数据挖掘在上市公司财务危机预警中的应用

本文通过对2007-2009年沪深两市新增58家ST上市公司被ST前三年的财务数据及58家配对非ST上市公司财务数据应用因子分析法消除冗余后,依次建立logistic回归模型、C5.0决策树模型和BP神经网络模型,在此基础上分析了模型异同之处,提出了选择模型的方法。     

数据挖掘在上市公司财务危机预警中的应用

本文通过对2007-2009年沪深两市新增58家ST上市公司被ST前三年的财务数据及58家配对非ST上市公司财务数据应用因子分析法消除冗余后,依次建立logistic回归模型、C5.0决策树模型和BP神经网络模型,在此基础上分析了模型异同之处,提出了选择模型的方法.     

上市公司财务危机预警研究

基于2003-2005年ST股票和相应的非ST配对股票的样本数据,本文选择包括衡量盈利能力、偿债能力和营运能力的共10个财务指标进行实证分析并建立相应的财务预警模型。实证结果表明,净资产收益率解释变量几乎涵盖其他变量的所有信息,以净资产收益率为解释变量的模型具有最好的判别效果。     

基于Logistic回归模型的上市公司财务预警实证研究

本文采用实证研究的方法,以我国A股市场2009年因财务原因新被ST的43家上市公司以及与其行业、资产规模相当的43家非ST的上市公司的财务数据为基础,对财务指标进行差异T检验选出预警指标变量,并据预警指标变量基于Logistic回归分析的方法,构建了财务预警的模型,得出回判的正确率是较高的。最后为了进一步检验模型的预测能力,从A股市场中随机抽取200家上市公司(不包括已在模型中使用的上市公司)2004-2008年连续五年的财务数据代入预警模型进行预测,结果可以看到模型的预警能力是很高的,回判率达到近87%,结果比较令人满意。     

上市公司财务危机预警模型的实证分析

我国实行"特别处理"规定以来,每年总会有一些企业由于财务状况异常被证监会予以特别处理(ST或*ST),这不仅危及企业自身的生存和发展,也会给其他利益相关者造成严重的损失.因此,本文运用Logistic回归法构建企业财务危机预警模型,以期能够帮助上市公司预防财务危机的发生.     

我国上市公司财务危机预警模型的实证研究

本文以我国上市公司指标为研究对象,以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本,选取了6个变量指标,通过单变量模型,一元判定模型,Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测,误差大,预测能力差,而Fisher模型和logistic模型从多变量进行预测,预测能力明显比单变量强,其中logistic模型预测能力最强。     

综合类上市公司财务危机预警模型初探

以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前（t-2）年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达89．29％。     

基于BP神经网络的上市公司财务危机预警研究

本文将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,以2007年度沪市近三年首次被ST的非金融类上市公司和配对公司为研究对象,选取了2005年度80家上市公司作为建模的训练样本,并使用同期22家公司作为检验样本,分别建立了Logistic回归模型和BP神经网络模型,进行财务预警模型的实证研究。     

基于BP神经网络的上市公司财务危机预警研究

本文将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,以2007年度沪市近三年首次被ST的非金融类上市公司和配对公司为研究对象,选取了2005年度80家上市公司作为建模的训练样本,并使用同期22家公司作为检验样本,分别建立了Logistic回归模型和BP神经网络模型,进行财务预警模型的实证研究。     

浅析基于现金流量的上市公司财务危机预警

<正>一、基于现金流量建立财务危机预警系统的必要性企业财务困境不仅是市场经济中的普遍现象,也是一个世界性的问题。上市公司存在的经营业绩危机及其所引发的潜在市场风险不容忽视。目前我国财务危机预警指标大多以基本的资产负债表和损益表中的财务比率为依据,但受财务信息失真影响,传统的财务危机预警的各个指标在经过各种人为因素调整之后,传统财务理论中的持续经营假设逐渐松动,企业面临的不确定性日益增大,企业因财务危机导致经营陷入困境甚至宣告破产的例子更是屡见不鲜。因此,寻找新的预警指标,     

上市公司财务危机预警的实证研究

我国企业必须建立财务预警系统,以此帮助企业地预测、防范财务危机。本文选取了我国沪两市上市公司2008-2009年的80家ST公司和845家非ST公司作为研究样本,以2006--2007年的财务指标作为模型研究的变量,对上市公司财务危机进行预警研究。本文选择了8个财务指标作为建立模型的变量,然后采用统计中的贝叶斯判别分析方法,建立了上市公司财务危机的判别分析识别模型,模型预测效果良好,具有实际应用价值。     

化工类上市公司财务危机预警探讨

本文主要针对化工类上市公司,从介绍财务危机预警的涵义出发,简要介绍其研究现状和基本方法,并针对财务危机预警研究中存在的问题进行主要探讨,最后提出了一些改进性建议。     

我国上市公司财务危机预警问题研究

文章根据我国上市财务危机必要性进行分析,提出财务危机预警分析的方法,帮助上市公司解决在经营生产过程中遇到的财务危机.     

上市公司财务危机预警模型构建研究

为构建财务危机的预警模型,本文以我国证券市场制造业ST公司作为研究样本,选取2011-2015年40个ST公司和非ST公司作为建模样本,并从偿债能力、营运能力、发展能力、获取现金流能力以及营运能力5个方面选取了27个财务指标,先对其进行描述性分析,其次通过相关性分析,从中选取显著性强的6个财务指标作为模型变量进入回归,构建logistics模型并选取了10家ST公司和10家非ST公司结果对模型进行检验,结果证明该模型预测精度较好.     

基于DeepSurv和IML的上市公司财务危机预警研究

本文基于2019～2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明：（1）公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;（2）Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。     

上市公司财务危机预警Logistic模型实证分析

以我国A股上市公司为研究对象,选择2007年的ST公司和非ST公司共60家作为样本。运用统计方法,选取20个财务指标进行因子分子,建立Logistic模型。实证研究表明该模型具有较高的判别准确率,可以为投资者、债权人和管理者提供判别依据。     

上市公司财务危机动态预警模型研究综述

公司财务危机预警系统的研究是一个非常重要的课题,被广泛关注。现在也有很多对于财务危机预警系统的研究,但是大多数采用的是静态分析,忽视了财务危机的发生是一个持续动态的过程,因此,建立动态的财务危机预警系统是非常有必要且很有意义的。本文在分析研究国内外关于财务危机动态预警相关研究的基础之上,对财务危机的动态预警模型的研究现状进行综述,探讨财务危机动态预警研究的发展趋势。     

现金流对我国上市公司财务危机的影响实证分析

伴随着近年来我国适度从紧的货币政策和出口形势的恶化,越来越多的企业因现金流短缺而导致企业财务状况恶化。选取了在2006年度和2007年度新增被特别处理特别处理的93家上市公司,并选取相关样本与其配比,通过建立以现金流为基础的回归模型进行实证分析,发现ST企业在陷入财务危机前投资活动净现金流量与其盈利能力负相关,投资活动产生的现金流量占现金流量的主要地位。这表明ST企业陷入财务危机可能与其盲目投资有关,同时提醒更多的企业更多关注主营业务,提高经营现金流量。     

对国有上市公司财务危机预警模型构建探讨

国有上市公司占据我国经济发展的主要地位,但是由于其受到政府的干涉和所承担的社会责任的影响,使得国有上市公司缺乏治理,市场竞争力越来越弱,给国有上市公司的发展带来了不利的影响.本文对国有上市公司财务危机进行了深入的分析,并对其财务危机预警模型构建进行了深入的探讨,提出了财务危机预警模型.