遗传算法优化上市公司财务预警的实证研究

<正>一引言企业进行预测、防范、控制和处理财务危机,迫切需要建立一个有效的财务困境预测系统,以便对公司的未来财务状况进行分析和预测,及时将企业财务困境扼杀在萌芽状态。本文针对我国目前上市公司的具体情况,利用我国上市公司近几年的数据资料,分别采用BP神经网络和遗传算法优化BP神经网络的方法,构建了基于财务指标和引入非财务信息的财务危机预警模型,旨在财务危机模型系统的实证研究方法上有所创新,提高模型预测的准确度和建模速度,同时扩大模型的适用性。     

基于BP神经网络的房地产上市公司财务危机预警

本文通过对国内外公司财务危机预警相关文献的梳理,并且结合中国房地产行业的特点,提出了构建基于BP神经网络的我国房地产上市公司的财务危机预警模型。     

房地产上市公司财务预警实证研究

准确预测房地产公司的财务风险并及时预警有助于房地产企业的健康稳定发展.根据房地产企业的现实情况,通过BP神经网络模型和Logistic模型分别对房地产上市公司的财务状况进行了实证研究.结果表明:BP神经网络模型的预测准确率要高于Logistic模型,同时综合使用多种方法预测房地产公司的财务状况更加准确.     

高新技术制造企业的财务危机预警研究

作为具有高技术含量和高附加值的高新技术制造企业是制造业的主力军,研究其财务预警对于促进我国经济发展具有重要的意义。通过选取深沪A股高新技术制造企业为样本,充分考虑不同历史时期的财务状况对当前企业财务状况的影响,提出了基于Logistic-BP神经网络的动态财务预警模型。实证结果表明,基于面板数据的动态预警模型能更好地体现财务危机状况,具备良好的预警精度。动态BP神经网络模型的预测性能优于Logistic回归分析模型和传统的BP神经网络模型。     

基于综合财务指数的上市公司总体财务评价研究

上市公司总体财务状况受到企业经营者、投资者、债权人等各利益相关者的关注,因此建立合理的财务评价体系有利于各利益相关者的有效决策。本文选用12个财务指标,用主成分分析法对2006年沪深两市104家公司的财务数据进行了分析,并在此基础上建立了总体财务评价模型。该模型可以用于评价上市公司的总体财务状况,对及时发现、有效防范财务危机有重要意义。     

机械设备业上市公司财务危机预警实证分析

本文在对财务危机公司和财务状况正常公司各个财务指标进行观察和总结的基础上,选取了总资产收益率、总资产周转率、总资产增长率、每股净资产、每股收益五个最能反映企业财务危机情况的财务指标来分析企业的财务状况,并且利用主成分分析法对这些指标值进行降维处理,最后通过归纳总结得到企业财务危机预警模型。本文进一步利用该方法对我国机械设备业上市公司作了实证研究,结果表明,该模型的预测准确率达到了90%以上,能有效地预测企业在下一年度是否会发生财务危机。     

基于神经网络的企业财务危机预警模型研究

借鉴国内外财务危机预警研究成果,在我国的企业评价指标体系的基础上,结合我国企业的具体特征,对我国企业公司财务危机预警模型的指标体系进行了选择;论证了应用神经网络进行财务危机预警的可行性并通过实际数据进行了验证,结果表明BP神经网络模型用于企业财务危机预誓简单、高效.     

改进后的神经网络模型在财务预警中的应用

企业财务预警是以企业财务信息为基础,通过分析一些敏感性财务指标的变化,对企业可能面临的财务危机进行预测。BP神经网络模型是目前在财务预警领域应用较多也是较成功的一种神经网络模型。但BP神经网络模型在应用中也存在明显的缺陷:①描述财务比率的指标过多,如果将这些指标都作为模型输入将导致网络结构过于庞大;另一方面也将导     

