应从理论上,而不仅是从实证上分析财务比率对破产的预测能力。本文试图多角度系统探讨财务比率预测能力的形成机理。     

企业财务危机预警研究

现代企业负债经营已是企业运作的一种重要方式,几乎所有企业都要依靠举债来满足其资金需求.但是,负债经营涉及到债务偿还问题.一旦企业经营状况不佳,不能及时支付到期债务的本息,企业就会因财务危机而陷入经营困境甚至破产.由于企业财务危机的出现是一个渐进、不断恶化的过程,因而可对企业的财务运营进行监控,及早发现财务危机信息,预测企业财务失败的可能性.这样,企业经营者就能够在财务危机出现的萌芽阶段采取措施改善企业经营,防范财务失败;投资者可利用财务危机信号尽早处理现有投资,避免更大的损失;债权人可在这种信号的帮助下加强对债权的管理与控制,尽量降低损失的可能性.可见,对企业财务危机进行预警研究,无论从哪个立场来说都是必要的.因此,本文拟从有关财务预警模型出发,分析评价其适用性,并提出建立我国财务危机预警体系的基本思路.     

基于现金流量指标及因子分析法的财务预警实证研究

本文针对"ST"财务困境企业的分界点不能准确判断出企业是否有足够的现金流、能够真正避免财务危机的不足,选取能反映企业财务安全的"现金类"指标,采用主成分分析法,通过对上市公司财务危机状况的实证研究,建立了上市公司财务预警模型,从而提供了相对准确预测企业财务危机的工具。     

高校财务管理中存在的问题及其对策研究

本文针对“ST”财务困境企业的分界点不能准确判断出企业是否有足够的现金流、能够真正避免财务危机的不足，选取能反映企业财务安全的“现金类”指标，采用主成分分析法，通过对上市公司财务危机状况的实证研究，建立了上市公司财务预警模型，从而提供了相对准确预测企业财务危机的工具。     

国有企业财务危机预警模型实证研究

财务危机从根本上威胁着企业的持续性经营和发展,如果不对其进行预测分析很可能给企业和社会带来严重的影响。近年来,我国政府部门频繁出台文件和措施要求企业特别是国有企业要加强对财务危机的管理控制。文章以上海市××区国有企业为研究对象,选取了29家出现财务困境的国有企业和29家财务正常的国有企业为样本,参照国内外学者对上市公司财务危机预警的研究方法,并结合国有企业财务实际,选择13个财务指标为变量,应用Logistic回归分析建立财务危机预警模型。研究表明:所建立的Logistic预测模型对财务危机发生前一年的预测准确率达93.1%。     

介绍两种企业财务危机预测方法

资信分析的主要任务就是评估企业面临财务危机而无力偿还贷款的可能性。预测财务危机是一项复杂、难度大且带有一定主观色彩的财务预测。这里介绍两种财务危机预测方法,供信贷者投资者及审计评估人员参考。一是美国财务学家马克·兹姆耶斯基在其《预测公司破产:现有财务危机模型的实证比较》中提出的。他认为预测一家企业一年之内是否会遭遇财务危机,通常指破产的最有效的因素为:     

企业财务危机预警模型比较实证研究

针对财务危机预警模型，梳理了国内外相关文献，根据其公司财务信息的时间序列特征，比较了Z分数模型、Logistic回归模型以及卷积神经网络模型在财务风险预警中的性能，并且根据实验比较，分析证明了卷积神经网络在财务方面的应用相较于传统方法的优越性，最终通过建立现实场景下的数据集进行验证观测性能以及收敛曲线后，给出相关财务危机预警建议。基于此，利用深度学习智能模型，不仅能快速且高效地处理大规模财务数据，还可以保证在测试阶段（即实际应用场景下）不会随着时间推移而改变企业风险预测的结果，可以有效保证预测的稳定性。因此，利用深度学习处理财务风险数据并预警具有实际应用价值。以近3年A股上市公司数据为样本，并通过实证研究证明深度学习智能模型与传统模型之间的性能差异并得出结论。