基于EVA的行业财务预警模型研究——以沪市IT上市公司为例

财务预警系统是当今企业规避风险的有效手段之一，但其先决条件是模型预测变量能准确、及时地揭示企业面临的财务危机。而传统财务指标由于行业差异和自身的局限性，难免影响预警作用的充分发挥。本文在选取EVA指标替代传统净利润指标的基础上．以沪市IT行业上市公司为样本．建立了基于EVA的JT行业财务预警模型，并据此进行实证分析，提出一些具体建议。     

创业板上市公司财务预警研究

为了对退市前的创业板上市公司进行财务预警,本文选取93家创业板公司,包括64家财务健康公司和29家财务困境公司,分别使用两类人工神经网络模型和支持向量机模型,采用现金流量安全与否作为财务困境的标准,从20个财务指标提取10个,建立财务预警系统。研究结果表明,相对于人工神经网络模型,支持向量机模型能够较好地对小样本进行判别预测,是一种比较理想的财务预警模型。     

国内外企业财务预警模型比较研究

文章首先回顾了国内外学者对财务预警模型的研究,然后从对企业财务状况的界定、样本的选择和数据的来源、预测变量的选择、计量方法的选择等四个影响财务预警模型建立的重要方面,比较了国内外学者在建立财务预警模型上的异同和各自的优缺点,并对这四个方面分别为我国学者的研究提出了建立两阶段预警模型、选择更具有同质性的样本、结合现金流量指标和非财务指标、定量和定性方法的结合等四条改进建议。     

高管成群离职行为在财务困境预警中的信息含量实证研究——基于中国2008-2009年制造业新增ST公司的证据

以2008-2009年中国制造业新增ST公司为样本,按同行业原则选取对照样本,根据上市公司公布的财务指标和高管离职率作为预警变量,构建Logistic回归预警模型,比较预警效果.研究发现,制造业上市公司财务困境形成路径清晰;高管离职率对财务困境具有显著预警作用;高管成群离职的首要因素不是报酬偏低,而是对公司的困境预期;公司陷入财务困境的潜在因素是大股东的过度干预.     

上市公司财务预警模型的研究

本文首先以沪深证交所2003年和2004年财务困境公司与非财务困境公司为样本,构建判别上市公司财务危机的模型,然后根据T检验的检验结果和以往研究的经验,最终选择流动比率、累积盈余、总资产报酬率和净资产收益率4个主要变量,分别运用单变量和多变量研究方法进行判别分析.研究表明,预测数据与建立模型的数据年度越临近,模型的预测能力越强,而离ST越远模型预测力越差.     

企业风险预警审计实证研究

本文利用多元统计分析的回归分析原理,建立了石油装备制造行业财务风险预警的Logistic多元逻辑回归模型和石油装备制造企业经营风险预警的主成分模型,实现了风险的量化,并在风险确认和风险分析的基础上,提出企业风险的控制策略。     

我国上市公司财务风险预警的实证研究——以制造行业为例

本文采用了实证分析方法,从我国上市公司中选择了70家制造企业作为样本(包括35家ST企业和35家非ST企业),选定了5个基础分析指标。随机选取50家配对样本,运用logistic回归模型建立财务预警模型,对其余20家检验样本预测准确达到65%以上,这说明logistic模型在预测公司发生财务困境(亏损)方面是比较有效的。     

上市公司财务困境预测模型的再比较

该文将中国上市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,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic 回归和改进型 BP 神经网络三种方法进行财务困境预测.比较其预测结果发现,BP 神经网络模型的预测准确率明显优于多元判别分析和Logistic 回归模型,而后两者的判别效果接近,可见改进型 BP 神经网络模型更适合于企业财务困境预测.但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性.     

