基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发,对企业财务困境进行预警研究:首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型,识别出期望现金流及风险现金流;然后以这两个指标作为预警变量,构建一个二元Logistic财务困境预警模型;最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明,所构建的CFaR模型能较好地度量两类上市公司的现金流状况,且两类公司的期望现金流和风险现金流水平存在显著的差异;二元Logistic预警模型能较好地实现对上市公司财务风险的预警,对两类公司的预警正确率分别达到85.2%和81.5%。     

财务困境预测模型的实证分析与改进——基于中国上市公司的研究

本文利用2010—2012年沪深两市中被ST的47家公司和47家非ST公司的财务指标,根据中国资本市场的实际状况,构建了一个系数与变量修正后的Z-score模型;然后建立一个以现金流量为基础的财务预警统计模型,共同构建财务困境预测模型组合.实证研究表明:整个预测系统的准确率较高,ST公司在T-2年前被成功预测的概率为82.98%,配合现金流财务预警模型,准确率进一步提升.所以该预测模型组合具有较大的使用和研究价值.     

基于BP神经网络的上市公司财务危机预警研究

本文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,以2007年度沪市近三年首次被ST的非金融类上市公司和配对公司为研究对象,选取了2005年度80家上市公司作为建模的训练样本,并使用同期22家公司作为检验样本,分别建立了Logistic回归模型和BP神经网络模型,进行财务预警模型的实证研究。     

基于BP神经网络的上市公司财务危机预警研究

本文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,以2007年度沪市近三年首次被ST的非金融类上市公司和配对公司为研究对象,选取了2005年度80家上市公司作为建模的训练样本,并使用同期22家公司作为检验样本,分别建立了Logistic回归模型和BP神经网络模型,进行财务预警模型的实证研究。     

基于现金流量的我国制造业上市公司财务预警研究

文章基于现金流量的视角,从偿债能力、获利能力等七个方面设计了财务预警的指标体系,利用Logistic分析方法,构建了我国制造业上市公司财务预警模型。研究结果表明:所构建的模型能够对选取的制造业上市公司财务风险的发生作出较为准确的预测,发生财务风险前三年的预测准确率分别为72.5%、82.5%和70%。     

基于生存分析的上市公司财务风险预警研究——以工业类上市公司为例

公司的财务风险存在于生产经营活动及财务活动的每一个环节。本文主要以我国沪深两市A股的工业类上市公司的财务数据和生存时间数据作为样本,将被特别处理(ST)的上市公司界定为其发生财务风险,运用生存分析方法—Cox模型来进行实证分析,得出工业类上市公司的生存时间变化规律和影响财务风险的主要因素。本文创新之处在于能够系统地探索生存分析作为一种新兴的财务风险分析方法的实践性和可行性,并通过此方法对我国工业类上市公司的财务风险状况进行全面地分析。     

基于COX模型的上市公司财务困境预警研究

基于上市公司的财务信息,采用COX模型构建了上市公司财务困境预警模型,并实证检验模型的预测效果。在对现有研究成果进行深入剖析的基础上,提出了用于财务困境预警的COX理论模型,并以上市公司的财务信息作为信息源,对上市公司财务困境预警的COX模型进行实证研究,通过交叉比对分析验证模型的预警能力。     

基于COX模型的上市公司财务困境预警研究

基于上市公司的财务信息,采用COX模型构建了上市公司财务困境预警模型,并实证检验模型的预测效果。在对现有研究成果进行深入剖析的基础上,提出了用于财务困境预警的COX理论模型,并以上市公司的财务信息作为信息源,对上市公司财务困境预警的COX模型进行实证研究,通过交叉比对分析验证模型的预警能力。     

基于Factor-Logistic的公司财务预警实证研究

文章以上市公司为研究对象,首先从沪市选取2008-2010年间首次被特别处理的31家ST公司或*ST公司为研究样本,并以31家正常公司作为配对样本,通过因子分析筛选指标,Logistic回归分析方法构建财务预警模型,接着选取15家财务危机公司和15家财务健康公司验证模型的有效性。研究结果表明:建立有效的财务预警系统有助于企业避免发生财务危机。     

