组合预测在上市公司财务预警中的应用

在Logistic模型和BP神经网络两种单一预测模型的基础上,将Logistic模型输出的违约概率引入到BP神经网络中,从而构建一种非线性组合预测模型,并将其应用于上市公司财务预警.实证结果表明,该组合预测模型能有效提高预测精度.具有良好的应用前景.     

基于现金流量的房地产上市公司财务预警

对于房地产行业来说,现金流量的状况极大地影响着公司财务风险的大小,基于现金流量的财务预警研究对房地产行业有着重大意义。本文最初选择了反映房地产上市公司现金流量状况的21个财务指标,后经过层层筛选优化,最终基于每股经营活动现金净流量等3个指标建立了Logistic回归财务预警模型。从研究样本组财务危机发生前1年的模型判断结果来看,判断准确率高达83.3%,误判率16.7%;从预测样本组财务状况预测结果来看,模型判断准确性为85.8%,预测效果较理想。     

房地产上市公司Logistic预警模型研究

目前,从整个房地产市场来看,随着房贷新政的作用延续,开发商的融资渠道压缩。投资者纷纷立场,购房者购房趋于理性。开发商受资金链压力,建立预警管理体系可提升企业的反应能力。因此,基于我国房地产行业背景,建立针对房地产企业的财务预警系统,非常具有现实意义。论文以我国61家上市房地产公司为研究样本,其中主要包含A股企业以及少部分的B股企业。并根据是否为ST公司分为正常和危机公司两类,基于主成分分析法和Logistic回归分析,利用SPSS经济统计软件,对各上市公司的财务指标数据进行分析来构造财务预警模型,最后再对构建的预警模型进行回判和最优度拟合检验,估计模型预警效果。     

上市公司财务预警研究——基于新疆的数据分析

财务危机预警是防范财务危机发生的重要手段。本文2009年对新疆上市公司财务状况进行了实证研究。结果发现:上市公司盈利能力、成长能力、营运能力、偿债及资本结构指标。越好,发生财务困境可能性越小;反之则越大。     

汽车行业上市公司财务预警的实证分析

本文通过以汽车、汽配行业上市公司为样本的实证分析，对财务风险预警模型的实用性及有效性进行了验证。     

Z-score财务预警模型在上市公司应用的实证研究

市场经济下的企业,作为一个经济实体,一旦成立就面临残酷的市场竞争并始终处于生存、发展、危机和破产的矛盾之中。每一个企业在其经营中,随时都必须考虑财务风险,因此,财务危机预测己经成为企业财务管理的重要内容。文章中的实证研究采用了Altman于2000年修正的Z-score模型(即Z3模型)作为研究工具,分别选取了20家非ST公司和20家ST公司作为研究样本。研究发现:Z3模型在判别我国上市公司运营状况时有一定偏差,主要因为我国上市公司Z值偏低,使原临界值明显偏高;假设检验的结果更加证明了这一结论,同时提出了适用于我国的新临界值。     

Z计分模型在房地产上市公司财务预警中适用性检验

本文对Z计分模型在房地产上市公司财务预警中的适用性进行检验。结果发现:Z计分模型对财务风险具有一定的适用性,检验发现上市房地产企业中,Z值普遍偏低,主要是国情、行业和财务困境界定等方面与Z模型建立时有差异。建议上市房地产企业进行Z计分模型财务预警时应适当调低Z临界值。     

我国农业上市公司的财务预警实证研究

本文选取农业板块上市公司作为实证研究对象,探讨具体行业财务预警分析的必要性;基于沪深两市农业上市公司的样本数据,比较了单变量分析、Z模型、Zeta模型、F模型以及F'分数模型的财务预警效果.结果表明,后三者的预测准确率明显较高,并且加入行业修正值及现金流量指标的F'分数模型的预测准确性在各时点均为最高.本文的实证结果提示了关注财务预警分析的行业差异性并进行更多深入的具体行业分析的必要性,并指明了后续研究方向.     

