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%     

基于二元逻辑回归模型的我国水处理类上市公司财务危机预警系统研究

使用二元逻辑回归模型,通过研究沪深股市76家亏损公司和经营正常公司样本,建立了财务危机预警模型,弥补了现有的ST公司不适合作为亏损类公司研究样本的不足,并对14家水处理业公司和随机选择的14家ST公司进行判别检验,准确率达到82.65%。     

我国上市公司信息披露违规预警模型的缺陷及修正

样本资料和实证方法选取是否科学,直接关系到实证结果的正确性。本文从时间窗、样本配比、变量与模型选取等方面分析在研究上市公司信息披露违规中常见的缺陷,并提出相应的改进方法。在此基础上,采取粗糙集模型,以深沪767家上市公司为建模样本,以116家上市公司为检验样本构建上市公司信息披露违规预警模型。结果显示,在建模样本中,粗糙集模型以97.8%的精度正确识别正常上市公司,以66%的精度正确识别违规上市公司。在检验样本中,粗糙集模型以98.1%的精度正确识别正常上市公司,以68%的精度正确识别违规上市公司。     

煤层顶板冒落预测方法分析

本文以煤层顶板冒落数据作为样本,利用weka等软件,利用粗糙集理论等相关非线性理论知识,分别采用支持向量机和Bp-神经网络对煤层顶板冒落进行训练和预测.从详细的精度,混淆矩阵和节点错误率这三个方面分别比较三种算法,从而得到结论是:Bp-神经网络的训练和预测效果是稍微强于支持向量机.     

我国上市公司财务风险预警的实证研究——以制造行业为例

本文采用了实证分析方法,从我国上市公司中选择了70家制造企业作为样本(包括35家ST企业和35家非ST企业),选定了5个基础分析指标。随机选取50家配对样本,运用logistic回归模型建立财务预警模型,对其余20家检验样本预测准确达到65%以上,这说明logistic模型在预测公司发生财务困境(亏损)方面是比较有效的。     

公司因素对财务分析师盈余预测特性影响的实证研究

本文以2005—2007年的深交所上市公司数据为样本,实证分析了五项公司因素对财务分析师盈余预测准确度和分歧度的影响。研究表明,目前我国财务分析师盈余预测准确度较低,分歧度偏大。上市公司信息披露质量、公司规模和盈余可预测性与预测准确度正相关,与分歧度负相关。相对于盈利公司而言,亏损公司的预测难度更大,准确度更低,分歧度更高。研究结果对证券分析师提高盈余预测精度,以及投资者提高对分析师盈余预测的利用效率,具有一定的参考价值。     

上市公司控制权转移可预测性及市场效果评价研究

以中国A股市场为背景,应用数据挖掘技术对控制权转移的可预测性问题进行研究.结果显示,资产运营水平、盈利能力、成长性、公司规模、股权集中度等几个方面的公司属性对于预测有较大贡献.模型预测的整体正确率达到68.72%,对目标公司预测的正确率达到60.23%,模型有显著的解释能力.但是通过预测出的目标公司构建投资组合对预测的实际效果进行评价,结果表明仍然不能取得正的超额收益.     

我国上市公司信用风险评估研究——基于Logit模型的分析

国内对Logit模型在信用风险评估应用方面已有不少实证研究,这些研究从总体预测准确率较高角度认为,该模型基本可以借鉴使用,但大多研究没有进一步区分模型误判的第一类错误与第二类错误.本文结合Logit模型的原理、优缺点,分析相关文献,选取我国上市公司财务数据进行实证分析,证实Logit模型在实际运用时犯第一类错误即高信用风险企业误判为低信用风险企业的错误率达到30%左右,而银行最担心的就是犯第一类错误,故我国商业银行在运用Logit模型对上市公司信用风险进行判断时要十分谨慎.     

“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。     

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Rough Set的经济预警的规则提取

通过分析影响宏观经济预警的主要因素,运用Rough Set理论,对建立的宏观经济预警分类决策表进行知识表达系统的简化,提取决策规则,得出影响经济预警结果的重要因素,有助于对经济的发展状况进行科学的预测.同时以安徽省近15年的分类实际数据为例,进行了实证分析,证明了该方法的切实可行性.     

民营上市公司大股东资金占用影响因素研究

我国采取金字塔控股方式的民营上市公司以实现自身利益最大化为目标,通过各种手段占用上市公司资金。针对沪深两市371家具备金字塔结构的民营上市公司的实证研究发现,大股东资金占用的影响因素主要有第一大股东持股比例、分离系数、股权制衡度、管理者持股比例和资产负债率。在ST公司和正常公司的对比分析中,发现第一大股东持股比例、股权制衡度、资产负债率和公司上市年限对大股东资金占用率的影响存在差异。     

我国林业上市公司信用风险研究——基于KMV模型

文章以我国沪深两市A股林业上市公司为研究对象,选取2007-2012年首次成为ST的8家公司和对应的8家非ST公司为研究样本,运用KMV模型研究我国林业上市公司信用风险。实证过程中,文章根据我国林业公司特点研究确定KMV模型中各参数的计算方法,计算出在不同违约点下各个样本的违约距离,主要结论:财务危机前非ST公司与ST公司的违约距离表现出显著差异,运用KMV模型能够有效识别我国林业上市公司的信用风险状况;我国林业上市公司的违约点应设定为短期负债加上50%长期负债;在研究连续两年违约距离的基础上,构建了我国林业上市公司两级信用风险预警体系。     