基于Logistic回归模型的上市公司财务预警实证研究

本文采用实证研究的方法,以我国A股市场2009年因财务原因新被ST的43家上市公司以及与其行业、资产规模相当的43家非ST的上市公司的财务数据为基础,对财务指标进行差异T检验选出预警指标变量,并据预警指标变量基于Logistic回归分析的方法,构建了财务预警的模型,得出回判的正确率是较高的。最后为了进一步检验模型的预测能力,从A股市场中随机抽取200家上市公司(不包括已在模型中使用的上市公司)2004-2008年连续五年的财务数据代入预警模型进行预测,结果可以看到模型的预警能力是很高的,回判率达到近87%,结果比较令人满意。     

Exposure-Based Cash-Flow-at-Risk: An Alternative to VaR for Industrial Companies

Cash-Flow-at-Risk (CFaR) is the cash flow equivalent of Value-at-Risk (VaR), a measure widely used as the basis for risk management in financial institutions. Whereas VaR-based systems specify the maximum amount of total value a firm is expected to lose under most foreseeable conditions (for example, with a 99% confidence level), CFaR-based systems determine the maximum shortfall of cash the firm is willing to tolerate. CFaR is gaining in popularity among industrial companies for much the same reasons VaR has succeeded with financial firms: it sums up all the company's risk exposures in a single number that can be used to guide corporate risk management decisions.
The authors describe a six-step process for calculating a measure they call "exposure-based CFaR" and then demonstrate its application to Norsk Hydro, the Norwegian industrial conglomerate. Exposure-based CFaR involves the estimation of a set of exposure coefficients that provide information about how various macroeconomic and market variables are expected to affect the company's cash flow, while also accounting for interdependencies among such effects. The resulting model enables management to estimate the variability in corporate cash flow as a function of various risks, and to predict how a hedging contract or a change in financial structure will alter the company's risk profile.     

基于人群搜索算法的上市公司的 Z-Score 模型财务预警研究

针对传统的 Z-Score 财务预警模型预警能力的不足,导致无法准确判定上市公司的财务风险状况,将 SOA 算法的良好寻优能力和 Z-Score 财务预警模型结合起来,提出一种改进的 Z-Score 财务预警模型,构建出 SOA 算法优化 Z-Score 财务预警模型的适应度函数。仿真对比发现,改进的 Z-Score 财务预警模型其平均识别率高达96.33%,远远高于 SVM 算法和 AdaBoost 算法的平均识别率,改进的算法极大地提升了 Z-Score 财务预警模型的预测能力,使其更具适应性。     

KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验

在介绍 KMV 模型、Credit Metrics 模型、Credit Risk+模型和 Credit Portfolio View 模型这四种国际流行的信用风险管理方法的基础上,基于定性和定量分析相结合,对这四种信用风险管理方法进行比较分析,认为 KMV 模型最适合我国目前的国情。以2013年45家 ST 公司和与之配对的45家非 ST 公司以及2014年20家 ST 公司和与之配对的20家非 ST 公司为样本,对样本的违约距离进行实证检验。实证结果表明 KMV 模型基本上能够识别上市公司的信用状况,但是也有一些企业的违约距离不符合实际情况,这也说明该模型在我国商业银行信用风险度量中的识别能力有限,究其原因可能与该模型所要求的一些假设条件在我国尚不能得到有效满足等因素有关。因此,我国商业银行在对债务企业进行信用评价时,综合利用KMV 模型与债务公司的财务数据会使信用风险的度量结果更加可靠。     

财务困境企业资本投资行为的实证研究——来自中国上市公司的经验证据

以2003～2005年因连续两年亏损被ST的79家公司为对象,从投资对现金流敏感度的变化和投资战略的调整两方面对财务困境企业的资本投资行为进行理论分析和实证检验.结果表明,陷入困境后的企业因更严重的信息不对称和代理问题而遭受更严重的融资约束;与缩减投资规模相比,财务困境企业扩大投资规模更有利于其走出困境.     

