基于Z-score模型对我国社会服务业上市公司ST预测的实证分析

对于上市公司来说,信用风险是其面临的最为主要的风险之一,本文从沪深股市社会服务业上市公司中选择了20个样本上市公司(包含普通股和ST股),采用Z-score模型对其进行ST预测,揭示了我国社会服务业上市公司的信用风险状况,并验证了Z-score模型在我国具有一定的可适性。     

基于财务指标的我国上市公司财务困境预测

本文以我国上市公司为研究对象,利用样本公司历年财务指标的数据构建Logit模型量化上市公司的信用风险概率,进而根据结果对上市公司发生财务困境进行判别和预测。     

基于贝叶斯判别法的上市公司财务预警模型

本文利用贝叶斯判别法,以我国沪市A股上市公司为研究对象,选取2005和2006的ST公司和正常的公司各70家作为分析样本,建立财务预警模型。经检验,该方法预测的效果较好,可为投资者、债权人和监管机构等提供判别依据。     

基于Logistic回归的中国上市公司信用风险度量研究

以我国A股90家上市公司为研究样本,利用其2008年的财务数据,通过运行SPSS,建立Logistie回归模型,对其2010年的财务状况进行两类模式分类预测。对每一家上市公司,考虑其经营状况,根据对财务指标的曼一惠特尼检验结果,建立了包括净资产收益率、主营业务收入、净资产、总资产、每股净资产、每股现金流6项财务指标的Logistic预测模型。结果表明：模型的全样本判别准确率很高,可作为较理想的预测工具。     

基于Logistic模型林业企业信用风险研究

以36家林业相关上市公司为样本,根据KMV模型分组结果选取了2012年上市企业财务报告中的20个指标进行因子分析并提取主成分,运用Logistic模型构建适合我国林业上市公司的信用风险预警模型。结果表明,该预测模型的正确率达到80%以上,负债、现金流量和存货对林业企业信用风险的判别影响较为显著。结合KMV分组结果构建的Logistic模型可以作为理想的林业企业信用风险预测工具,对其信用风险管理具有积极意义。     

基于KMV模型上市公司的信用风险研究

近些年,我国上市公司由于财务状况异常而被特别处理的案例越来越多,上市公司的信用风险也越来越引起社会各界的广泛关注,通过对企业信用状况的分析鉴别上市公司的质量,成为迫切需要解决的问题。本文运用KMV模型,对20家A股上市公司进行基于市场数据的实证分析,测算其违约距离,并对它们的信用风险从横向和纵向两方面进行比较研究。对这些上市公司的信用风险质量进行研究分析,对证券市场的有效监管、保障广大投资者利益乃至整个经济社会的稳健发展都具有重大和深远的意义。     

基于贝叶斯判别分析的上市公司财务危机预警模型研究

以我国沪市A股上市公司为研究对象,选取2004年和2005年的ST公司和正常的公司各40家作为分析样本,另外各20家作为检验样本,采用9个财务指标进行贝叶斯判别分析。研究结果发现,该方法有较好的预测效果,可以为投资者、债权人和监管机构等提供判别依据。     

基于KMV模型的上市公司信用风险探析

本文以101家上市公司为研究对象,利用KMV模型对其信用风险进行度量.结果显示同一行业中,被ST的公司其违约率明显高于绩优股的公司的违约率,说明KMV模型较适合度量我国上市公司的信用风险,这为提高风险预测数据的准确性和敏感度提供了依据.     

上市公司财务危机预警模型比较研究

本文以2001年至2008年间74家A股机械、设备、仪表业上市公司数据为研究对象,分别用多元判别、逻辑回归、BP神经网络和支持向量机四种方法构建了财务危机预警模型,并用2009年至2012年间24家同行业上市公司作为检验样本对模型进行了检验.研究结果表明:第一,人工智能方法所构建模型的预测准确率比传统方法构建模型的准确率高;第二,资产净利率和营业收入增长率是区分机械、设备、仪表行业上市公司财务状况优劣的重要指标.     

我国上市公司财务危机预测的Logistic回归分析

本文以上市公司被ST作为企业陷入财务危机的标志,从我国A股上市公司中选取了18个财务危机公司样本,依据一定的原则确定了18个正常公司作为对照样本。对选取的7个财务指标进行因子分析,把得到的公共因子作为Logistic模型的变量,依据所得到的因子得分对样本进行Logistic回归分析,结果发现模型拟合效果和预测结果均较好,能够作为决策、研判的依据。     

基于贝叶斯判别的上市公司ST分析--北京市教委统计学特色专业项目资助

本文以我国沪市A股上市公司为研究对象,选取1999年和2000年的ST公司和正常的公司共1450家,其中1999年的684家公司数据作为分析样本,另外2000年的746家公司数据作为检验样本,采用7个财务指标进行贝叶斯判别分析。研究结果发现,该方法有较好的预测效果,可以为投资者、债权人和监管机构等提供判别依据。     

基于logit模型的商业银行个人信用风险评估

通过构造我国商业银行个人信用风险的Logit模型,利用其对我国某商业银行510个客户的财务信息和数据作为检验样本进行实证分析,然后计算出不同等级的个人违约概率,并进行信用风险判别和比较研究,得到结论:即Logit模型在预测商业银行个人信用风险评估中具有很好的有效性,能够为商业银行判定借款人的信用风险程度、降低不良贷款率提供准确性较高的客观依据.在商业银行个人信用风险管理工作中,应结合使用评级方法和信用风险度量模型;商业银行应加强信用风险管理意识,不断创新信用风险管理方法,从而为商业银行更好更快的发展打下更坚实的基础.     

