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。     

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。     

基于支持向量机的上市公司财务危机预警实证研究

本文以在上海证券交易所和深圳证券交易所挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的2003年至2006年的上市公司财务报表中的相关数据,运用支持向量机模型进行了实证研究。研究表明,在小样本数据条件下,与其他预警模型相比,支持向量机模型在预测上市公司是否会发生财务危机方面预测精确度远远高于其他方法,具有其他方法所不具有的优越性。     

广东上市公司的财务困境预警系统研究

财务困境的发生是一个循序渐进的过程,它的可预测性敦促人们不断地探究,以求建立一套科学的财务困境预警系统。本文以广东省上市公司为研究对象,选取了该省上市公司中所有27家ST公司和与其配对的27家非ST公司为样本,采用Logistic回归模型方法进行研究,建立了预测精度比较高的预警模型。结果表明该模型对检验样本的判别结果与实际结果接近,较高的判别率进一步证明了我们根据Logistic回归分析方法建立的预警模型的实用性和准确性。     

基于Logit模型上市公司财务危机预警实证研究

本文采取主成分分析方法,将主要因子提取出再运用Logit模型构建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20家ST公司及与之相对应的20家非ST公司共40家企业作为研究样本,对上市公司财务失败的主成分预测模型进行实证检验。     

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SVM算法的企业员工离职预警研究

人力资源是企业发展的重要资源,做好员工离职预警工作有助于企业长远发展。本文采用国网青海省电力公司2010—2018年的员工离职数据,分析得出人才流失的主要影响因素,使用支持向量机(SVM)算法进行员工离职预测分析。该预警模型使用部分员工数据作为训练集,其余作为测试集,使用精确度为92.7%的中值高斯核函数型支持向量机(Medium Gaussian SVM)进行预测,模型预测精度符合预期,为电网企业人才流失预警提供了有效的方法。     

基于神经网络模型的上市公司财务危机预警研究

本文使用人工神经网络(ANN)建立财务危机预警模型,用以测试模型预测上市公司发生财务危机的准确率。模型使用的样本包括110家上市公司的财务指标,其中77家公司作为训练集,33家公司作为测试集。在数据挖掘软件Rapidminer 6.1上构建模型,得到神经网络的总体预测准确率为90.91%。研究表明,人工神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,因此是一种非常好的预测财务危机的模型,在企业财务危机预警方面有着很好的应用前景。     

基于Logit模型的上市公司财务危机预警分析——以制造业上市公司为例

本文使用Logit模型构建A股制造业上市公司的财务危机预警模型,将ST公司界定为存在财务危机的上市公司,利用20家ST公司和20家非ST公司的财务数据进行计量分析,建立可靠的预测模型来实现对财务危机的预警。     

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。     

制造业上市公司财务危机预警模型

本文以我国制造业上市公司为研究对象,选取了181家发生财务危机的公司和181家财务正常的公司为样本,以财务危机发生前三年财务指标为基础,首先运用正态性检验、T检验以及非参数检验筛选出预警能力较强的财务指标,然后运用主成分分析方法构建了财务危机预警模型,最后进行了回代检验和测试样本检验.研究结果显示,预警模型对检验样本的预测正确率为76.60％,能够给投资者、债权人和监管机构等相关各方提供预测财务危机的有用信息.     

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。     

房地产企业财务风险预警问题研究

本文在对国内外相关研究进行综述的基础上,结合我国房地产市场现状,选取了适用于该研究的60家在深、沪两市上市的房地产公司的财务数据,确定将Z-SCORE模型作为我国房地产上市公司财务风险预警模型。根据选定的Z模型,对60家上市公司2012年的财务险状况进行了计算并排名,并对我国房地产上市公司财务风险预警管理提出了简单的意见。     

房地产企业财务风险预警问题研究

本文在对国内外相关研究进行综述的基础上，结合我国房地产市场现状，选取了适用于该研究的60家在深、沪两市上市的房地产公司的财务数据，确定将Z-SCORE模型作为我国房地产上市公司财务风险预警模型。根据选定的Z模型，对60家上市公司2012年的财务险状况进行了计算并排名，并对我国房地产上市公司财务风险预警管理提出了简单的意见。     

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。     

上市公司财务预警研究——以ST云网为例

随着上市公司所面临市场风险的增加,对上市公司进行财务预警显得越来越有必要。本文通过分析对我国上市公司财务预警的不足做出了评析,并给出了相应的解决方案,以*ST云网这一企业为案例运用Z分模型分析其过去经济发展情况,验证了Z分模型在中国市场运用的有效性和解决问题方案的实际作用,也对这一企业将来的发展作出了预测。     

上市公司财务危机预警模型比较研究

本文以2001年至2008年间74家A股机械、设备、仪表业上市公司数据为研究对象,分别用多元判别、逻辑回归、BP神经网络和支持向量机四种方法构建了财务危机预警模型,并用2009年至2012年间24家同行业上市公司作为检验样本对模型进行了检验.研究结果表明:第一,人工智能方法所构建模型的预测准确率比传统方法构建模型的准确率高;第二,资产净利率和营业收入增长率是区分机械、设备、仪表行业上市公司财务状况优劣的重要指标.     

上市公司财务预警方法与模型评析

通过上市公司财务预警问题研究现状、方法及模型的评析,我国上市公司要建立适合公司的财务预警模型,建立和完善上市公司财务预警评价指标体系,完善内部控制制度,必须在公司危机发生之前向公司管理层发出财务预警信号,为上市公司防范财务风险,加强内部控制提供参考依据。     

我国制造业上市公司财务危机预警研究

本文以2008-2010年被"特别处理"(ST和*ST)的34家制造业上市公司和68家健康公司为研究样本,选取了资产负债率、应收账款周转率、销售净利率、主营业务收入增长率、现金流量比率、每股收益等25个财务预警初始指标,运用正态性检验、T检验、非参数检验以及相关性分析,筛选出了财务预警能力较强的财务指标;基于logistic回归分析法,构建了T-2年、T-3年和T-4年的制造企业上市公司财务预警模型,采用样本外检验法检验了所建模型的有效性,解释分析了模型结果。结果表明模型具有较高的预测能力,尤其在发生财务危机的前两年,准确度更是高达90%以上。     

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。