基于现金流模型的我国旅游业外汇风险暴露研究

汇率变动导致的国际市场需求变化会引起旅游业的外汇风险暴露。通过构建基于需求的经营性外汇风险暴露模型（经营性现金流模型）和旅游业加权汇率指数（TTWI）,采用2005—2011年国内上市旅游公司的数据,对我国旅游公司的经营性现金流进行实证分析。研究发现,有很大比例旅游公司的经营性活动暴露于外汇风险之下,其外汇风险暴露形式呈现出非线性、非对称和滞后性的特征。旅游公司在管理外汇风险暴露时,可通过投资于外币资产或使用外币负债在总现金流上分散汇率风险。     

Does the Achilles heel of guarantee networks drive financial distress?

To explore characteristics of guarantee networks that drive financial distress, we use a dataset comprising 20,467 firm-year observations from Chinese companies listed on the Shanghai and the Shenzhen Stock Exchanges to construct networks from 85,229 guarantee relationships. We show that guarantee networks have a negative effect on company financial distress, revealed by cash holdings and long-term liabilities. Larger networks, those with an Achilles heel, and companies with high closeness centrality exacerbate this effect, and companies in a stronger financial position suffer greater negative impacts. Guarantee networks may also exert their negative impact by acting as a channel for shareholder tunneling.     

Price uncertainty and corporate value

This study examines the sensitivity of equity values of oil producers to changes in the uncertainty of future oil prices. We document that this sensitivity is negatively correlated with a firm's debt ratio and its production costs. These results indicate that companies that are more likely to experience financial distress or underinvestment from low cash flows are adversely affected by increases in the uncertainty of future cash flows. We conclude that corporate risk management can increase shareholder value by reducing the expected costs of financial distress and underinvestment.     

系统性风险与企业财务危机预警——基于前沿机器学习的新视角

本文采用Logit回归模型以及随机森林模型、梯度提升模型等前沿机器学习方法,深入考察系统性风险指标对我国企业财务危机的预测能力。结果表明,系统性风险对中下游企业的财务危机具有显著的预测能力,而基于因子分析构建的系统性风险指标,结合随机森林模型可取得更好的预测效果。本文进一步区分财务危机的不同成因并发现,基于随机森林模型和Logit回归模型的预测框架能够对我国大多数财务危机事件进行有效预警。在此基础上,本文对我国上市企业监管提出相关建议,从而为完善金融风险处置机制提供一定参考。     

我国短期融资券募集资金是否存在短融长投——对中国上市公司的实证研究

本文以发行短期融资券的上市公司为样本,用回归分析的方法实证研究了上市公司短期融资券募集资金的使用情况。实证结果显示短期融资券发行额与营运资金增加额呈显著的负相关关系,与长期资产现金支出、以及偿还债务所支付的现金均呈显著的正相关关系。表明上市公司发行短期融资券募集的资金存在短融长投及集中还贷的现象,也就反映了企业利用市场时机进行融资、并用短期资金进行长期投资的行为。这种短融长投的行为可能因为投融资期限不匹配而导致企业财务风险,并给投资者带来一定的兑付风险。     

Detecting stock market manipulation via machine learning: Evidence from China Securities Regulatory Commission punishment cases

In this paper, we apply machine-learning techniques to construct detecting models of stock market manipulation. By combining manually collected China Securities Regulatory Commission punishment cases from 2014 to 2016 with financial information of listed companies, we construct a training set and a test set to compare the detecting ability of support vector machine (SVM) and logistic model. Considering imbalanced data, we further incorporate Borderline Synthetic Minority Oversampling Technique (Borderline SMOTE) to oversample minority class and then find that Borderline SMOTE–SVM performs better than SVM and benchmark model in detecting manipulation. To enhance detecting performance of the models, we innovatively introduce market sentiment indicators which are extracted from analyst rating reports, financial news, and Guba comments into our indicators set. The results indicate that the new indicators generate significant marginal increment to the model accuracy.