现金流量信息含量与财务困境预测

本文选取40家ST公司和80家非ST公司作为财务困境与非财务困境样本，考察了现金流量信息在财务困境预测中的信息含量．研究发现：(1)在我国上市公司陷入财务困境前1年，经营性现金流量的相对信息含量仅次于资产报酬率，而在财务困境前2年，经营性现金流量的相对信息含量仅次于资产周转率，因此经营性现金流量的相对信息含量具有一定的稳定性；(2)无论在财务困境前1年还是前2年，经营性现金流量在会计比率的基础上均具有显著的增量信息含量，而在财务困境前2年，投资性现金流量也具有增量信息含量，同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据?     

我国财产保险公司偿付能力影响因素分析

公司财务困境预测文献研究探讨保险公司的偿付能力研究属于公司的财务研究理论范畴,偿付能力不足是公司财务困境中的一种表现。财务困境指的是企业因财务运     

财务困境预测的若干问题分析

文章从财务困境的定义、财务困境预测的目的、预测技术选择和样本选择四个方面分析了财务困境预测问题。     

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。     

财务困境预测的参数方法与非参数方法及其比较

精确的财务困境预测对企业管理层、投资者、债权人、监管层等利益相关者有重要意义.在对国内外最新的财务困境预测的研究成果进行总结与评价的基础上,根据各预测方法对总体的分布限制,将预测方法分为参数方法和非参数方法两大类别,比较分析了各类方法的优势和不足.同时,探讨了财务困境预测方法的新思路,发现运用新的人工智能方法以及联合预测方法与财务困境预测研究将是今后的发展趋势.     

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%     

现金流量信息含量与财务困境预测--基于2003年度ST公司的实证研究

本文以2003年度40家ST公司和80家非ST公司为研究样本,考察了现金流量信息在财务困境预测中的信息含量,研究发现：(1)在我国上市公司陷入财务困境前1年,经营性现金流量的相对信息含量仅次于资产报酬率,而在财务困境前2年,经营性现金流量的相对信息含量仅次于资产周转率,经营性现金流量的相对信息含量具有一定的稳定性;(2)无论在财务困境前1年还是前2年,经营性现金流量在会计比率的基础上均具有显著的增量信息含量,而在财务困境前2年,投资性现金流量也具有增量信息含量;(3)同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据。     

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研究

财务困境是一个由财务状况正常到逐步恶化的过程,因此,财务困境是可以预测的。文章主要简单介绍了上市公司财务困境预测的方法模型。     

上市公司发生财务困境的概率预测研究

基于布莱克一斯科尔斯期权定价模型,文章设计了一个财务困境预测模型,这个模型假设在债务到期时公司资产价值小于债务面值公司就会陷入财务困境,公司资产价值遵循维纳过程,基于这个模型我们通过公式变换计算标准化正态随机变量Z来预测了上市公司发生财务困境的概率。通过实证分析,结果显示基于期权定价财务困境预测模型能够很好预测上市公司发生财务困境的概率。     

债务融资对财务困境企业路径选择的影响分析

人们关于建立预测模型对公司出现的财务困境进行事前预测的研究已经很多,而对事后发生财务困境公司的出路,即是进行破产清算还是重组几乎没有研究。将债务融资与财务困境公司的出路结合起来进行研究更是少之又少。因此结合我国现状对企业债务融资对处于财务困境公司是进行破产清算还是重组的出路选择进行研究具有一定的意义,有利于债权人保护自己的合法权益并且可以帮助企业更好的利用债务。     

债务融资对财务困境企业路径选择的影响分析

人们关于建立预测模型对公司出现的财务困境进行事前预测的研究已经很多,而对事后发生财务困境公司的出路,即是进行破产清算还是重组几乎没有研究.将债务融资与财务困境公司的出路结合起来进行研究更是少之又少.因此结合我国现状对企业债务融资对处于财务困境公司是进行破产清算还是重组的出路选择进行研究具有一定的意义,有利于债权人保护自己的合法权益并且可以帮助企业更好的利用债务.     

上市公司财务困境预测的改进马田系统方法

针对上市公司财务困境预测中产生的不平衡数据,研究了一种用于分类不平衡数据的改进的马田系统,并给出实施过程和分类器。对若干UCI数据集进行了实验比较,结果表明该方法对于不平衡数据有较好的分类效果,且能筛选出重要变量以降维。最后,运用该方法对上市公司的财务困境进行预测的实证研究结果表明,该方法在不平衡数据的条件下在识别处于财务困境的上市公司方面具有良好的效果。     

基于财务与非财务指标的亏损公司财务预警研究——以公司ST为例

以往公司财务预警研究主要基于财务指标预测公司财务状况。文章强调,对于转轨时期的中国企业财务预警研究,基于财务指标的分析,虽然能够给出财务困境发生的概率,但却难以给出财务困境的深层次解释,特别地,对于财务困境早期预警具有较大局限性。鉴于此,文章在财务指标分析的基础上,引入公司治理、投资者保护等因素,综合分析上市公司亏损困境的原因,并比较分析了基于财务、非财务指标及综合指标的预测模型的有效性,进而提出相关政策建议。     

我国高校财务困境预测研究

近年来,随着高校教育体制的改革,高校贷款带来的财务风险问题成为全社会关注的焦点。本文对高校财务风险困境进行预测,分析财务困境状况和形成机制,促使高校有针对性地采取对策,有效控制和转化分解高校财务风险,避免其陷入财务困境。     

关于财务困境预测问题的探讨

财务困境作为一个前沿的课题,已经得到了长足的发展。本文主要针对财务困境预测的理论依据、预测变量选择以及多分类问题分析探讨。根据对国内外文献梳理,提出后续展望。     

“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。     

论企业财务困境的成因与对策

企业在激烈的市场竞争中面临着失败的压力,财务困境的威胁制约着企业的正常经营与发展,情况严重时将导致企业失败。认识企业财务困境及其形成原因,根据财务困境的征兆来判定、预测、规避和摆脱财务困境,具有十分重要的现实意义。     

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。     

上市公司财务困境预测模型的再比较

该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.