基于SVM的中小企业财务预警模型探讨

本文结合我国中小企业当前的实际情况，针对常用的财务危机预警模型的不足，为有效解决传统模型存在的小样本、高维数、非线性和局部极小点等问题，提出了利用SVM（支持向量机）的分类能力建立财务预警模型。最后利用上市公司的财务数据进行训练和评估，证明了基于支持向量机的财务预警模型在小样本情况下具有良好的非线性建模能力和泛化能力。     

基于上市公司现金流的财务风险预警

企业之间竞争日益激烈,因财务风险导致企业经营陷入困境甚至破产清算的现象不断增加。加强对企业营运过程中的风险控制,特别是建立在现金流基础上的风险预警机制是预防企业陷入财务困境的有效措施。从财务风险的预警机理出发,以江苏省上市公司为研究对象,从盈利能力、获现能力、偿债能力和可持续发展能力方面选取反映企业现金流和财务质量的核心财务指标,并运用SPSS软件,采用主成分分析法,通过对江苏省上市公司财务风险状况的实证研究,建立上市公司财务预警模型——z值模型,为企业提供一个较为科学的预测自身财务风险的工具。     

上市公司财务预警分析--基于现金流模型的实证研究

本文从财务危机的预警机理出发,选取能反映企业财务安全的“现金制”指标,采用主成分分析法,通过对我国上市公司财务危机状况的实证研究,建立了上市公司财务预警模型———T分数模型。该模型针对目前以“ST”作为财务困境企业的分界点不能准确判断出企业是否有足够的现金流、是否能够真正避免财务危机这一现状,结合本文给出的各项现金类指标,能够从企业现金流的角度判断企业是否存在财务困境、能否偿还各类到期利息及债务,为企业提供了一个更为准确的预测自身财务危机的工具。     

FA-SVM模型在上市公司财务预警中的应用

将因子分析和支持向量机相结合构建组合预测模型,并以317家制造业上市公司为样本,进行财务预警研究。结果表明:因子分析提高了支持向量机的判别效率,能有效预测企业的财务危机,该组合预测模型具有较强的实用价值。     

基于SVM的中小企业财务预警模型探讨

本文结合我国中小企业当前的实际情况,针对常用的财务危机预警模型的不足,为有效解决传统模型存在的小样本、高维数、非线性和局部极小点等问题,提出了利用SVM(支持向量机)的分类能力建立财务预警模型。最后利用上市公司的财务数据进行训练和评估,证明了基于支持向量机的财务预警模型在小样本情况下具有良好的非线性建模能力和泛化能力。     

基于PCA-SVM组合模型的股票价格预测

股票市场是个非稳定的时间序列,本文将支持向量机与主成分分析(PCA-SVM)结合对股票进行回归预测分析,以奥特迅(002227)为对象进行建模和预测研究。选取奥特迅90天的股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。     

创业板上市公司财务风险预警研究检验

创业板又称二板市场,是对主板市场的重要补充。近年来,由于我国创业板市场在监管方面相对主板市场稍显滞后,导致创业板上市公司有发生财务风险的可能。为此鉴于国内外关于财务风险预警的研究文献,依照2012年颁布的《深圳证券交易所创业板股票上市规则》选取66家创业板上市公司作为研究样本,另选30家创业板上市公司作为检验样本,分别构建基于主成分分析法和Logistic回归分析的财务风险预警模型。实证结果表明,Logistic回归预警精准度更高,更加适用于我国创业板上市公司。无论对于企业经营者或是投资者来说,本模型都可用于参考,一定程度上可以避免经营失败或是投资失败造成的损失。     

房地产上市公司的财务风险预警研究

财务风险预警是现代企业经营管理的重要组成部分。由于企业间竞争的愈加激烈和我国资本市场的不够完善,企业面临的财务风险正在不断加大。如何建立科学、准确的财务风险预警体系并及时发现企业潜在风险对企业显得尤为重要。本文在借鉴前人的研究基础之上,以房地产行业作为研究对象,以主成分分析和Logistic模型相结合的方法,建立了企业财务风险预警模型。根据建立的财务风险预警模型,对影响企业财务风险的因素进行了深入分析,并且对房地产上市企业财务风险管理提出了几点建议。     

基于机器学习方法的上市公司财务预警模型对比研究

当前我国上市公司信息披露仍存在着许多不规范的现象,个别上市公司在面临财务危机时,粉饰其财务风险,进行财务造假.本文利用上市超过3年的A股共3002家上市公司的财务数据,通过对ST、*ST和10家2019年退市的公司样本分析,根据不同的时间窗口,构建了财务预警因子库,共96个因子.分别采用机器学习中的逻辑斯蒂回归、支持向量机、决策树模型对因子数据进行训练.将数据集分为训练集和测试集,用训练集训练模型,并将模型应用在测试集中进行预测.结果如下:(1)三种模型均有较好的预测能力,其准确率都在94%以上;(2)决策树模型的预测效果最佳,支持向量机模型次之,逻辑斯蒂回归模型的预测效果最差;(3)三种模型都存在将较多的财务预警公司预测为正常公司的情况.本文通过将三种模型进行对比分析,以寻找更加优质的财务预警模型,来更好地帮助企业识别财务风险.     

