基于离散Hopfield网络的上市公司财务困境预警研究北大核心CSSCI

上市公司陷入财务困境直接影响投资者收益、管理者决策和股东利益,建立行之有效的财务困境评价模型已成为学术界关注的焦点。文章在阐述模型和构建指标体系的基础上,提出基于离散Hopfield网络模型开展上市公司财务困境评价的步骤,以2013-2015年沪深A股被实施ST的上市公司为实证样本,进行财务困境预警实证研究和稳健性检验。实证结果表明,本模型至少可以提前1年对ST上市公司的财务困境实现全面预警,可以提前6个季度对92%的ST上市公司进行有效预警,故适用于财务困境预警研究且具有稳健性。     

基于Logistic分析的我国上市公司财务预警区域研究——以北京、上海、江苏为例

针对目前国内财务预警研究忽视区域因素对建模的影响,文章以北京、上海和江苏2004-2005年被ST的所有上市公司为样本,运用SPSS13.0统计分析软件,对三省市上市公司分区域、分行业进行了财务预警研究,分别建立了三省市上市公司的Logistic财务预警模型,预警识别率分别达到了100%、92.9%、100%,实证研究结果表明分区域建立的企业财务预警模型具有较高的判别准确率,有较高的研究     

基于数据挖掘的上市公司财务困境预警研究

以2007年被ST的30家上市公司和配对产生的30家正常经营上市公司为样本，以它们2002-2004年的财务指标为样本数据，运用基于数据挖掘的BP神经网络方法构建了上市公司财务困境预警模型。经实证表明，该模型具有良好的预测效果，研究结论对上市公司、投资者和债权人采取有效措施防范风险具有重要借鉴意义。     

制造业上市公司财务预警研究

文章选取我国制造业2014年4月沪深股市的61家ST公司和61家非ST公司为研究样本,运用熵权法,筛选出10个包含信息量多,并能准确预警的指标,通过这10个指标建立"因子分析"模型进行定量分析,得到财务危机预警函数(即为ST与非ST的判别函数),最后将测试组中60家公司的数据回代到预警函数中检验其判别率,判别率达到81.67%,具有较高的的判别正确率,说明文章建立的财务预警系统对于上市公司财务危机的预测与防范起到一定的作用。     

我国上市公司财务预警系统应用研究

在激烈的市场竞争中,企业随时都有发生财务危机的可能,财务危机不仅给企业本身带来困境,而且会给投资者带来损失.本文通过对上市公司财务预警系统应用的研究,利用有关模型对我国的上市公司进行实证检验,一方面希望能够加深人们对上市公司财务预警的认识,另一方面希望对企业管理当局分析与监控企业财务危机有所帮助,从而防患于未然.     

我国上市公司财务预警系统应用研究

在激烈的市场竞争中,企业随时都有发生财务危机的可能,财务危机不仅给企业本身带来困境,而且会给投资者带来损失。本文通过对上市公司财务预警系统应用的研究,利用有关模型对我国的上市公司进行实证检验,一方面希望能够加深人们对上市公司财务预警的认识,另一方面希望对企业管理当局分析与监控企业财务危机有所帮助,从而防患于未然。     

我国房地产上市公司财务预警研究

文章主要通过建立适合于我国房地产上市公司的财务预警模型来研究房地产企业的财务风险.首先,对财务预警模型的解释变量进行筛选,以我国1998—2010年房地产上市公司为研究对象,选取了48家ST公司和48家财务正常公司为样本,对入选解释变量进行了逐步筛选;其次,对于构建的3个Logistic模型进行分析比较,选取预测率较高的模型;最后,对获得的预警模型进行有效性分析,基于样本公司从前一年至前四年的财务数据进行返回预测检验,表明该模型预测的总准确率分别为:93.8%、89.6%、73.4%、65.6%.     

Z分模型在财务预警中的实用性分析——基于中国资本市场的经验证据

文章应用Z分模型以中国沪深两市2010年底全部72家*ST公司作为研究样本进行了静态和动态的分析.结果表明,Z分模型对中国上市公司具有较强的预测能力,但应调低Z值判断标准.即如果上市公司Z值低于0.9,且伴随着下降的趋势,则处于严重的财务困境之中,并将面临退市警告,公司很可能会在将来一段时间被实行*ST.     

