我国农业上市公司财务预警模型效果的比较研究

文章基于2003—2005年我国沪深两市农业上市公司的样本数据,比较了单变量预警分析、Z计分模型、Zeta模型、修正的F模型以及分数模型对我国农业板块上市公司的财务预警效果。结果表明,后三者的预测准确率明显较高,并且越接近被ST年份其预测准确率总体上越高,其中加入行业修正值及现金流量指标的分数模型的预测准确性在各时点均最高。文章的实证结果提示了关注财务预警分析的行业差异性并进行更多深入的具体行业分析的必要性,最后得出结论并指明后续研究方向。     

我国农业上市公司财务预警模型效果的比较研究

文章基于2003—2005年我国沪深两市农业上市公司的样本数据,比较了单变量预警分析、Z计分模型、Zeta模型、修正的F模型以及分数模型对我国农业板块上市公司的财务预警效果。结果表明,后三者的预测准确率明显较高,并且越接近被ST年份其预测准确率总体上越高,其中加入行业修正值及现金流量指标的分数模型的预测准确性在各时点均最高。文章的实证结果提示了关注财务预警分析的行业差异性并进行更多深入的具体行业分析的必要性,最后得出结论并指明后续研究方向。     

Z值财务预警模型在交通运输业的修正与应用

文章将经典Z值模型应用于我国交通运输行业中,检测结果发现其判别准确率不高。继而选取我国交通运输行业62家上市公司数据作为样本,使用多元判别法修正了适合于我国交通运输行业的Z值模型,并使用企业连续两年的经营活动现金流量净额/流动负债值作为企业陷入财务困境的标志。经再次检验后表明该模型对我国交通运输企业财务状况预警的整体准确率明显提高。     

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%.     

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%。     

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。     

我国农业上市公司财务困境预测的实证研究

文章以我国农业上市公司为研究对象,选取了13家处于财务困境的公司和20家财务正常的财务公司为样本,采用了单变量和多变量的判定分析方法,运用适合农业企业的财务预警模型进行实证研究,并且探索出如何采用适当的方法对农业上市公司财务困境进行正确的预测,最后作出评价并得出结论.     

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.     

上市公司财务困境预警模型--一个基于沪市A股上市公司的实证研究

本文以我国沪市上市公司为研究对象,遴选了2004年度首次亏损的23家上市公司作为财务困境公司样本,同时选取了23家与之有大致相同规模的盈余公司作为正常公司样本。对相关公司的相关财务指标进行调整后,进行Logistic回归,从而建立两个财务困境预警模型,并对之进行实证检验。研究结果表明:采用调整财务数据后建立的财务困境预警模型对未来事件的预测率比采用原始数据建立的财务困境预警模型的预测率要好。     

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。     

我国上市公司财务危机预警指标体系的构建及筛选研究

本文在对国内外财务危机预警模型研究的基础上,以中国上市公司作为研究对象,将公司因财务状况异常而被特别处理(ST)作为企业陷入财务危机的标志,构建了一套包括7个方面30个指标的财务危机预警指标体系,并选取了我国深、沪两市A股2002~2008年间首次被ST的公司92家和配对财务健康公司92家企业进行指标的筛选。分析表明:所确定的指标体系能够涵盖上市公司财务的主要运行特性,而且能够比较全面地代表原始预警指标,建立的预警指标体系是全面而简练的。     

基于数据挖掘的上市公司财务舞弊识别研究

国内上市公司财务舞弊呈恶性发展之势,要推进证券市场的预警与监管,对上市公司财务舞弊行为的识别就变得意义重大。以148个财务舞弊上市公司和配对的非舞弊上市公司为样本,运用神经网络建立了上市公司财务舞弊识别模型。此模型对训练样本和测试样本的识别正确率分别达到74.58%和70%,能有效的识别出上市公司财务舞弊与否。结果表明,该模型可以用于上市公司财务舞弊行为识别,对有舞弊动机的上市公司起到威慑作用。     

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.     

林业上市公司财务柔性对企业价值的影响研究

基于74家林业上市公司2008年至2019年基础数据,综合考虑不同债务结构对财务柔性的影响,通过构建财务柔性测度指标体系及其模型,对林业上市公司财务柔性进行具体测度,并进一步运用多元线性回归研究了林业上市公司财务柔性对企业价值的影响方向和力度。研究发现,林业上市公司财务柔性普遍偏低且差异在波动中呈现扩大的趋势,林业上市公司财务柔性对企业价值存在显著的正向影响。为增强抗风险能力,林业上市公司应重视财务柔性战略地位,合理储备财务柔性。     

关于水泥制造企业培育核心竞争力的探讨

对上市公司财务状况恶化进行预警分析 ,不仅是各界人士关注的焦点 ,也将对上市公司今后的发展具有重要的指导意义。文章将沪深两地证券市场的ST公司界定为财务状况恶化企业 ,在借鉴奥特曼多元Z值判定模型的基础上 ,采用主成分分析方法 ,利用上市公司公布的 2 0 0 1年中期财务