“阿尔曼”模型在我国上市公司财务预警系统中的应压——基于沪市上市公司2010年XBRL文档

阿尔曼模型（Z--Score模型）是多元线性函数回归模型,是理论界和学术界预测企业财务危机的一个重要的函数模型,本文在系统阐述模型概念及相关理论的基础上,选取沪市XBRL文档数据中披露的868家上市公司（剔除了异常数据）作为样本,对上市公司的财务风险进行了实证分析,并且验证了阿尔曼模型在财务风险预测中的应用,同时针对ST、＋ST公司存在的财务风险进行了单独的分析和预测,在分析中总结出各项指标对Z值的影响：进而提出预防企业财务风险的对策。     

上市公司财务风险预警模型研究

选取适当合理的财务预警指标,构建符合企业实际情况的财务风险预警模式,是提高企业财务风险防范控制能力的关键。文章针对企业财务风险预警模型的构建,首先介绍了财务风险预警模型的概念以及财务风险预警模型建立的具体流程,进而就上市公司财务风险预警模型的构建措施,进行了详细的论述。     

制造业上市公司财务预警研究

文章选取我国制造业2014年4月沪深股市的61家ST公司和61家非ST公司为研究样本,运用熵权法,筛选出10个包含信息量多,并能准确预警的指标,通过这10个指标建立"因子分析"模型进行定量分析,得到财务危机预警函数(即为ST与非ST的判别函数),最后将测试组中60家公司的数据回代到预警函数中检验其判别率,判别率达到81.67%,具有较高的的判别正确率,说明文章建立的财务预警系统对于上市公司财务危机的预测与防范起到一定的作用。     

非ST上市公司财务风险恶化评价分析

由于经济的复杂性、环境的多变性和上市公司发展的不确定性等因素,我国上市公司的财务风险逐渐突显出来,人们在关注投资带来的收益的同时也开始重视上市公司的财务风险问题,对上市公司的财务风险进行评估正在成为人们关注的焦点。因为财务状况异常而被特别处理的ST上市公司成为学者们研究的热点,但是很多学者没有从非ST上市公司财务状况恶化来研究财务风险问题,因此本文在从非ST上市公司财务状况恶化的角度来对上市公司财务风险进行分析,以沪、深证券市场2008-2010的100家上市公司作为研究对象进行实证分析,发现与已被ST的公司相比,下一年被ST的公司的财务风险更大。     

我国房地产上市公司财务预警研究

文章主要通过建立适合于我国房地产上市公司的财务预警模型来研究房地产企业的财务风险.首先,对财务预警模型的解释变量进行筛选,以我国1998—2010年房地产上市公司为研究对象,选取了48家ST公司和48家财务正常公司为样本,对入选解释变量进行了逐步筛选;其次,对于构建的3个Logistic模型进行分析比较,选取预测率较高的模型;最后,对获得的预警模型进行有效性分析,基于样本公司从前一年至前四年的财务数据进行返回预测检验,表明该模型预测的总准确率分别为:93.8%、89.6%、73.4%、65.6%.     

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。     

基于Logistic分析的我国上市公司财务预警区域研究——以北京、上海、江苏为例

针对目前国内财务预警研究忽视区域因素对建模的影响,文章以北京、上海和江苏2004-2005年被ST的所有上市公司为样本,运用SPSS13.0统计分析软件,对三省市上市公司分区域、分行业进行了财务预警研究,分别建立了三省市上市公司的Logistic财务预警模型,预警识别率分别达到了100%、92.9%、100%,实证研究结果表明分区域建立的企业财务预警模型具有较高的判别准确率,有较高的研究     

上市公司财务风险预测的实证研究——以广西上市公司为例

本文采用Z计分模型对广西上市公司进行财务风险预测,指出当前广西上市公司总体存在较大的财务风险,但将向风险小的方向变化。实证分析表明,Z计分模型适合于广西上市公司财务风险预测。     

关于我国ST上市公司的财务特征及预测的实证分析——以制造业为例

本文以ST(Special Treatment,特别处理)上市公司为研究对象,选取了31家在2010年由于财务困难被特别处理的上市公司和31个规模相近的非ST上市公司为样本,首先通过计算代表性财务指标并比较t值的方法确定了ST上市公司与非ST上市公司在财务特征上的差异,之后在上述各财务指标中各选择两者差异最大的财务指标建立用来预测的回归模型,从以不同类型数据为样本得出的若干模型中选取以2009年相关数据为样本的模型作为最终的Z值判定模型。研究结果表明:①ST上市公司在短期偿债能力、资产管理效率和长期偿债能力三方面与非ST上市公司有明显差异,而在盈利能力和市价比率方面则差异不大;②Z值判定模型在财务困境发生的前一年预测准确率最高,可达90%以上。因此该模型可直接应用于实际,为上市公司管理层、股东以及其他利益相关者提供预测信息,从而依此作出相关决策。     