我国农业上市公司财务预警模型效果的比较研究

文章基于2003—2005年我国沪深两市农业上市公司的样本数据,比较了单变量预警分析、Z计分模型、Zeta模型、修正的F模型以及分数模型对我国农业板块上市公司的财务预警效果。结果表明,后三者的预测准确率明显较高,并且越接近被ST年份其预测准确率总体上越高,其中加入行业修正值及现金流量指标的分数模型的预测准确性在各时点均最高。文章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,最后得出结论并指明后续研究方向。     

我国农业上市公司财务预警模型效果的比较研究

文章基于2003—2005年我国沪深两市农业上市公司的样本数据,比较了单变量预警分析、Z计分模型、Zeta模型、修正的F模型以及分数模型对我国农业板块上市公司的财务预警效果。结果表明,后三者的预测准确率明显较高,并且越接近被ST年份其预测准确率总体上越高,其中加入行业修正值及现金流量指标的分数模型的预测准确性在各时点均最高。文章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,最后得出结论并指明后续研究方向。     

基于数据挖掘的上市公司财务舞弊识别研究

国内上市公司财务舞弊呈恶性发展之势,要推进证券市场的预警与监管,对上市公司财务舞弊行为的识别就变得意义重大。以148个财务舞弊上市公司和配对的非舞弊上市公司为样本,运用神经网络建立了上市公司财务舞弊识别模型。此模型对训练样本和测试样本的识别正确率分别达到74.58%和70%,能有效的识别出上市公司财务舞弊与否。结果表明,该模型可以用于上市公司财务舞弊行为识别,对有舞弊动机的上市公司起到威慑作用。     

基于面板数据的我国制造业上市公司财务危机预警研究

以制造业上市公司为研究对象,基于Panel logit模型理论,考虑财务比率在时间序列上的趋势性和历史数据对结果的影响,构建了财务危机预警模型,分析了上市公司陷入财务危机的影响因素。实证结果表明:偿债因子、盈利因子、营运因子、资本运用因子和资本结构因子均与上市公司陷入财务危机负相关。     

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。     

基于PCA-k-means和PSO-SVM的AI上市公司财务预警

通过探索影响人工智能上市公司市值增长率的财务指标,建立融合主成分分析(PCA)和k-means的PCA-k-means模型,并将指标归类为盈利、效率、负债、成长因子.围绕ST公司和非ST公司的分类建立融合粒子群算法和支持向量机(PSO-SVM)模型,为财务预警工作提供支撑.实验选取了2019年人工智能行业42家非ST公司和8家ST公司的数据.结果表明,营运能力是人工智能上市公司最核心的成长能力,市场投资不仅关注短期利润更注重长期回报,行业投资趋于理性和稳健.     

我国制造业上市公司财务危机预警实证研究

本文选取沪深两市A股制造业行业的上市公司作为研究对象,在传统财务预警指标基础上,引入公司治理结构、股权结构以及审计意见等非财务预警指标,采用因子分析和Logistic回归建立公司陷入财务危机前两年的财务危机预警模型。实证结果表明,加入审计意见指标建立的综合财务危机预警模型可以提高财务危机预警精度。     

基于遗传算法优化BP神经网络的企业营销风险预警研究

为了克服现有研究的缺限,文章提出了一个基于遗传算法优化BP神经网络的企业营销风险预警模型.首先阐明了BP神经网络和遗传算法应用于企业营销风险预警的可行性,然后构建了基于遗传算法优化BP神经网络的企业营销风险预警模型,接着通过某企业实例对模型进行了训练和测试.结果表明,该模型可以有效及时地对企业面临的营销风险做出预警.     

基于神经网络模型的上市公司财务预警研究

为了对上市公司财务状况进行合理预测,利用神经网络模型进行企业财务预警研究。首先,运用主成分分析等统计方法对初选的财务指标进行筛选,从初始指标中提取了五个因子作为财务预警指标;然后,选取2010至2013年间首次被特殊处理的上市公司作为财务危机样本企业,构建的财务预警模型提前三年的预测准确度近似于90%。研究结果表明,神经网络模型对我国上市公司财务状况预测具有较高的准确度,并且对预警指标进行适当的预处理,会提高模型预测的准确率。     

基于会计信息的上市公司财务风险及其预警研究

本文从投资者应对上市公司会计报告这个角度对上市公司的财务风险进行了分析,首先从会计信息和投资风险的内在联系进行了阐述,在对财务失败和财务失真两方面的风险进行理论界定和对其具体内容进行研究的基础上,对综合财务风险预警问题进行了探索。