基于灰色模型的韶山红色旅游景区客源预测

用灰色模型对红色旅游景区进行客源预测,可以解决少信息不确定性问题,结果有一定的可信度。但是灰色模型(GM)预测系统也存在一定的局限性,主要表现在对原始数据的选取有要求,要将原始数据作AGO处理后,成为较有规律的递增曲线方能建模预测。韶山红色旅游客源预测的灰色建模结果表明,即使原始数据的选取不完全符合GM(1,1)建模的要求,如并非一直处于稳定增长期的红色旅游景区,也可尝试用灰色模型来进行预测,关键在于是否先对原始数据进行适当的预处理。     

公司治理结构与盈余管理研究——基于我国ST公司的经验证据

本文以我国ST上市公司为研究样本．从股权结构、董事会和监事会方面，对盈余管理与公司治理结构之间的关系进行了实证分析。结果表明．流通股与盈余管理无相关关系．股权集中度与盈余管理正相关．独立董事与盈余管理负相关。此外．由于我国股权结构相对比较集中．致使股权制衡度与盈余管理正相关．没有发挥其约束作用。这些结果表明．股权适度集中．有相对控股权的大股东的公司盈余管理较轻．治理效果较好。     

Foreign Aid in the Presence of Corruption: Differential Games among Donors

We consider two dynamic games of foreign aid. Model 1 deals with the case where donor countries continually feel the warm glow from the act of giving. Model 2 postulates that donors will stop giving aid when a target level of development is reached. In Model 1 , there are multiple equilibria that can be Pareto ranked. In Model 2 , the equilibrium strategies are nonlinear functions of the level of development. The flow of aid falls at a faster and faster rate as the target is approached. An increase in corruption will increase the flow of aid.     

我国省域金融风险动态预警研究*——基于浙江省月度样本数据的分析

我国区域经济发展程度极不平衡使得部分重点省域对国家总体金融安全影响程度显著而突出，关注我国省域金融系统风险并进行提前预警与监管防范对于省域与国家金融安全尤为重要。本文立足金融市场深入扩大对外开放趋势背景下，构建了我国省域金融风险先行预警指标体系和金融风险压力指数，并以浙江省2004年1月-2016年12月样本数据为对象，通过TAR门限自回归模型和Ologit概率模型对省域金融系统风险状况进行了实证预警分析，研究发现：（1）省域先行预警指标统计检验发现，通货膨胀率与出口增长率对省域金融风险水平呈现显著负相关效应，而新增信贷额/工业增加值、固定资产投资增长率、消费增长率与进出口增长率对省域金融风险水平呈现显著正相关效应；（2）动态概率预警模型检验发现，省域上一月份的金融风险压力值对下一月份的金融风险压力值呈现显著负向影响效应，并使下一月份的金融压力风险起到一定程度的“熨平”作用效应；（3）通过统计检验比较发现，动态Ologit概率预警模型无论是从模型整体显著性与拟合优度，还是预测的准确度都明显优于静态概率预警模型；（4）通过近12个月的样本外数据对模型预警的稳健性检验发现，Ologit概率预警模型金融风险预测准确程度在严格区制上为25%，但大类区制预警准确度为50%，相对优于国内外同类型的模型预警效果。     

城镇居民教育收益率的地区差异及其解释

利用中国社会科学院经济研究所"中国城乡居民收入分配"课题组1995年和2002年的家庭抽样调查数据,本文使用分层线性模型重新估计了1995年、2002年我国居民的教育收益率,得到了不同于OLS估计的结果:(1)我国城镇居民教育收益率的地区差异很大,差异主要来源于省内各城市之间,来源于省间的差别并不显著;(2)计算了省内城市劳动力市场化程度对当地教育收益率的边际影响,发现劳动力市场的发育确实有利于提高教育收益率,而且劳动力市场化程度的差异在一定程度上为各地教育收益率的差异提供了解释。     

我国制造业上市公司信用风险研究——基于KMV模型

运用KMV模型对我国46家制造业上市公司的信用风险进行评估。实证结果表明,引入公司资产价值增长率后的KMV模型能够更好地区分ST和业绩优良的制造业上市公司,可用于我国商业银行对制造业上市公司信用风险的度量。     

我国微利上市公司盈余管理方式研究

基于我国资本市场“微利现象”,以1998-2009年沪深两市A股非金融类上市公司为样本,采用独立样本T检验和多元回归分析方法,研究微利上市公司的盈余管理方式。研究表明：微利上市公司同时存在应计盈余管理和真实活动盈余管理两种方式,并且真实活动盈余管理是微利公司调增利润的主要手段,微利公司的总体真实活动盈余管理程度比非微利公司平均高3％或4．6％,而应计盈余管理程度平均只高1．5％,为我国资本市场真实活动盈余管理的存在性提供了新的经验证据。