财务危机预警模型的构建

本文以四川省上市公司的财务比率为依据,利用主成分分析,建立起一个财务危机预警模型。从结果来看,本文建立的模型具有非常好的预警效果。     

主成分分析法在财务欺诈预警模型中的应用

本文尝试应用主成分分析法构建财务欺诈预警模型,旨在以最少的且不相关的变量反映财务欺诈公司最普遍的共同特征,以期寻找导致财务欺诈的根源,使监管部门有的放矢,对症下药,制定有效措施,防止上市公司进行财务欺诈,损害投资者和债权人的利益。     

主成分分析法在财务欺诈预警模型中的应用

本文尝试应用主成分分析法构建财务欺诈预警模型,旨在以最少的且不相关的变量反映财务欺诈公司最普遍的共同特征,以期寻找导致财务欺诈的根源,使监管部门有的放矢,对症下药,制定有效措施,防止上市公司进行财务欺诈,损害投资者和债权人的利益.     

中小企业财务风险预警模型

截止2013年三季度末,全国工商注册的中小企业总量超过4200万家,占全国企业总数的99%,同时,中小企业也贡献了58.5%的GDP,68.3%的外贸出口额,52.2%的税收和80%的就业。可见,中小企业已经成为发展市场主力军。我国中小企业有着如此庞大的市场规模,控制好财务风险就尤为重要。随着市场竞争的加剧,中小企业的财务风险不断加大,为规避这一风险,必须建立一套适合中小企业自身的财务预警机制。     

中小企业财务风险预警模型

截止2013年三季度末,全国工商注册的中小企业总量超过4200万家,占全国企业总数的99%,同时,中小企业也贡献了58.5%的GDP,68.3%的外贸出口额,52.2%的税收和80%的就业。可见,中小企业已经成为发展市场主力军。我国中小企业有着如此庞大的市场规模,控制好财务风险就尤为重要。随着市场竞争的加剧,中小企业的财务风险不断加大,为规避这一风险,必须建立一套适合中小企业自身的财务预警机制。     

基于主成分的RBF核SVM在财务预测领域的应用

支持向量机(SVM)是实现结构风险最小化归纳原理的一种机器学习理论,在有限的学习模式下具有良好的泛化能力。为了评估支持向量机的预测性能,本文通过对684家企业进行财务分析,进而预测企业在未来两年是否会被ST。建立基于主成分的RBF(核函数)核SVM模型,将支持向量机与传统学习算法进行比较,结果表明支持向量机有效地提高了预测的精度,具有良好的泛化和预测能力。     

财务预警中的行业差异变量模型假说研究

本文通过对国内外中外学者对企业财务危机的研究过程中,对于模型的完善提出几点意见,对加入的行业因子和规模因子通过单位化来消除量纲带来的问题,统一量纲,再利用主成分分析提出主导因子,修正并建立综合评分方程来算总得分来对企业财务进得预警,诊断。     

我国上市公司财务预警指标体系构建机理研究

随着我国证券市场和上市公司的不断发展、成熟,上市公司利益相关者对财务预警系统的需求也越来越大,因此建立有效财务预警系统的要求十分迫切。借鉴国内外相对成熟经验,根据我国证券市场的特点,以我国的上市公司公开财务数据为依据,通过引入主成分分析方法和人工神经网络的方法来研究财务预警指标体系的构建机理,从而实现对财务预警模型的优化改进。     

中国海外上市公司的PCA—SVM财务危机预警研究

在支持向量机（Support Vector Machine,SVM）方法的基础上融入主成分分析（Principal Component Analysis,PCA）方法,可构建PCA—SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA．SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

财务危机预警模型研究

本文把上市公司中的*ST板块界定为有财务危机的企业,选取15家*ST公司作为研究样本,同时选取15家非ST公司作为配对样本,组成一个样本量为30的估计样本组,选取这些公司2007年的20个财务指标作为研究变量,采用主成分分析法建立财务危机预警模型。再选取30家非ST公司作为检验样本组,然后用该样本组对模型的有效性进行检验,得出本文建立的模型可以提前预测财务危机的结论。     

基于PCA-SVM模型的供应商战略选择研究

针对供应链管理是目前企业管理的先进管理模式,供应链管理可以实现供应链上各节点企业的"共赢",对作为整条供应链源头的供应商评价与选择已成为企业提高竞争优势的关键。在对目前供应商选择方法从定量和定性角度研究的基础上,本文提出了一种基于聚类分析、主成分分析(PCA)和支持向量机(SVM)改进的供应商选择方法,并通过和模糊综合评价方法的对比,实践表明这种方法更具有可行性和合理性,为企业选择供应商提供更有价值的参考。