基于BP神经网络的上市公司财务危机预警研究

本文将公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,以2007年度沪市近三年首次被ST的非金融类上市公司和配对公司为研究对象,选取了2005年度80家上市公司作为建模的训练样本,并使用同期22家公司作为检验样本,分别建立了Logistic回归模型和BP神经网络模型,进行财务预警模型的实证研究。     

我国上市公司财务危机预警模型的实证研究

本文以我国上市公司指标为研究对象,以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本,选取了6个变量指标,通过单变量模型,一元判定模型,Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测,误差大,预测能力差,而Fisher模型和logistic模型从多变量进行预测,预测能力明显比单变量强,其中logistic模型预测能力最强。     

基于改进的杜邦体系和BP神经网络的财务危机预警模型探讨

在传统的基于神经网络的财务危机预警模型基础上,本文以最近几年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合改进的杜邦分析体系指标的财务危机预警模型,并作实证研究。实证结果表明：整合调整后的财务指标的BP神经网络模型较传统指标的BP神经网络预警模型具有更高的预测精度。     

基于决策树的上市公司财务危机预警

近年来出现危机的公司越来越多,提前预测财务危机具有重要的意义。目前针对财务危机的研究很多,预警模型也多种多样,本文采用了决策树模型,并将决策树模型预测结果与常用的logistic回归模型的预测结果进行了比较,以验证决策树模型在财务危机预警中的作用。     

综合类上市公司财务危机预警模型初探

以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前（t-2）年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达89．29％。     

上市公司财务危机预警的实证研究

我国企业必须建立财务预警系统,以此帮助企业地预测、防范财务危机。本文选取了我国沪两市上市公司2008-2009年的80家ST公司和845家非ST公司作为研究样本,以2006--2007年的财务指标作为模型研究的变量,对上市公司财务危机进行预警研究。本文选择了8个财务指标作为建立模型的变量,然后采用统计中的贝叶斯判别分析方法,建立了上市公司财务危机的判别分析识别模型,模型预测效果良好,具有实际应用价值。     

我国上市公司财务危机预警问题研究

文章根据我国上市财务危机必要性进行分析,提出财务危机预警分析的方法,帮助上市公司解决在经营生产过程中遇到的财务危机.     

财务危机预警变量的选择分析

文章以A股上市公司为研究对象,选取被特别处理的上市公司和财务正常的公司为样本,利用三年的财务数据进行财务指标的比较和选择,采取显著性检验筛选预警指标,选择了14个财务指标作为财务危机预警的指标体系。其中营运资金对资产总额比率、资产负债率、所有者权益比率、流动资产周转率、固定资产净利润率在不同的时期都表现出显著的判别能力。     

上市公司财务危机预警模型构建研究

为构建财务危机的预警模型,本文以我国证券市场制造业ST公司作为研究样本,选取2011-2015年40个ST公司和非ST公司作为建模样本,并从偿债能力、营运能力、发展能力、获取现金流能力以及营运能力5个方面选取了27个财务指标,先对其进行描述性分析,其次通过相关性分析,从中选取显著性强的6个财务指标作为模型变量进入回归,构建logistics模型并选取了10家ST公司和10家非ST公司结果对模型进行检验,结果证明该模型预测精度较好.     

浅析基于现金流量的上市公司财务危机预警

<正>一、基于现金流量建立财务危机预警系统的必要性企业财务困境不仅是市场经济中的普遍现象,也是一个世界性的问题。上市公司存在的经营业绩危机及其所引发的潜在市场风险不容忽视。目前我国财务危机预警指标大多以基本的资产负债表和损益表中的财务比率为依据,但受财务信息失真影响,传统的财务危机预警的各个指标在经过各种人为因素调整之后,传统财务理论中的持续经营假设逐渐松动,企业面临的不确定性日益增大,企业因财务危机导致经营陷入困境甚至宣告破产的例子更是屡见不鲜。因此,寻找新的预警指标,     

基于DeepSurv和IML的上市公司财务危机预警研究

本文基于2019～2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明：（1）公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;（2）Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。     

上市公司财务危机动态预警模型研究综述

公司财务危机预警系统的研究是一个非常重要的课题,被广泛关注。现在也有很多对于财务危机预警系统的研究,但是大多数采用的是静态分析,忽视了财务危机的发生是一个持续动态的过程,因此,建立动态的财务危机预警系统是非常有必要且很有意义的。本文在分析研究国内外关于财务危机动态预警相关研究的基础之上,对财务危机的动态预警模型的研究现状进行综述,探讨财务危机动态预警研究的发展趋势。     

化工类上市公司财务危机预警探讨

本文主要针对化工类上市公司,从介绍财务危机预警的涵义出发,简要介绍其研究现状和基本方法,并针对财务危机预警研究中存在的问题进行主要探讨,最后提出了一些改进性建议。     

数据挖掘在上市公司财务危机预警中的应用

本文通过对2007-2009年沪深两市新增58家ST上市公司被ST前三年的财务数据及58家配对非ST上市公司财务数据应用因子分析法消除冗余后,依次建立logistic回归模型、C5.0决策树模型和BP神经网络模型,在此基础上分析了模型异同之处,提出了选择模型的方法。     

数据挖掘在上市公司财务危机预警中的应用

本文通过对2007-2009年沪深两市新增58家ST上市公司被ST前三年的财务数据及58家配对非ST上市公司财务数据应用因子分析法消除冗余后,依次建立logistic回归模型、C5.0决策树模型和BP神经网络模型,在此基础上分析了模型异同之处,提出了选择模型的方法.     

基于EVA的财务危机预警模型的有效性研究

防范财务危机,进行财务预警是目前每个企业面临的既现实又紧迫的任务。文章利用EVA指标优于传统财务指标的特点,将EVA指标应用到公司财务危机预警中,构建出具有一定实用价值的财务预警模型,并且对今后的研究提出了建议,以提高财务危机预警模型的有效性。     

基于EVA的财务危机预警模型的有效性研究

防范财务危机,进行财务预警是目前每个企业面临的既现实又紧迫的任务。文章利用EVA指标优于传统财务指标的特点,将EVA指标应用到公司财务危机预警中,构建出具有一定实用价值的财务预警模型,并且对今后的研究提出了建议,以提高财务危机预警模型的有效性。     

基于EVA的上市公司财务危机预警研究——来自沪深两市机械制造业数据

自从经济增加值(EVA)这一指标创立以来,各国企业进行了不断尝试.利用EVA指标进行财务危机预警,发挥EVA有别于传统财务的优势,使企业或其他利益群体在危机发生前就能够对经营状况有一个更加客观的评价,是EVA的又一运用.本文选取沪深113家机械制造业上市公司,采用首次被ST的前两年数据,运用EVA指标构建Logistic模型进行危机预警,结果表明,采用EVA指标后能明显提高预测的准确性     

上市公司财务危机预警Logistic模型实证分析

以我国A股上市公司为研究对象,选择2007年的ST公司和非ST公司共60家作为样本。运用统计方法,选取20个财务指标进行因子分子,建立Logistic模型。实证研究表明该模型具有较高的判别准确率,可以为投资者、债权人和管理者提供判别依据。