基于神经网络模型的上市公司财务预警研究

为了对上市公司财务状况进行合理预测,利用神经网络模型进行企业财务预警研究。首先,运用主成分分析等统计方法对初选的财务指标进行筛选,从初始指标中提取了五个因子作为财务预警指标;然后,选取2010至2013年间首次被特殊处理的上市公司作为财务危机样本企业,构建的财务预警模型提前三年的预测准确度近似于90%。研究结果表明,神经网络模型对我国上市公司财务状况预测具有较高的准确度,并且对预警指标进行适当的预处理,会提高模型预测的准确率。     

Z值模型在我国农业上市公司财务预警分析中的应用

文章选取了2016~2019年在沪深上市的农业企业为样本,对Altman的Z值模型在农业上市公司财务预警中的适用性进行了实证检验。结果表明:Z值模型对ST企业受到ST处理前一年预测的准确率为100%,前二年预测的准确率为75%;把非ST企业正确判断为财务状况正常企业的比例为78.73%。     

安徽上市公司财务风险实证研究

及时准确地发现上市公司存在的财务风险,对其各利益相关者主体来说都具有极其重要性的意义.文章在借鉴奥特曼(Altaman)的多元Z值判定模型的基础上,以安徽44家上市公司为样本,对其财务风险进行了实证检验.     

房地产上市公司财务风险评价研究——基于因子分析模型

财务风险客观存在于房地产企业财务管理工作的各个环节,是市场竞争的必然产物,如何评价财务风险成为房地产企业管理理论和实践工作中急需解决的课题。论文以房地产上市公司为研究对象,构建了房地产上市公司的财务风险评价指标体系,并采用因子分析法建立了房地产上市公司的财务风险综合评价模型,以期为我国房地产行业的健康发展提供理论借鉴和方法指导。     

基于数据挖掘的上市公司财务困境预警研究

以2007年被ST的30家上市公司和配对产生的30家正常经营上市公司为样本,以它们2002-2004年的财务指标为样本数据,运用基于数据挖掘的BP神经网络方法构建了上市公司财务困境预警模型。经实证表明,该模型具有良好的预测效果,研究结论对上市公司、投资者和债权人采取有效措施防范风险具有重要借鉴意义。     

基于关联规则的企业财务风险分析

企业对自身财务风险的管理直接影响企业的可持续性发展,具有重要意义。本文基于2015年我国上市ST（Special Treatment）公司财务指标数据对公司财务风险进行分析。首先,对财务数据进行预处理,运用关联规则,挖掘出隐藏在财务指标中的规则,最后选取具有较高代表性的财务指标,对公司财务风险进行分析预警。实证分析表明：当上市公司财务出现危机时,总是存在一些集中出现的财务指标,它们的波动对企业财务风险有直接影响。通过分析这些指标可以对上市公司财务风险进行预警防范。     

浅析基于可持续增长的上市公司财务政策选择——以某上市公司为例

财务政策的选择决定着企业财务资源配置和利用的基本取向和行为方式,影响着企业财务管理的效率.可持续增长理论对财务政策的选择具有指导作用.文章对某上市公司(以下简称A公司)增长情况进行了分析,并结合其采用的财务政策,对上市公司财务政策的选择提出了相关建议.     

浅论上市公司盈余管理

本文运用统计方法 ,选取有效建模变量 ,建立了Logit预测模型对我国上市公司财务困境进行了预测。研究结果表明该模型具有良好的预测精度 ,可以作为证券投资者和分析人员使用的一种有效的财务困境预测工具。     

上市公司财务困境预警系统模型及实证研究

文章以因财务状况异常而被特别处理(ST)作为上市公司陷入财务困境的标志,利用Logistic回归模型与因子分析相结合的方法,按不同年份建立我国上市公司财务困境预警系统,并进行实证分析.研究表明,整个预警系统准确率很高,被ST前三年预警模型的第一类错误率均在10%以下,且每个预警模型总正确率均在80%以上.此外,模型具有较强的经济解释能力.该预警系统对上市公司、投资者及研究者具有较大的使用价值和学术价值.     

基于PCA-k-means和PSO-SVM的AI上市公司财务预警

通过探索影响人工智能上市公司市值增长率的财务指标,建立融合主成分分析(PCA)和k-means的PCA-k-means模型,并将指标归类为盈利、效率、负债、成长因子.围绕ST公司和非ST公司的分类建立融合粒子群算法和支持向量机(PSO-SVM)模型,为财务预警工作提供支撑.实验选取了2019年人工智能行业42家非ST公司和8家ST公司的数据.结果表明,营运能力是人工智能上市公司最核心的成长能力,市场投资不仅关注短期利润更注重长期回报,行业投资趋于理性和稳健.     

我国上市公司财务危机预警研究

本文针对国内外在企业财务危机预警模型研究中存在的问题，选取沪深两市120家上市公司（其中财务危机公司60家，配比公司60家）作为研究样本，运用因子分析法和Logistic回归分析法为主要建模方法，以t-2年样本数据为基础构建了上市公司的财务预警模型。通过实证分析该方法是可行的，有效的。