财务危机预警工具:基于EVA的BP神经网络模型

本文以2003～2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究。实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度。     

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。     

借助遗传神经网络开展上市公司财务危机预警

本文将遗传算法与BP神经网络结合起来,对我国制造业上市公司进行实证分析,结果发现遗传神经网络预测准确度达到91.67%,高于Logistic回归模型的76.67%和BP神经网络预测模型的88.33%,是一种准确度更高、性能更优的预警模型。     

基于优化BP神经网络模型的上市公司财务危机预警

利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性和提高网络预测速度及精度,采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行最优化,缩短网络训练时间,提高了网络的预测精度。实证研究显示,优化模型的财务危机预测精度高于传统BP神经网络模型的预测精度。     

化工类上市公司财务危机预警研究——基于BP人工神经网络模型

文章结合我国化工行业特点,将传统的财务指标与现金流量信息相结合,构建一个包含偿债能力、盈利能力、营运能力、发展能力及现金流量的预警指标体系。以沪深两市上市的化工类公司为样本,并采用陷入财务危机前四年的数据,进行BP神经网络系统分析,提高模型的纵向长期预测能力。实证结果表明:将化工业的复杂性与人工神经网络分析的广泛适用性进行有效结合,实行多时段预警,充分展示了神经网络模型的超前预测能力,具有较强的优越性。     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

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.     

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。     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确。     

基于学习向量量化LVQ神经网络的财务危机预警研究

应用学习向量量化LVQ神经网络方法,以近期14个数据作为财务危机预警建模样本和测试样本,建立了财务危机的顸警模型,经过对样本的反复训练和学习,得到了较好的预测结果。研究结果表明：LVQ神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用性和较高的推广价值。     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。     

基于BP神经网络的财务预警方法探究

财务危机一直是困扰企业的一个痼疾，实务界和理论界也一直在寻找一种科学简便的方法来对财务进行预警。基于此，本文从财务预警的基本内涵出发，描述影响企业财务状态的渚因素，阐述了人工神经网络应用于财务预警的理论依据和基本构想，建立了财务预警的反向误差传播（back-propagation，BP）模型，提出了基于该模型的财务预警框架．以期对财务预警提供参考。     

财务危机预警工具:基于EVA的BP神经网络模型

本文以2003-2005年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合EVA指标的财务危机预警模型,并进行了实证研究.实证结果表明:整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度.     

BP神经网络在哈尔滨房地产市场预警体系中的应用

本文BP将人工神经网络的方法运用到房地产市场预警体系中,根据哈尔滨市房地产市场的运行状况紧密结合MATLAB7．1神经网络工具箱函数分析出警兆指标和房地产市场警情变化之间的关系。实证分析结果表明。人工神经网络方法在建立房地产宅市场预警体系预测市场警情的应用中是有效可行的。     

财务危机预警方法的综合分析与评价

随着证券市场的发展,对企业财务危机预警显得更为重要,方法层出不穷。本文先简谈方法的共同点,然后主要评价各个财务预警方法的优缺点,给决策者提供一定的结论与建议。     

上市公司财务危机预警模型中变量体系的设计

本文以奥特马的Z分数模式和国内学者提出的预测模型为基础,以我国企业资料为依据,利用SPSS统计软件,采取显著性检验和相关性检验的方法筛选预警变量指标,对财务预警模型中的变量体系进行了设计。     

财务危机预警分析

在经济全球化时代,企业竞争日益激烈,企业所面临财务危机的可能性与日俱增。针对这种情况,笔者通过对经营战略、财务特征、经营者行为三个方面的分析,来寻找企业可能发生财务危机的征兆,并借鉴国内外企业预警管理理论和方法,提出采用定量和定性分析相结合的方式,建立比较适合目前企业的财务危机分析模型,以有效地防范和化解财务危机。     

上市公司财务危机预警模型中变量体系的设计

本文以奥特马的Z分数模式和国内学者提出的预测模型为基础,以我国企业资料为依据,利用SPSS统计软件,采取显著性检验和相关性检验的方法筛选预警变量指标,对财务预警模型中的变量体系进行了设计.     

BP神经网络在生理信号异常预警中的运用

基于阈值的报警和通过设置生理参数正常值范围实现报警都是基于生理信号的普遍性来讲的,并不能突出个人的身体特征.本文利用BP神经网络实现生理信号异常预警,细微学习个人生理信号参数,在普遍的基础上更突出个人身体特征.实验仿真结果表明,利用BP神经网络可以实现生理信号异常的预警.