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。     

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.     

制造业上市公司财务危机预警指标预处理研究

本文以中国制造业上市公司为研究对象,选取ST公司在财务危机发生前1~5年的财务指标数据,同时通过随机抽样选取相应的非ST公司为对比样本,通过实证分析,对29个财务危机预警指标进行预处理研究,并建立Logistic回归模型对制造业上市公司进行了超前1～5年的财务危机预测.通过对比,分析了各财务预警指标在财务危机爆发前不同年份的作用,找出了5个对于财务危机爆发前3～5年尤其具有重要影响的预警指标.这些预警指标和相应的预警模型能够为投资者、金融机构以及证券市场监管层对企业的财务状况进行分析和预测提供决策参考.     

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。     

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。     

ST上市公司与非ST上市公司财务困境问题比较研究——基于公司治理视角

公司财务困境是当前学术界和实务界极为关注的重大课题,本文通过对国内外研究学者对财务困境成本影响因素问题的概述,将上市公司被ST作为上市公司陷入财务困境的标志,同时将上市公司财务困境成本定义为权益市场价值的下降。针对ST样本公司选取了45家未被ST的公司作为配对样本,通过配对样本T检验和回归分析,得出以下结论:ST公司与配对样本之间的股权结构指标和董事会特征指标之间存在差异。股权集中度与财务困境成本呈负相关;董事会会议频率与财务困境成本呈负相关;独立董事所占比例与财务困境成本呈正相关。最后根据所得实证结果就上市公司陷入财务困境前如何积极防范、陷入财务困境后如何合理应对提出相关的政策建议。     

ST上市公司与非ST上市公司财务困境问题比较研究——基于公司治理视角

公司财务困境是当前学术界和实务界极为关注的重大课题,本文通过对国内外研究学者对财务困境成本影响因素问题的概述。将上市公司被ST作为上市公司陷入财务困境的标志,同时将上市公司财务困境成本定义为权益市场价值的下降。针对ST样本公司选取了45家未被ST的公司作为配对样本,通过配对样本T检验和回归分析,得出以下结论：ST公司与配对样本之间的股权结构指标和董事会特征指标之间存在差异。股权集中度与财务困境成本呈负相关;董事会会议频率与财务困境成本呈负相关;独立董事所占比例与财务困境成本呈正相关。最后根据所得实证结果就上市公司陷入财务困境前如何积极防范、陷入财务困境后如何合理应对提出相关的政策建议。     

非财务视角下财务困境预警模型研究

以2003年一2005年被认定为财务状况异常的117家ST公司为财务困境样本,另选取117家财务健康公司与其配对对赢利性、长期偿债能力、短期偿债能力、营运能力等方面的12个财务变量提取公因子,将所得因子作为控制变量,运用Logistic回归分别检验股权结构、公司治理等方面的15个非财务变量对财务困境的解释力,年度累积超额收益率与审计师意见和独立董事人数的预警效果较好。     

非财务视角下财务困境预警模型研究

以2003年-2005年被认定为财务状况异常的117家ST公司为财务困境样本,另选取117家财务健康公司与其配对对赢利性、长期偿债能力、短期偿债能力、营运能力等方面的12个财务变量提取公因子,将所得因子作为控制变量,运用Logistic回归分别检验股权结构、公司治理等方面的15个非财务变量对财务困境的解释力,年度累积超额收益率与审计师意见和独立董事人数的预警效果较好.     

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。     

企业财务危机困境预测模型研究——主成分分析基础上的Logit模型

本文选取沪深两市在2003-2005年度被实行退市风险警示的56家上市公司以及随机选取的56家正常公司进行实证研究,尝试建立主成分分析基础上的 Logit 模型对财务危机进行预测,结果显示,主成分分析基础上的 Logit 模型能够有效预测财务困境。     

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。     

基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发,对企业财务困境进行预警研究:首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型,识别出期望现金流及风险现金流;然后以这两个指标作为预警变量,构建一个二元Logistic财务困境预警模型;最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明,所构建的CFaR模型能较好地度量两类上市公司的现金流状况,且两类公司的期望现金流和风险现金流水平存在显著的差异;二元Logistic预警模型能较好地实现对上市公司财务风险的预警,对两类公司的预警正确率分别达到85.2%和81.5%。     

基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发,对企业财务困境进行预警研究：首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型,识别出期望现金流及风险现金流;然后以这两个指标作为预警变量,构建一个二元Logistic财务困境预警模型;最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明,所构建的CFaR模型能较好地度量两类上市公司的现金流状况,且两类公司的期望现金流和风险现金流水平存在显著的差异;二元Logistic预警模型能较好地实现对上市公司财务风险的预警,对两类公司的预警正确率分别达到85.2%和81.5%。     

上市公司财务困境成本的定量分析--基于1998～2002年度ST公司的实证研究

选取1998～2002年度沪深股市42家ST摘帽公司为财务困境企业样本,从财务和市场两个视角定量考察我国上市公司是否存在财务困境成本.研究发现,从陷入财务困境之前到解除财务困境之后企业经行业调整之后的经营业绩平均增长了8%,但从权益市场价值的变化角度来看,投资者平均承担4.91%的财务困境成本.     

我国上市公司财务失败划分标准合理性的探讨——以上证、深证20家上市公司为例

证券市场是一个充满信息的市场,上市公司的财务信息对投资者的投资决策起着举足轻重的影响。然而我国金融监管机构划分正常上市公司与ST上市公司方法单一不够合理。本文首先选取了经营较好的10家上市公司做样本,利用综合和评分法确定七大财务指标,再利用主成分分析方法确定3大财务指标,最后利用LVQ神经网络模型对现行的20家上市公司财务失败状况进行验证,并给出相关模型评价及建议。     

我国上市公司财务失败划分标准合理性的探讨——以上证、深证20家上市公司为例

证券市场是一个充满信息的市场,上市公司的财务信息对投资者的投资决策起着举足轻重的影响。然而我国金融监管机构划分正常上市公司与ST上市公司方法单一不够合理。本文首先选取了经营较好的10家上市公司做样本,利用综合和评分法确定七大财务指标,再利用主成分分析方法确定3大财务指标,最后利用LVQ神经网络模型对现行的20家上市公司财务失败状况进行验证,并给出相关模型评价及建议。     

现金流对我国上市公司财务危机的影响实证分析

伴随着近年来我国适度从紧的货币政策和出口形势的恶化,越来越多的企业因现金流短缺而导致企业财务状况恶化。选取了在2006年度和2007年度新增被特别处理特别处理的93家上市公司,并选取相关样本与其配比,通过建立以现金流为基础的回归模型进行实证分析,发现ST企业在陷入财务危机前投资活动净现金流量与其盈利能力负相关,投资活动产生的现金流量占现金流量的主要地位。这表明ST企业陷入财务危机可能与其盲目投资有关,同时提醒更多的企业更多关注主营业务,提高经营现金流量。     

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。     

沪深两市上市公司财务预警风险的分析——基于主成分分析

文章以2012年1月到2012年6月期间沪深两市新增的28家ST公司为研究样本,按照1:1的比例选择同行业、同会计年度、相近资产规模的另外28家上市公司,利用主成分方法,对财务预警进行预测。结论表明,文章建立的财务预警模型的正确率达到了100%,有较好的预测效果。