制造业上市公司财务预警研究

本文以2006年深沪两市新增制造业ST上市公司为研究样本,同时选取相应的制造业盈利公司配对,通过定量和定性分析建立预警指标体系,运用fisher二类线性判别法建立财务预警模型,对制造业上市公司财务预警进行了分析,以期为上市公司财务预警分析提供参考。     

遗传算法优化上市公司财务预警的实证研究

<正>一引言企业进行预测、防范、控制和处理财务危机,迫切需要建立一个有效的财务困境预测系统,以便对公司的未来财务状况进行分析和预测,及时将企业财务困境扼杀在萌芽状态。本文针对我国目前上市公司的具体情况,利用我国上市公司近几年的数据资料,分别采用BP神经网络和遗传算法优化BP神经网络的方法,构建了基于财务指标和引入非财务信息的财务危机预警模型,旨在财务危机模型系统的实证研究方法上有所创新,提高模型预测的准确度和建模速度,同时扩大模型的适用性。     

我国上市公司财务预警的实证研究

一、引言 财务失败是指企业无力支付到期债务的经济事项。一般来说，一个企业出现下列情况则被认为是财务失败：破产、债务违约、银行账户透支或者不能支付优先股红利。企业只要存在财务风险就有经营失败的可能性，投资者、债权人也就有可能遭受损失。因而如何利用会计报表数据和数学模型来预测企业财务失败的可能性，并以此来揭示财务风险及采取相应的化解措施就成为包括企业管理当局、股东和债权人在内的利益相关者日益关注的问题。     

财务预警模型在上市公司中的应用

随着我国证券市场和资本市场的快速发展,上市公司的数量日益增长,但发生财务危机进而破产的企业也越来越多.因此,建立财务预警系统对企业的财务运营过程进行跟踪、监控,及早发现财务危机信号,预测企业未来的财务状况,具有非常重要的现实意义.本文主要介绍了国内外有关财务预警系统中模型的研究,并对已有的研究成果进行总结和评述.     

基于BP神经网络的房地产上市公司财务危机预警

本文通过对国内外公司财务危机预警相关文献的梳理,并且结合中国房地产行业的特点,提出了构建基于BP神经网络的我国房地产上市公司的财务危机预警模型。     

上市公司财务预警与股权结构的实证分析

借鉴现有研究成果,以财务理论为基础,选取2003-2007年中国上市公司财务年报较为全面的财务指标,利用模型对所选解释变量进行逐步回归,构建出财务预警模型,通过数据测试来筛选具有解释力的预警指标。建立上市公司财务预警的模型,运用该模型对公司进行了预测,结果表明所设计的预警模式有效。     

上市公司财务风险预警研究

在市场经济环境下,上市公司所处的经营环境发生了重大变化,所面临的风险也越来越多,其中财务风险是其面对的重要风险因素。及时有效地对财务风险进行识别、预警和管控,有助于上市公司提升自身科学化管理水平,对于保障上市公司健康可持续发展具有重要的现实意义。本文围绕上市公司财务风险预警进行了分析,介绍了上市公司财务风险预警的管控体系,并在此基础上提出了强化财务风险预警、提高上市公司财务管理水平的建议措施。     

上市公司财务预警模型分析

本文以四川省上市公司为样本,利用主成分分析法建立了四川省上市公司的财务预警模型,实际检验结果显示该预警模型具有较好的预警效果。     

基于GA-BPNN的上市公司财务预警模型

为了提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，文章应用遗传算法和BP神经网络相结合的混合算法进行改进。通过对深沪两市A股市场74家制造业上市公司样本的实证研究比较。发现混合算法不论对建模样本还是对多期间检验样本，都显示出比传统BP算法更高的预测精度。GA-BPNN算法不仅具有BP算法较强的局部搜索能力，而且也吸收了遗传算法擅长全局寻优的特点，二者的结合可大大提高预测精度。     

我国房地产上市公司财务危机预警研究

我国房地产行业一直以来就是一个高利润行业,这也是很多企业改变自有的主营业务转而进军到房地产行业的主要原因,但同时也使企业认清自己所面临的风险显得更为重要。单从业绩方面来看,我国房地产上市公司在很多财务指标上都还比不上沪深两股市场上上市公司的平均水平,也就是说,房地产行业潜在的财务危机是现实存在的,所以说,对房地产行业的危机进行预测与防范也是必不可少的一项工作。     

上市公司财务预警方法与模型评析

对上市公司财务预警进行研究,通过上市公司财务预警问题研究现状、方法及模型的评析,并针对我国上市公司财务预警的启示提出相关建议,目的是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。     

房地产公司财务预警实证研究——T检验与因子分析法下Logistic模型运用对比

本文通过T检验和因子分析两种方法建立了Logistic财务危机预警模型并进行了对比分析,发现影响房地产企业财务状况的关键因素为净资产收益率、资产负债率和每股经营净现金流量,为控制风险和防范企业财务进一步恶化提供了依据。