基于Logistic模型的上市公司财务风险预警研究

财务风险预警是目前理论界和实务界关注的焦点。通过选取2011年沪深交易所上市的50家ST类公司及其配对的50家非ST类公司为样本,建立Logistic预警模型并进行了预警验证,研究发现:Logistic预警模型对上市公司财务风险的预警结果的准确率达到了86%,且离ST的时间越近,结果越准确;此外,模型对非ST类公司的分析结果要比对ST类公司的准确。增强对财务风险预警的管理,企业应加快建立内部控制和财务预警制度,树立内部风险管理的意识,加强相关人员的综合素质,以从源头上有效遏制企业财务危机,提高企业经济效益。     

基于二项Logistic回归的上市公司财务预警实证研究

在本文研究中,通过以2015年上半年12家因为连续亏损3年被特别处理(被ST)的上市公司和12家财务运行正常(未被ST)的上市公司为样本,运用独立样本T检验方法筛选指标,并基于二项Logistic回归分析方法,通过SPSS统计软件建立了上市公司被ST前三年的logistic财务预警模型。该实证研究表明,模型整体预警识别率高达91.67%,这说明该模型的预测准确度较高。     

基于Logistic模型的企业财务预警研究——以房地产企业为例

针对当前房地产市场严厉的监控措施,建立有效的财务预警系统,预测企业是否会陷入财务困境是房地产企业长远发展的重中之重。本文选取沪深两市首次被ST前一年的数据,运用因子分析法对所选择的30家房地产公司,建立最新形势下我国房地产企业Logistic财务预警模型,并对模型的预测能力进行检验,所构建的模型能对房地产上市公司的财务状况是否异常做出86.7%的预测准确率,具备较强的财务预警判别能力,因而具有一定的可行性和实用价值。     

企业财务困境预警及对策研究

为了有效地预警企业财务困境,论文以156家上市公司为研究样本,运用逐步判别分析方法从33个财务比率指标中筛选出6个变量,构建了一个六变量财务困境判别模型。经检验,新建模型对企业财务困境的预测正确率达到93.59%,且具有一定的超前预测能力。企业可以应用该模型及早预警财务困境,及时采取措施防范和应对财务困境。     

中国民营上市公司治理结构与财务困境相关性的实证研究

以陷入财务困境(ST)的中国民营上市公司为研究对象,以股权结构、董事会结构和管理层激励为解释变量,以财务困境为被解释变量,建立Logistic回归模型,研究民营上市公司治理结构与财务困境的内在关系。     

基于贝叶斯判别法的上市公司财务预警模型

本文利用贝叶斯判别法,以我国沪市A股上市公司为研究对象,选取2005和2006的ST公司和正常的公司各70家作为分析样本,建立财务预警模型。经检验,该方法预测的效果较好,可为投资者、债权人和监管机构等提供判别依据。     

基于Cox生存模型的上市公司财务困境预测研究

本文采取Cox生存模型进行财务困境预测,选取我国制造业40家ST上市公司和260家非ST上市公司进行实证研究,在训练好的模型基础上进行预测,得出企业出现财务困境的影响因素和程度,并选取10家上市公司进行危机时点预测,实证结论与实际情况相符。 Cox模型对上市公司具有危机预警的应用指导意义。     

我国上市公司财务困境预测模型分析——基于我国A股上市公司研究

基于我国A股市场上市的ST公司和相对应的非ST公司,用Logistic回归的进入法和逐步法对上市公司财务困境预测模型进行了比较分析,得出结论:无论是模型的有效性,还是模型的判断准确率方面,Logistic回归的进入法均优于逐步法。     

基于创新视角下的制造业财务预警模型研究

随着经济发展进入新常态,创新能力对于制造业的发展尤为重要.基于创新视角,本文从制造业上市企业选取30家财务困境企业与30家非财务困境企业作为样本,运用Logistic回归分析进行实证检验.结果表明,如果将创新能力指标纳入Logistic财务预警模型,模型将拥有更高的预测准确率.     

基于logistic模型与Fisher模型的财务预警实证分析——以制造业为例

针对财务预警模型效用的研究,本文从07-09三年间选择了46家我国制造业企业作为建模样本,76家企业作为验证样本,力求使建模及验证样本覆盖大部分制造业子行业.对现今常用财务分析指标筛选并以之分别建立Logistic和Fisher财务预警模型,并使用验证样本对模型进行检验,比较结果后发现Logistic模型预测成功率要大于Fisher模型,两个模型具有互补性.     