我国上市公司信用风险度量及影响因素分析

1.我国上市公司信用风险度量KMV模型是由KMV公司于1993年开发的现代信用风险评估模型。该模型利用公司资产预期的市场价值、波动率以及负债的帐面价值来预测公司的信用风险。由于数据获取相对容易,计算操作比较简便,KMV模型在国外上市公司信用风险评估中得到了广泛的应用。     

上市公司信用风险分析——多元统计方法在上市公司财务预测中的应用

针对我国商业银行信用风险评估日益迫切的问题,本文以工业企业上市公司为样本,按相应年份设计了“ST”、“非ST”样本。该文的实证研究得出以下结论：第一、本文给出了盈利因子、稳定性因子、周转率因子这三个因子能够很好地解释我国A股工业企业上市公司的经营情况;第二、本文在三个因子的基础上运用多元判别分析进行回代预测,记过显示,距离危机发生时间越近,判别准确率越高,模型方法在企业内部风险控制、银行贷款信用评级等领域有较高的应用价值。     

基于nave DD模型的财务困境预测——来自制造业上市公司的经验数据

本文选取我国A股2012、2013和2014年首次被ST的制造业上市公司为研究对象,通过对其前3年数据的分析,实证研究了nave DD模型对我国制造业上市公司财务困境预测的适用性,得出nave DD模型能显著地区别出制造业中的ST和非ST企业。     

基于机器学习方法的上市公司财务预警模型对比研究

当前我国上市公司信息披露仍存在着许多不规范的现象,个别上市公司在面临财务危机时,粉饰其财务风险,进行财务造假.本文利用上市超过3年的A股共3002家上市公司的财务数据,通过对ST、*ST和10家2019年退市的公司样本分析,根据不同的时间窗口,构建了财务预警因子库,共96个因子.分别采用机器学习中的逻辑斯蒂回归、支持向量机、决策树模型对因子数据进行训练.将数据集分为训练集和测试集,用训练集训练模型,并将模型应用在测试集中进行预测.结果如下:(1)三种模型均有较好的预测能力,其准确率都在94%以上;(2)决策树模型的预测效果最佳,支持向量机模型次之,逻辑斯蒂回归模型的预测效果最差;(3)三种模型都存在将较多的财务预警公司预测为正常公司的情况.本文通过将三种模型进行对比分析,以寻找更加优质的财务预警模型,来更好地帮助企业识别财务风险.     

基于混合两阶段模型的上市公司信用风险评价

利用支持向量机(SVM)-Logistic回归的混合两阶段模型来对上市公司信用风险进行评价。通过Logistic回归分析来对SVM的输出结果进行修正,降低了传统SVM方法的经验风险,提高了分类准确率。对SVM-Logistic回归模型、SVM和神经网络-Logistic回归模型进行实证比较,结果表明,支持向量机-Logistic回归模型的总判别准确率高于其他判别模型。     

我国汽车制造业财务机预警分析

以2008年我国汽车制造业A股上市公司为研究对象,选取47家作为样本,综合运用因子分析和逻辑回归分析方法,建立混合财务危机预警模型.用2006年、2007年的数据对模型进行回代检验,结果表明所构建的混合财务危机预警模型具有较好的预测功能.     

企业财务预警模型的比较研究——基于我国制造业上市公司数据的实证分析

采用实证和规范相结合的研究方法,以我国制造业A股上市公司因"财务状况异常"而被特别处理的公司作为研究对象,选择2003-2005年65家财务危机公司,同时采用配对的方法逐年选择65家财务健康公司;初步选定53个变量指标并通过柯尔莫哥洛夫-米诺夫检验、曼-惠特尼-威尔科克森检验逐步判别分析进行筛选,建立和检验了Fisher二类判别模型、Logistic回归模型和BP网络模型,并对其进行了比较研究。     

基于上市公司财务困境恢复的实证研究

基于2013年度深沪两市A股上市公司财务数据,通过对沪深两市2013年35家上市公司进行实证研究,并且针对股权分置改革之后对上市公司的股权价值的进行讨论。选取13个财务指标进行分析,选取5个为主要的解释变量,建立logistic回归模型。在查阅相关文献的基础上,重点阐述了上市公司财务困境的相关理论部分,在此基础上利用因子分析法研究财务困境恢复的问题,在对上市公司财务困境作了理论分析之后,对各家上市公司进行财务困境进行排名。研究表明,信用风险总体水平对ST公司的财务困境恢复具有显著的积极作用。信用风险质量高的企业更有利于帮助困境公司恢复。研究上市公司财务困境恢复的问题,便于我们了解自身的财务状况以及同行业其他公司的财务能力,从而制定适宜的财务战略,改善财务状况,提高经济效率,实现公司的可持续发展。