基于Z模型的财务危机预警研究

财务危机预警系统对于企业了解和控制财务危机的发生有重要的指导意义。本文基于Z值模型,根据上市公司披露的财务数据与信息,研究针对上市公司特点的财务危机预警系统。最后通过海尔公司这一具体案例,运用Z值模型检验海尔公司的财务状况,探讨海尔公司发生财务危机的可能性。     

基于动态调整模型的最优资本结构影响因素实证研究

本文引入调整成本这一概念,构建了资本结构的动态调整模型。并基于面板数据分析方法,采用我国上市公司的最新财务数据和宏观经济指标,对动态调整模型进行了实证分析。实证结果表明,我国上市公司的资本结构的确存在向最优值部分调整的现象,在动态调整过程中的交易成本较小,这使得我国上市公司的资本结构调整到最优资本结构的比例较高。     

BP网络模型在财务危机预警中的应用

本文运用因子分析方法和BP网络模型对我国上市公司的财务危机进行了预测,通过分析发现总资产报酬率、现金债务总额比率等12个财务指标对上市公司财务危机有着显著的预示效应。就判别正确率而言,前三年财务数据对上市公司财务危机的预测准确率均在65%以上,其中前两年财务数据的预测准确率均在85%以上。     

BP网络模型在财务危机预警中的应用

本文运用因子分析方法和BP网络模型对我国上市公司的财务危机进行了预测,通过分析发现总资产报酬率、现金债务总额比率等12个财务指标对上市公司财务危机有着显著的预示效应.就判别正确率而言,前三年财务数据对上市公司财务危机的预测准确率均在65%以上,其中前两年财务数据的预测准确率均在85%以上.     

基于Benford律的随机森林模型及其在财务风险预警的应用

研究目标:财务数据质量对公司财务风险预警至关重要。数据质量差的财务数据往往降低财务风险预警模型的有效性。利用Benford律能有效评价财务数据质量的特点,构建带有Benford因子的随机森林模型,用于处理财务数据质量对财务风险预警模型带来的影响,能有效提高财务预警模型的预测精度。研究方法:通过Benford律检验财务数据质量,构造Benford因子添加到财务指标变量中,建立基于Benford律的随机森林模型。选择中国A股和美国股市上市公司的财务指标数据进行对比实证分析,采用学习曲线对模型进行参数调优确定最终模型,对比基于Benford律随机森林模型和随机森林模型的预测效果。研究发现:Benford因子能够识别存在财务舞弊的具体样本点并提供数据质量有关信息。相比随机森林模型,基于Benford律的随机森林模型可以提高财务风险预警的准确率。研究创新:将Benford律引入随机森林模型,构造Benford因子,提出基于Benford的随机森林模型。研究价值:基于Benford律的随机森林模型具有更高的预测准确率,扩展了随机森林模型的实用性,为上市公司财务风险预警研究提供了新视角。     

基于深度学习的上市公司财务风险预警模型研究

本文采用2007年至2016年3513家上市公司的相关财务数据为研究样本,以深度学习为研究工具构建神经网络模型,对企业是否陷入财务危机进行预测。研究结果表明,基于深度学习构建的神经网络模型对所有上市公司是否陷入财务危机的预测准确率可以达到72%以上,且利用的以前的年度数据越多,预测的准确率越高。     

上市公司股权再融资前后季度的盈余管理

以前国内盈余管理的研究都是基于年度财务数据,本文则以股权再融资为背景考察我国上市公司的季度盈余管理现象.研究结果证实了上市公司股权再融资前后季度盈余管理的存在性及时间分布特征.期望本文的研究为证监会加强中期财务信息的监管提供一些参考.     

基于CART算法的中国上市公司财务危机模型研究

在后金融危机时期,我国股价持续走低,通过研究上市公司的财务数据构建财务危机预警系统,具有重要的理论与现实意义。文章应用数据挖掘中的CART算法,构建我国上市公司财务危机预警模型。     

基于SVM模型的企业信用风险评估研究

近年来,我国企业信用风险上升。文章结合传统的财务指标,加入非财务指标,以构建更为全面的企业信用风险评估指标体系。以2015—2017年的A股上市公司为样本,将PCA、SMOTE与通过网格搜索法进行参数寻优后的SVM结合,构建PCASMOTE-GS-SVM模型评估企业信用风险,并对比其他模型,结果表明,所构建模型具有较高的稳定性和预测能力。     