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。     

上市公司财务困境预测———基于信息熵与Logistic回归的实证分析

以沪深两市1370家上市公司作为研究样本,摒弃了以往研究中惯用的配对方法,采用信息熵理论对财务指标的预测能力进行了客观测定,并选取预测能力最强的前11个指标作为输入变量,构建了基于Logistic回归的上市公司财务困境预测模型,并对模型进行了实证检验.研究结果表明:每股净资产、营业毛利率等11个绝对财务指标和相对财务指标对公司是否陷入财务困境有较强的预测能力.     

基于财务指标的我国上市公司财务困境预测

本文以我国上市公司为研究对象,利用样本公司历年财务指标的数据构建Logit模型量化上市公司的信用风险概率,进而根据结果对上市公司发生财务困境进行判别和预测。     

*ST公司后续发展能力的财务预测实证研究

本文以2004年至2008年五年沪深两市因"连续两年亏损"而从"正常交易"到被"*ST"的88家上市公司为研究对象,基于财务指标运用多变量Logistic模型进行实证分析,力求在已发生财务困境的公司中预测出具有良好后续发展能力的公司和后续发展能力不良的公司,研究发现,模型在预测财务好转公司时判别正确率偏低,导致总体判别率不高,但是模型在预测"二一二"公司时判别正确率较高。     

基于上市公司财务困境恢复的实证研究

基于2013年度深沪两市A股上市公司财务数据,通过对沪深两市2013年35家上市公司进行实证研究,并且针对股权分置改革之后对上市公司的股权价值的进行讨论。选取13个财务指标进行分析,选取5个为主要的解释变量,建立logistic回归模型。在查阅相关文献的基础上,重点阐述了上市公司财务困境的相关理论部分,在此基础上利用因子分析法研究财务困境恢复的问题,在对上市公司财务困境作了理论分析之后,对各家上市公司进行财务困境进行排名。研究表明,信用风险总体水平对ST公司的财务困境恢复具有显著的积极作用。信用风险质量高的企业更有利于帮助困境公司恢复。研究上市公司财务困境恢复的问题,便于我们了解自身的财务状况以及同行业其他公司的财务能力,从而制定适宜的财务战略,改善财务状况,提高经济效率,实现公司的可持续发展。     

基于Logit模型的上市公司财务预警分析

随机选取沪深两市被ST的20家上市公司的年报数据作为目标样本,采用SPSS19.0的Logit回归模型建立的方法技术确定模型常量及变量权重,并另随机选取236家上市公司财务数据作为检测样本,以识别Logit模型对上市公司财务预警的准确度。     

公司治理引入上市公司财务危机预警体系的实证分析

财务危机,也称为财务困境、财务失败。财务危机预警即是利用企业相关资料,通过建立数学模型来预测危机发生的可能性。目前已有的研究已经取得了丰硕的成果,但这些研究在建立预警模型时主要是以一年的数据为样本进行分析,并没有将公司治理指标引入模型进行分析。基于此,本文在财务危机预警模型中引入公司治理指标,运用二元Logistic回归法建立模型,实证分析我国上市公司治理指标对财务危机预警的影响。     

企业财务预警模型研究问题及发展方向分析

企业财务困境不仅影响企业自身的健康发展,而且影响到各国社会经济发展。因此,企业财务困境预警模型研究十分必要。然而,财务预警研究中存在的概念不清、样本有偏、变量选择不恰当等问题影响了财务预警模型的预测力。在未来的研究中,学者需要采取措施解决这些问题以提高模型的预测力和实际意义。     

关于上市公司财务失败预警的实证分析

随着资本市场逐步完善,上市公司退市机制也将逐步建立,因此非常必要建立一个财务失败预警系统。在借鉴奥特曼(Alteman)的多元Z值判定模型的基础上,采用判别分析方法,建立了一种新的预测企业财务失败的模型,并把沪深两地证券市场的ST公司界定为“财务失败企业”,选取28家ST公司及47家非ST公司共75家企业作为研究样本,对上市公司财务失败预测模型进行实证检验。     

基于BP神经网络模型的公司财务危机预警实证研究

以公司为研究对象,选取2005年被ST公司和配对的正常公司各34家作为训练样本,2006年被ST的公司和配对的正常公司各31家作为检验样本,构建了公司发生财务危机前第三年的BP神经网络预警模型,实证研究结果表明,神经网络预警模型是一种有效的财务危机预警模型,有广泛的使用范围和较高的推广价值。