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。     

基于混合粗糙集与ANN的上市公司财务危机预警研究

利用混合粗糙集ANN数据挖掘技术和相关敏感财务及非财务指标构建财务危机预警模型,对30家ST和90家非ST的A股制造业上市公司的财务数据进行实证检验。结果表明,将混合粗糙集的知识约简理论和神经网络的推理能力相结合构建的混合粗糙ANN预警模型具有较高的财务危机预测准确率和较好的实际应用价值。     

上市公司财务预警问题研究——基于证券市场财务数据的研究

本文借鉴Altman财务预警研究思想,选取了A股市场58家ST公司及58家非ST公司作为研究样本,建立财务危机预警模型进行了有效性检验。结果表明：多元判别模型在上市公司财务危机出现前一年的预测准确率达到95％,并且具有提前三年预测出上市公司财务危机的能力。同时还发现,随着财务危机企业ST戴帽年的临近,财务危机企业与非财务危机企业各预警变量值间的差异明显扩大。     

公司治理与财务危机预警

为了提高财务危机预警模型的准确率和稳健性,在利用我国上市公司财务数据的基础上,加入公司治理信息变量,采用主成分分析和Logistic回归构建了预警模型。实证结果显示,加入公司治理信息后建立的预警模型的预测能力要比仅使用财务指标而建立的预警模型更为理想。     

公司治理指标的财务危机预警实证研究——以民营上市公司为例

财务危机不仅仅是由于财务活动引起的,公司治理方面的缺陷更是导致危机发生的源泉。本文以2010年首次被ST的A股民营上市公司为研究对象,运用Logistic回归建立财务危机前两年的预警模型。研究显示,综合指标财务危机预警模型在一定程度上提高了预测准确率。     

西部地区装备制造业上市公司财务危机预警研究

文章以财务危机预警为出发点,采用Logistic回归模型和灰色系统理论方法,研究构建了财务危机预警判别模型,对上市公司的财务数据进行预测,并利用此模型进行了判别分析,证实预测效果较好,从而为企业的风险管理提供了新的思路和方法.     

国有企业财务危机预警模型实证研究

财务危机从根本上威胁着企业的持续性经营和发展,如果不对其进行预测分析很可能给企业和社会带来严重的影响。近年来,我国政府部门频繁出台文件和措施要求企业特别是国有企业要加强对财务危机的管理控制。文章以上海市××区国有企业为研究对象,选取了29家出现财务困境的国有企业和29家财务正常的国有企业为样本,参照国内外学者对上市公司财务危机预警的研究方法,并结合国有企业财务实际,选择13个财务指标为变量,应用Logistic回归分析建立财务危机预警模型。研究表明:所建立的Logistic预测模型对财务危机发生前一年的预测准确率达93.1%。     

企业财务危机预警指标阶段性预处理研究

本文采用Mann-Whitney检验、粗集理论中知识约简方法及财务数据结构下层次化处理的定性手段,对预警指标阶段性信息的差异性与重复性进行预处理。以商业类上市公司为样本,通过采用ANN预警模型进行实证分析。结果发现:在财务危机发生前两年,指标信息差异性对预警准确性有较大的影响;在财务危机发生前第三与第四年,指标信息重复性影响较大。通过不同的预测期相应采用不同的指标预处理方法,可以提高预警效果。     

财务危机预警模型中的非财务指标应用研究

财务危机不仅仅是由于财务活动引起的,非财务活动在某些情况下也会导致财务危机的产生。本文拟以2004年～2005年部分首次被ST的A股上市公司为研究对象,结合经过无量纲化处理的财务指标和非财务指标,使用主成分分析法和Logit回归建立财务危机前2年的预警模型。研究显示,引入非财务指标后的财务危机预警模型在一定程度上提高了预测准确率。     

利用EVA进行企业财务危机预警实证分析

利用EVA指标在财务危机预警过程中优于传统财务危机预警指标的特点。尝试将这一指标应用到上市公司财务危机预警中。本文选取在特定年份发生财务危机的上市公司40家。按其财务危机发生的严重程度不同分为2组：“ST”(其他的“特别处理”)组和“*ST”(“退市风险警”)组。从其发生财务危机的前2年和前3年的数据进行处理和分析。判断上市公司财务危机预警发出信号的年份。得出研究结论。研究表明基于EVA值判断上市公司财务危机发出的信号的准确率明显上升。     

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。     

非财务指标影响上市公司财务危机预测能力的实证研究

对于上市公司财务危机的预测,国内的研究者大多借鉴国外的研究方法,但这些方法却不一定适用于中国的国情。本文通过分析我国财务危机预测领域的研究状况,研究了样本的选取对于研究结果的影响以及非财务指标在预测财务危机预测中的作用,发现非财务指标的引入可以大幅度的提高上市公司财务危机预测的准确程度,特别是在上市公司被ST前的2￣3年会起到良好的预测效果。     

机械设备业上市公司财务危机预警实证分析

本文在对财务危机公司和财务状况正常公司各个财务指标进行观察和总结的基础上,选取了总资产收益率、总资产周转率、总资产增长率、每股净资产、每股收益五个最能反映企业财务危机情况的财务指标来分析企业的财务状况,并且利用主成分分析法对这些指标值进行降维处理,最后通过归纳总结得到企业财务危机预警模型。本文进一步利用该方法对我国机械设备业上市公司作了实证研究,结果表明,该模型的预测准确率达到了90%以上,能有效地预测企业在下一年度是否会发生财务危机。     

我国制造业上市公司财务危机预警研究

文章以制造业上市公司为例,选取2010—2012年首次被ST的公司及其配对公司作为样本,前两年样本用于建模,第三年用于检验,设计从财务和公司治理两个角度出发的财务危机预警指标,并从中筛选出预警能力较强的指标,通过因子分析提取公共因子后构建Logistic回归模型,其回代与预测准确率分别为79.41%和78.57%。     

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.     

基于主成分分析方法的上市公司财务危机预警研究

本文通过配比性原则和对在2010年被ST的上市公司t-2年财务数据进行主成分分析研究,建立模型并确定综合预警值F判定模型是否具有预警性。结果显示,基于主成分分析的方法能较好地作出上市公司财务状况是否将陷入财务危机的预警警示。     

财务欺诈预警系统研究的思考

国内外接连出现的财务造假案件,使投资者对上市公司的财务报告产生质疑并降低了投资信心。如何从源头上杜绝欺诈行为的发生,是摆在管理当局面前的一大难题。本文对我国2004年及2005年在沪深两市上市A股因涉及财务欺诈而被处罚的上市公司的财务数据进行研究,发现欺诈公司与非欺诈公司在财务指标上存着较大的差异:首先,财务欺诈行为在被发现前,公司的盈利指标和偿债指标存在较大异常;其次,财务欺诈公司中有46.2%属于ST公司(理论上把ST公司认定为财务危机公司),这说明财务危机也是导致财务欺诈的主要因素之一。研究结果提供的有效信息值得研究。