基于BP神经网络的上市公司财务困境判别实证研究

本文以ST状况为目标变量的财务困境判别模型表明,对识别企业是否陷入财务困境的最有影响的因素是资产收益率、股东权益比率和净资产收益率增长率指标,并以神经网络技术建立财务困境判别模型,模型评价显示,模型的正确判别率高达90%以上;最后,得出结论和政策建议.当然随着数据环境的改变,必须不断地对其修正和完善,才能适应新的情况.     

基于财务比率调整的上市公司财务困境预测

在考虑中国上市公司财务信息质量特征的基础上，对常用财务比率进行了调整和拓展，并分别以常用财务比率和调整后的财务比率，利用logistic回归建立了预测模型。实证分析结果表明，以调整后财务比率建立预测模型的预测精度。明显高于以常用财务比率建立模型的预测精度。     

上市公司财务困境预测的实证分析新探

本文以中国内地上市公司中ST公司为研究样本,通过配对样本的比较分析,选出了5个财务指标变量建立ST公司被ST前5年的回归模型,通过LPM回归估计出模型的参数,并用预先选取的样本进行超前预测的准确性检验,得到了具有超前5年预测效果的模型组.     

上市公司财务困境预测模型——基于会计信息和公司治理信息的实证研究

以2005年上半年沪深两市中首次被ST的52家公司和52家非ST公司为研究对象,同时利用这些上市公司的会计信息和公司治理信息来构建财务困境预测模型。研究结果表明(:1)公司治理特征对公司陷入财务困境具有显著的影响(;2)公司治理信息不能为财务信息所覆盖。这一方面说明,公司治理结构对公司的财务安全具有重要的影响,因此当前应进一步完善公司治理结构;另一方面也说明今后在研究和构建财务困境预测模型的时候,不仅要考虑会计信息,还应考虑公司治理信息等,以构建出更为有效的预测模型。     

上市公司财务困境预测的实证研究

基于财务困境预测概念的模糊性和评价指标的不相容性,在模糊物元分析的基础上,将熵值理论、模糊集和贴近度相结合,建立基于熵权与专家打分法所获组合权重的模糊物元模型来预测上市公司的财务困境,并以*ST夏新为例进行实证研究。研究结果表明,运用模糊物元模型预测上市公司的财务困境,其方法是可行的,它为上市公司的财务困境预测提供了一种新方法。     

上市公司解除财务困境影响因素的实证分析

选取沪深两市A股2002～2007年度44家成功解除财务困境的上市公司为研究样本，采用了参数检验与非参数检验相结合的方法，考察上市公司成功解除财务困境的影响因素。研究表明，盈利能力、总资产营运能力、公司规模大小对公司解除财务困境具有正面的影响作用，而财务杠杆的选择对公司解除财务困境的影响并不显著，但是高杠杆公司的主营业务增长率较之于低杠杆公司平均要高4％，在不考虑经济困境的影响后，高财务杠杆对财务困境公司业绩存在一定促进作用.     

基于改进型神经网络的财务预警实证研究

传统的神经网络财务预警模型存在缺陷,无法解释变量间的因果关系,使训练时间增加、训练精度下降。改进后的神经网络预警模型运用了统计方法、神经网络、粗糙集和模糊技术,能够得到优于传统神经网络模型的预测结果,弥补了传统神经网络模型解释性差的缺陷,实证研究结果也证实了该模型的有效性。     

基于模糊物元的上市公司财务困境预测的实证研究

基于财务困境预测概念的模糊性和评价指标的不相容性,在模糊物元分析的基础上,将熵值理论与模糊集和贴近度相结合,建立了基于熵权与专家打分法所获权重的组合权重的模糊物元模型预测上市公司的财务困境,并以＊ST夏新为例进行实证研究,研究结果表明,运用模糊物元模型预测上市公司的财务困境,其方法是可行的,为上市公司的财务困境预测提供了一种新方法。     

