上市公司财务困境预测模型的再比较

本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。     

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。     

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%     

我国上市公司财务困境预测模型比较研究

本文采用三种多元统计分析及人工智能方法分别对我国上市公司财务困境预测进行了实证研究，建立了四种预测模型。判定结果表明，该四种方法都可以用来进行财务困境预测，但判定效果是有差异的，Logistic模型是最有效的一种方法。     

上市公司财务危机预警实证研究

从20世纪60年代起,国内外的学者对上市公司财务危机预警问题就进行了大量研究,从方法上看,主要有线性判别分析、多元线性回归分析和Logistic三种,大量的实践证明,运用Logistic模型判定上市公司财务危机预警的准确性相对较高。     

“掏空”行为与上市公司财务困境预测

文章以中国上市公司为研究对象,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司陷入财务困境的标志,从公司治理和经济原因的角度研究财务困境,尤其考察了大股东"掏空"行为对上市公司的影响。采用多元逻辑回归模型寻找利用公开的财务数据预测中国上市公司财务困境的预测模型和变量。文章所建立的模型能准确预测出81.25%的在下一年进入ST板块的公司,模型表明控股股东的"掏空"行为是导致上市公司陷入财务困境的重要原因。     

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.     

上市公司财务困境的串联和并联组合预测

利用单一判别分析方法对上市公司财务困境进行预测具有片面性和不稳定性。本文尝试通过多种判别分析方法的串联和并联组合来提高预测效果。以我国上市公司为对象的实证研究表明：在预测公司财务困境方面,串联组合的平均预测准确率最高,预测准确率最稳定。但是并联组合预测效果不够理想,有待改进以提高预测效果。     

高管成群离职行为在财务困境预警中的信息含量实证研究——基于中国2008-2009年制造业新增ST公司的证据

以2008-2009年中国制造业新增ST公司为样本,按同行业原则选取对照样本,根据上市公司公布的财务指标和高管离职率作为预警变量,构建Logistic回归预警模型,比较预警效果.研究发现,制造业上市公司财务困境形成路径清晰;高管离职率对财务困境具有显著预警作用;高管成群离职的首要因素不是报酬偏低,而是对公司的困境预期;公司陷入财务困境的潜在因素是大股东的过度干预.     

财务困境预警SVM模型的构建及实证研究

精确的财务困境预测对企业管理层、投资者、债权人、监管层等有着十分重要的意义.本文以支持向量机(SVM)为基础,选取高斯核函数为内积函数,分析惩罚参数和核参数对模型的影响,并通过5-fold cross-validation方法与网格搜索算法选取最优参数,构建财务困境预警的SVM模型.相关的实证结果表明,SVM模型在提前3年的情况下仍能取得较好的预测效果,在预测效率上优于传统的多元判别分析方法.     

可持续成长模型下的上市公司财务危机预警

本文依据6种财务可持续成长模型提炼预警指标,基于2003～2007年我国A股市场新增ST公司样本及配对样本的前3年数据,对各模型的驱动因素进行综合预处理,分别得到ST前1～3年的预警指标体系。然后,建立预警模型进行回判和外推。结果表明,各种分析方法在ST前3年可获得较高的判断准确性;财务危机与可持续成长驱动指标之间存在着高度的非线性关系;可持续成长模型能够为开发标准化预警指标体系提供依据。     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。     

径向基神经网络模型在人口老龄化预测中的应用——以湖南省为例

人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛应用。径向基函数神经网络（Radial Basis Function,RBF）因其网络学习速度较快且能避免局部极小值,预测值则更接近于真实值。针对湖南省老龄化突出的现状,以湖南省老龄化指数历史数据为基础,从经济水平、人口自然增长、社会保障三个方面构建湖南省老龄化的影响因子体系,用RBF神经网络方法建立了人口老龄化的定量预测模型。作为对比,同时用多元线性回归方法进行了预测,结果表明RBF神经网络预测模型精度更高,预测结果更加合理可靠。     