基于现金流量的房地产上市公司财务预警

对于房地产行业来说,现金流量的状况极大地影响着公司财务风险的大小,基于现金流量的财务预警研究对房地产行业有着重大意义。本文最初选择了反映房地产上市公司现金流量状况的21个财务指标,后经过层层筛选优化,最终基于每股经营活动现金净流量等3个指标建立了Logistic回归财务预警模型。从研究样本组财务危机发生前1年的模型判断结果来看,判断准确率高达83.3%,误判率16.7%;从预测样本组财务状况预测结果来看,模型判断准确性为85.8%,预测效果较理想。     

基于GA-BP神经网络的企业财务危机预警研究

当代科学技术的高速发展对企业的影响日益突出,企业生存和发展的环境日趋复杂,财务危机事件频频发生,企业要时刻关注自身的财务状况,对未来的财务危机做到防微杜渐。高新技术企业作为我国经济发展的主力军,受到国家的高度重视,对财务状况更应当保持高度警惕。本文针对高新技术企业,采用遗传算法优化BP神经网络的方法,建立具有针对性的财务危机预警模型,使其提早发现自身存在的问题,并及时采取应对措施。     

上市公司典型财务危机预警模型比较研究

本文以我国沪深两市2005年90家上市公司作为研究对象,以其被ST前一年的截面数据建立一套财务指标体系,应用Logistic回归和BP神经网络方法建立财务危机预警模型,进行了实证研究.     

上市公司典型财务危机预警模型比较研究

本文以我国沪深两市2005年90家上市公司作为研究对象，以其被ST前一年的截面数据建立一套财务指标体系，应用Logistic回归和BP神经网络方法建立财务危机预警模型，进行了实证研究。     

上市公司财务危机预警

本文选取在2004-2006年因财务状况异常而被特别处理的上市公司(简称ST公司),同时选取同行业、规模相近的正常公司(简称nst公司)作为配对样本.通过比较两类公司的财务指标均值,以及对t值的分析.总结了危机公司的财务指标特征.力图在分析上市公司财务危机成因的基础上,探讨各财务指标对上市公司发生财务危机的预警作用.     

BP神经网络在企业绩效评价中的应用

当今的企业绩效评价方法已经不适用于企业的发展,为了建立企业绩效综合评价模型,在由基本的财务指标构成的财务分析体系基础上,将BP神经网络应用于绩效综合评价中,以企业历史数据作为BP神经网络的训练样本,用训练好的BP网络评价企业当期各方面的绩效,能达到令人满意的评价效果。     

基于BP网络的信息系统实用化评价方法研究

针对当前信息系统实用化评价方法所存在的不足,本文提出一种基于BP神经网络的信息系统实用化评价方法。在分析影响信息系统实用化评价因素的基础上,将遗传算法神经网络原理引入信息系统实用化评价,成功构建了基于BP神经网络的信息系统实用化评价模型。实证表明该模型能够优化实用化评价的过程,模型评价结果较客观准确。     

基于神经网络的企业财务危机预警研究--以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示：该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

基于BP神经网络的房地产项目前期风险评价研究

本文从开发商的角度,在分析房地产项目前期风险因素的基础上,构建其指标体系,建立基于BP神经网络的风险评价模型,然后选取若干组样本作为训练集在MATLAB7.0环境中对模型进行训练,最后用测试集验证模型在房地产项目前期风险评价方面的可行性。     

财务危机预警判定模型的应用及思考

一、财务危机预警系统功能 财务危机预警系统在学术界已经广泛应用,它基于上市公司的财务会计信息,通过对财务指标的综合分析,预测未来的财务状况和经营成果,并对各个时期各个环节可能发生的风险发出预警信号,最终为上市公司管理当局和各阶层信息使用者提供决策依据.     

基于神经网络的企业财务危机预警研究——以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示:该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

审计意见对财务危机的预测能力研究

以往公司的财务危机预警研究主要基于财务指标预测公司财务状况。但对公司财务危机具有预测能力的不仅包括财务指标,还有一些非财务因素,况且财务指标自身存在很多缺陷。本文在一系列研究的基础上,提出应当重视审计意见对财务危机的预测能力。