基于神经网络的企业财务危机预警研究——以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示:该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

BP神经网络与因子分析的财务危机预警应用

本文结合中国制造业上市公司的实证数据,通过三种统计处理方法对财务指标进行处理,再将各自的处理结果作为输入层变量输入神经网络,以此考察财务危机预警模型效果。     

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。     

基于混合粗糙集与ANN的上市公司财务危机预警研究

利用混合粗糙集ANN数据挖掘技术和相关敏感财务及非财务指标构建财务危机预警模型,对30家ST和90家非ST的A股制造业上市公司的财务数据进行实证检验。结果表明,将混合粗糙集的知识约简理论和神经网络的推理能力相结合构建的混合粗糙ANN预警模型具有较高的财务危机预测准确率和较好的实际应用价值。     

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。     

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。     

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.     

上市公司财务危机预警模型构建

本文以2005年发生ST的A股上市公司为研究对象,采用行业和总股本规模作为选择配对样本的标准,构建了上市公司财务危机预警模型。预警指标除选择常用的财务指标外还引入了现金流量指标,并运用费雪(Fisher)判别准则,通过实证研究建立线性判别函数,以期为预测上市公司财务危机提供参考。     

我国机械制造业上市公司财务危机防范研究

分析财务指标，进行财务危机防范，可以为企业预防财务危机起到一定的警示作用。本文从我国机械制造业上市公司的角度出发，运用财雾比率综合评分法进行预警，同时提出机械制造业上市公司财务危机的防范建议。     

制造业上市公司财务危机阶段性预警的实证分析

财务危机的形成具有阶段性特征,有必要根据所选取指标表现出的差异性来判断不同的财务危机阶段,从而对财务危机进行阶段性预警。本文选取了我国2010~2012年首次因财务状况异常而被*ST的43家制造业上市公司作为财务危机组样本,按照1∶1原则以同期43家非ST公司作为配对组样本,运用财务和非财务指标进行阶段性分析。研究发现:在财务危机爆发前五年,两组公司显著性差异指标在各年是不一样的,随着时间的推移,显著性差异指标个数呈现出一个逐渐增多的趋势;同一预警变量在不同阶段模型中的系数也表现出很大差异。     

我国信息技术类上市公司财务预警研究

<正>财务预警模型是指借助企业财务指标和非财务指标体系,识别企业财务状况的判别模型。建立财务预警模型,可以发现企业运行中存在的问题,及时采取措施,减少企业的损失。关于财务预警模型的研究始于Fitzpatrick(1932),在国内,选取上市公司财务指标建立通用模型的研究较多,但针对具体行业的财务预警模型研究较少。本文针对信息技术类上市公司构建财务预警模型。一、样本公司的选取我国证劵市场上市公司没有因财务问题而被破产清算的,所以选择上市公司中的ST公司作为陷入财务危机的企业。样本按照《上市公司行业分类指导》对行业的分类选择信息技术类上市公司进行研究。选取2012年被特别处理的7家信息技术类上     

财务危机预警工具:基于EVA的BP神经网络模型

本文以2003～2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究。实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度。     

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。     

财务危机预警工具:基于EVA的BP神经网络模型

本文以2003-2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究.实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度.     

改进后的神经网络模型在财务预警中的应用

企业财务预警是以企业财务信息为基础,通过分析一些敏感性财务指标的变化,对企业可能面临的财务危机进行预测。BP神经网络模型是目前在财务预警领域应用较多也是较成功的一种神经网络模型。但BP神经网络模型在应用中也存在明显的缺陷:①描述财务比率的指标过多,如果将这些指标都作为模型输入将导致网络结构过于庞大;另一方面也将导     

水上运输行业上市公司财务危机预测

近年来,关于航运业要进行整合的传闻层出不穷,航运龙头上市公司纷纷停牌,更提高了这个传闻的可靠性。基于此,以证监会分类的水上运输业上市公司作为研究对象,选取主营业务利润率、每股经营现金流量、净资产增长率、资产负债率、应收账款周转率、总资产周转率六个财务指标,以企业是否亏损作为财务是否发生危机的标志,运用logistic分析方法进行预测,得出的方程误判率仅为80%,可以很好地对水上运输业上市公司财务危机进行预测。     

上市公司典型财务危机预警模型比较研究

本文以我国沪深两市2005年90家上市公司作为研究对象,以其被ST前一年的截面数据建立一套财务指标体系,应用Logistic回归和BP神经网络方法建立财务危机预警模型,进行了实证研究.     

上市公司典型财务危机预警模型比较研究

本文以我国沪深两市2005年90家上市公司作为研究对象，以其被ST前一年的截面数据建立一套财务指标体系，应用Logistic回归和BP神经网络方法建立财务危机预警模型，进行了实证研究。     

基于非线性SVM的高新技术企业财务危机预警模型研究

本文针对高新技术企业,应用非线性SVM构建了财务危机预警模型.该模型以偿债能力、营运能力、盈利能力、现金能力和成长能力等5方面的15个财务指标作为输入变量,以是否被特别处理(ST)作为输出变量.实证分析表明,该模型具有97.5%的训练精度和90%的预誓精度,学习和预测能力良好.     

基于神经网络模型的上市公司财务风险预警研究——来自山东省制造业数据

本文以山东省67家在沪深主板上市的制造业公司作为研究对象，选取各公司2009--2011年的数据，构建包含财务指标和非财务指标的指标体系，运用因子分析和BP神经网络模型对样本数据进行训练、测试。研究表明：BP神经网络预测结果的综合正确率符合设计标准，可以为山东省制造业上市公司提供较为准确的预警信息；BP神经网络具备自我学习、训练、调整的能力，可以科学地分析数据，使评价结果科学、准确。