基于logit模型的上市公司财务困境预警分析

本文首先介绍了当前国内外学者对财务预警模型的研究状况,在此基础上选择利用Logit模型作为本文所要研究的财务困境预警模型,并选取企业的各项财务指标和非财务指标。本文利用2013年~2015年上市公司的年度财务指标,根据是否为ST公司进行划分,构造虚拟变量,运用计量经济学Eviews软件分别对所选数据进行多元共线性分析和Logit回归分析。研究表明,从短期来看,利用Logit回归模型对上市公司财务困境的预测性较为准确。     

财务困境质与量的二维分析——基于资金运动视角

财务困境本质是财务困境相关研究的基础,但对此理论界重视不够,受此影响造成部分研究领域研究进展缓慢,部分研究结论的理论解释能力和实践指导作用受到局限.鉴于此,本文在对现有研究进行梳理、分析的基础上,从质和量两个方面对财务困境的本质进行了探讨,认为财务困境本质上应为资金运动失衡、资金供给不能满足约束性资金需要.     

基于BP神经网络的制造业上市公司财务预警

采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型。其研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据。     

我国上市公司管理层持股财务绩效的实证研究

上市公司管理层持股是否带来了治理结构的明显纳?关键在于分析其财务绩效的变化.本文以管父理层持股与管理层收购的共性为前提,以深、沪两市中具有代表性的上市公司为样本,采用合成数据截面回归模型,实证研究我国上市公司管理层持股对财务绩效的影响.从总体上看,我国上市公司实行管理层持股及收购对公司各相关财务指标的影响非常微弱,其影响因子不到0.1%.从局部比较而言,实行管理层持股或收购对我国上市公司股东利益的保护相对于公司利润的增长较强.     

上市公司使用金融衍生产品动机的实证研究

对中国上市公司的实证研究表明：公司规模越大,越倾向于使用金融衍生产品。大公司更加愿意使用衍生产品的原因主要在于规模效应,其具有信息和成本方面的规模经济。目前阶段中国上市公司使用衍生产品还处于初级阶段,公司使用衍生产品进行套期保值的数量和程度都不高,并且操作水平或风险控制存在问题,经常遭遇重大损失,多数公司还没有意识和能力进行有效的风险管理活动,因此西方财务理论的相关结论在目前中国并不成立。     

BP人工神经网络:金融风险预警新视角

突破传统的风险预警模式，本运用改进的BP神经网络方法建立中国金融风险预警模型，对中国金融风险的现状进行了定量分析，得出初步结论：中国金融运行于高风险区间。     

公司治理结构与财务困境相关性探究

公司治理结构特征是探究企业陷入财务困境原因不可忽略的重要范畴。对来自中国上市公司的最新数据研究表明,股权集中度和高管薪酬两个因素与企业陷入财务困境的可能性显著负相关,较高的第一大股东持股比例和管理层待遇有助于企业避免陷入财务困境。这种结果体现了中国转型经济背景下企业在公司治理和财务管理衔接上的特殊性。企业应该重视并构建符合自身的公司治理结构以有效规避财务困境。     

公司治理结构与财务困境相关性探究

公司治理结构特征是探究企业陷入财务困境原因不可忽略的方面。通过对来自中国上市公司的最新数据研究表明,股权集中度和高管薪酬两个因素与企业陷入财务困境的可能性显著负相关,较高的第一大股东持股比例和管理层待遇有助于企业避免陷入财务困境。这种结果体现了中国转型经济背景下企业在公司治理和财务管理衔接上的特殊性。企业应该重视并构建符合自身的公司治理结构,以有效规避财务困境。     

我国上市公司融资行为实证研究

本文论述了上市公司规模和行业差异对其融资行为的影响.本文论点主要建立在对西方融资偏好次序这种基于信息不对称的理论的检验之上,在对深圳交易所所有上市公司随机抽样而得到的样本公司运用了多因素方差分析模型进行了实证研究的基础上得到以下结论:(1)公司规模差异影响公司负债融资决策;(2)公司的行业差异影响公司自我融资政策.