基于XGBoost的上市公司财务舞弊预测模型研究

研究目标:探讨如何利用大数据和机器学习方法对上市公司财务数据和非财务数据进行分析和挖掘，并应用于上市公司财务舞弊识别和预测。研究方法:提出一种基于机器学习方法的上市公司财务舞弊预测模型Xscore,对上市公司财务舞弊进行预测。研究发现:Xscore模型能够提高模型预测的准确率，在准确率、召回率、AUC指标、KS值、PSI稳定性等方面均优于Fscore模型和Cscore模型，更适合我国上市公司财务舞弊预测。研究创新:基于2000～2020年中国上市公司数据集为观测样本，通过Benford定律、LOF局部异常法、IF无监督学习法，解决了机器学习应用于财务舞弊识别研究时普遍面临的灰色样本问题，甄选兼具领域特性和统计特征的特征变量；首次将XGBoost集成学习方法应用到上市公司财务舞弊预测分析中，有效提高了上市公司财务舞弊准确率。研究价值:本文将XGBoost集成学习方法引入上市公司财务舞弊识别领域，有助于促进人工智能、机器学习在会计学中的研究与应用，为促进上市公司披露高质量的财务信息和维护资本市场秩序提供参考。     

我国煤炭行业上市公司财务风险预警研究——基于Z模型理论

煤炭是我国的重要能源和基础原料,煤炭行业在我国国民经济中居于重要地位。然而我国煤炭行业面临煤炭产量快速增加,国内经济增速下滑以及全球经济不景气等诸多挑战,使得煤炭需求疲软,供过于求,煤炭价格大幅下跌,煤炭行业告别了黄金十年,行业拐点显现。本文以煤炭行业上市公司2009年～2012年的财务数据为基础,以Z计分模型为财务风险预警模型,分析煤炭行业各上市公司的财务风险,以及面对风险可能采取的对策,以应对对日益严峻的行业形势。     

基于KMV模型的信用风险实证分析——以食品行业上市公司为例

食品行业作为我国的"民心行业",安全问题日益凸显。作为我国食品行业领域最具代表性的企业——食品行业上市公司,诸如食品安全等多种违规现象带来的巨大投资风险严重困扰着广大投资者。本文从如何规避上市公司信用风险入手,通过分析利用KMV模型型,运用MATLAB软件,对我国食品行业4家上市公司6年的财务数据进行了违约距离和违约率的实证分析。结果显示,KMV模型能较好地识别上市公司的信用风险能力力,能够为金融机构、投资者和普通消费者揭示食品类上市公司的信用风险。     

上市公司资本结构调整速度的区域差异研究

本文针对上市公司资本结构的影响因素及调整速度问题,通过构建动态面板模型,采用广义矩估计(GMM)方法,选取1999～2011年非金融上市公司的财务数据为样本进行研究.研究结果表明,中国不同地区上市公司的资本结构不仅受到公司特征、宏观经济因素的影响,还受制度环境因素的影响;制度环境对资本结构的影响程度及资本结构调整速度存在区域差异;调整速度较快的地区呈“带状”分布在中国东部沿海和中部地区.     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

我国家电行业资本结构影响因素分析

本文以我国家电行业16家上市公司2013年的财务数据为样本，运用EVIEWS软件建立回归模型，对影响家电行业上市公司资本结构的因素进行了实证分析，并通过实证研究结果，对我国家电行业上市公司资本结构现状进行分析，同时也提出几点优化资本结构的建议。     

财务危机预警的主成分视角

本文对运用主成分分析方法构建适合我国现状的财务危机预警模型进行探讨性研究。文章收集并筛选我国A股上市公司的财务和非财务数据,然后用两配对样本的检验方法选取指标,最后运用主成分分析的统计方法建立财务预警的Z模型,以判定上市公司是否有发生财务危机的可能。     

试析上市公司的业绩评估

随着新会计准则的实施和我国资本市场环境的逐步完善,经济增加值(EVA)作为一个有效的公司绩效评价指标愈来愈受到重视。本文基于我国资本市场的约束条件,对传统的EVA评价指标进行了部分修正,并以我国上市公司安彩高科为样本,对其财务数据进行实证分析,以期为上市公司业绩评价提供一种更有预见性、更可行的指标体系。     

基于现金流量视角的财务风险预警模型分析——以ST上市公司为例

基于现金流建立财务预警模型,对企业尤其是上市公司是十分必要的。文章以ST上市公司为例,对基于现金流量的F分数预警模型的有效性进行验证分析。选取了以利润指标为基础的Z模型和以现金流量财务指标为基础的F模型进行比较,采用6家ST公司作为样本,并对获得的2007年到2012年财务数据对F模型的预测结果进行分析,证明了F模型预警的有效性。     

财务危机预警的主成分视角

本文对运用主成分分析方法构建适合我国现状的财务危机预警模型进行探讨性研究。文章收集并筛选我国A股上市公司的财务和非财务数据,然后用两配对样本的检验方法选取指标,最后运用主成分分析的统计方法建立财务预警的Z模型,以判定上市公司是否有发生财务危机的可能。     

基于logistic回归模型的我国生物制药上市公司的财务预警系统的实证研究

本文在预警指标的选取方面,首先借鉴的国内外学者的大量研究成果,粗略选取指标体系,进一步再用财务危机企业的财务数据进行纵向以及横向配对,对其进行验证,确定了更为精确的指标体系.最后借助logistic回归模型,运用我国A股生物制药板块的上市公司为样本,成功拟合出上市公司的财务预警模型,取得较好的预测效果.