上市公司财务困境预测模型的再比较

本文将中国上市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，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。     

企业财务风险程度评价研究

企业财务风险因其自身复杂性、潜在性和主观任意性等特点,使得风险发生的概率及其后果难以预测和进行准确的估计。ZETA模型采用五类财务指标作为变量构建多变量财务预警模型,因预测精确度较高得到了广泛的应用。     

我国上市公司财务困境的预测模型研究

本文以我国上市公司为研究对象 ,选取了 70家处于财务困境的公司和 70家财务正常的公司为样本 ,首先应用剖面分析和单变量判定分析 ,研究财务困境出现前 5年内各年这二类公司 2 1个财务指标的差异 ,最后选定 6个为预测指标 ,应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法 ,分别建立三种预测财务困境的模型。研究结果表明 :(1 )在财务困境发生前 2年或 1年 ,有 1 6个财务指标的信息时效性较强 ,其中净资产报酬率的判别成功率较高 ;(2 )三种模型均能在财务困境发生前做出相对准确的预测 ,在财务困境发生前 4年的误判率在 2 8%以内 ;(3)相对同一信息集而言 ,Logistic预测模型的误判率最低 ,财务困境发生前 1年的误判率仅为 6 .47%     

基于公司治理的上市公司BP神经网络财务预警模型研究

文章在传统的BP神经网络财务预警模型中加入了公司治理因素,选取了2004-2006年间的48家ST公司为样本,并配对了60家同期、同行业、规模类似的公司,通过显著性检验对变量指标进行筛选,经过对样本的训练和学习,实证研究结果证明,加入公司治理因素的BP神经网络财务预警模型的预测效果较好.     

基于主成份分析的上市公司财务危机研究

正确预测上市公司的财务危机,对于投资者及时调整投资决策、债权人进行合理放贷都具有重要意义。文章以我国上市公司为样本,通过主成份分析的构建财务风险预警模型。结果表明文章建立的预警模型的预测准确率较高,达86%以上。     

我国上市公司财务危机预测的实证研究

本文以2005年特别处理的上市公司为样本,通过主成分分析构建我国企业的财务风险预警模型,再以2006年特别处理的上市公司及其财务健康状况的配对样本公司的相关财务数据为基础检验模型预测的准确度,最后提出防范财务危机的建议。     

引入公司治理变量的制造业上市公司财务危机预警研究

文章选择沪深两市A股制造业行业的上市公司为样本,引入公司治理信息变量,采用因子分析和Lo-gist ic回归建立陷入财务危机前三年度的财务危机预警模型。实证结果表明,公司治理信息具有长期财务预警能力。     

基于随机森林的第三方支付违规风险预警研究

立足于第三方支付行业发展中存在的突出问题,本文给出基于随机森林的违规风险预警机制并讨论具体实施。首先,构建风险预警指标体系,结合机器学习中的随机森林算法,提出风险预警机制。然后,以已获支付牌照的271家企业为样本,验证所提出的违规风险预警机制的有效性。通过对比随机森林模型和Logistic模型的判定结果,发现随机森林显著降低了一类错误率和二类错误率,模型正确预测率高达99.01%。最后,通过对指标体系中的重要变量进行分析,提出具体应用措施及相应的风险监管建议。     

上市公司财务风险预警实证分析——以内蒙古为例

财务风险预警是财务研究领域的重要内容,上市公司进行财务风险预警能够对风险进行监测和及时的规避、消除。本文以内蒙古的上市公司为样本,运用奥特曼Z模型对其进行了财务风险预警的实证分析,并提出了相关建议。     

花都中小房地产企业财务风险预警研究

房地产行业由于其行业特性,受市场影响重大,在国内外市场竞争日趋激烈的今天,房地产行业所面临的财务风险也在不断加大。本文通过收集、整理与分析房地产开发企业的内外部资料与财务风险预警的相关资料,将Z1计分模型运用于房地产开发企业,对其财务风险状况进行分析、预测。     

财务困境预测的若干问题分析

文章从财务困境的定义、财务困境预测的目的、预测技术选择和样本选择四个方面分析了财务困境预测问题。     

花都中小房地产企业财务风险预警研究

房地产行业由于其行业特性，受市场影响重大，在国内外市场竞争日趋激烈的今天，房地产行业所面临的财务风险也在不断加大。本文通过收集、整理与分析房地产开发企业的内外部资料与财务风险预警的相关资料，将Z1计分模型运用于房地产开发企业，对其财务风险状况进行分析、预测。