An effective going concern prediction model for the sustainability of enterprises and capital market development

The purpose of this study is to construct a two-stage effective and innovative going concern prediction model to predict going concern doubt for the sustainability of enterprises and capital market development. Samples of this study are the companies listed on the Taiwan Stock Exchange or the Taipei Exchange, totalling 196 companies and including 49 companies with going concern doubt and 147 normal companies (with no going concern doubt). The data are taken from the Taiwan Economic Journal (TEJ) and the Market Observation Post System during the period from 2001 to 2016 (totalling 16 years). This study adopts a two-stage way to construct the going concern prediction models. In Stage I, the traditional statistical method of stepwise regression (SR) and the data mining technique artificial neural network (ANN) are applied to select the important variables. In Stage II, two decision tree algorithms (data mining techniques): classification and regression tree (CART) and C5.0 are used to establish the prediction models. The results show that the SR + CART model has the highest going concern prediction accuracy, with an overall accuracy of 87.42%.     

个人信用评估的加权组合预测模型

目前单一的个人信用评估模型发展的很快,而精确性与稳定性却不能同时具备,且第二类误判率的能力弱,本文立足于用线性和非线性方法在个人信用评估中体现的优势,选择具有代表性的logistic回归和径向基函数神经网络方法,通过加权组合对个人信用进行预测评估,提高了评估模型的精确性与稳健性。     

Artificial neural network regression models in a panel setting: Predicting economic growth

Economic time series often feature non-linear structures such as non-linear time trends, non-linear autoregressive effects, and non-linear interaction effects. In this paper, it is shown that artificial neural network regression models are suitable tools for the analysis of economic panel data because they allow for a compromise between the ability to model these features and the model size. As model specification is a concern in artificial neural network models, previous approaches are discussed critically. It is shown that the growth rates of the gross domestic product of 24 industrialized economies in the period 1992–2016 follow a non-linear time trend which cannot be explained by autoregressive features or polynomial time variables. The unrestricted functional form of the time trend in the artificial neural network model is also the main reason for the superior statistical performance compared to conventional panel models. This is confirmed by out-of-sample predictions for 2017.     

Forecasting Nevada gross gaming revenue and taxable sales using coincident and leading employment indexes

This article provides out-of-sample forecasts of Nevada gross gaming revenue (GGR) and taxable sales using a battery of linear and non-linear forecasting models and univariate and multivariate techniques. The linear models include vector autoregressive and vector error-correction models with and without Bayesian priors. The non-linear models include non-parametric and semi-parametric models, smooth transition autoregressive models, and artificial neural network autoregressive models. In addition to GGR and taxable sales, we employ recently constructed coincident and leading employment indexes for Nevada’s economy. We conclude that the non-linear models generally outperform linear models in forecasting future movements in GGR and taxable sales.     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

Corporate governance and default prediction: a reality test

Default prediction has commanded the attention of researchers for at least 50 years. This paper addresses several testable hypotheses regarding the relations between corporate governance and default prediction. We employ the conventional logistic regression to provide empirical evidence from U.S. default data over the period of 2000 to 2015. Empirical results are consistent with the following notions: First, default firms are associated with high ownership concentration, low shareholder rights, low financial transparency and disclosures, and less board effectiveness. Second, in-sample and out-of-sample tests support the incremental contribution of corporate governance information on default prediction, when compared with the models involving just financial information.     

建设人口均衡城市视角下的人口规模预测——以成都市为例

建设人口均衡城市,首要在于充分摸清人口底数,准确预测人口增长规模,才能科学制定人口和经济社会发展规划。文章针对以往单一指标预测人口总量精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总量紧密联系的9个主要因素,力图建立多指标灰色PSO-BP神经网络人口预测模型,并对2015年至2030年成都市人口总量进行预测。实证分析表明,该模型预测精度高、泛化能力强,具有较好的实用价值。在论文的最后,作者依据模型预测结果,为成都市建设人口均衡城市提出了较有针对性的建议。