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.     

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。     

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BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性。借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系。对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

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BP神经网络的安徽省物流需求预测研究

利用BP神经网络构建安徽省物流需求预测模型,在初步确定了预测模型的输入指标和输出指标后,通过灰关联分析,验证了两者之间的强关联性.借助MATLAB7.0软件实现了神经网络预测模型的建立,该模型揭示了输入指标与物流需求量指标之间的非线性映射关系.对训练好的网络进行仿真预测,预测精度较高,说明基于BP神经网络的物流需求预测模型是有效的.     

财务困境预测模型综述

财务困境预测一直是财务界的研究热点.文章梳理了相关财务困境预测模型的发展脉络,对传统的和现代的财务困境预测模型进行了系统的评述,并对未来财务困境预测的研究作了展望.     

ARIMA模型与BP神经网络模型的比较研究——基于供电企业电费现金流入预测

文章基于供电企业对电费现金流入预测的现实需要,分别建立了基于时间序列的ARIMA模型和BP神经网络预测模型,并对两种预测方法进行了对比分析,最终确定了以ARIMA模型为主、BP神经网络为辅的综合预测手段,有效地提高了电费现金流的预测精度,增强了供电企业的现金流管理水平。     

基于BP神经网络的军事物流定单预测方法研究

选择BP神经网络作为军事物流定单的预测工具,从模型输入层、模型输出层、数据预处理三个方面建立了军事物流定单预测模型,并利用MATLAB的神经网络图形用户接口GUI进行BP神经网络的训练和检验,最后给出了应用方法,并说明注意事项。     

上市公司财务危机预警“Z”值区域研究与分析

本文以上市公司作为研究对象,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,利用奥特曼的Z记分模型作多元判别分析,测试符合我国上市公司实际情况的Z值,并将其作为我国上市公司财务危机预警的指标值。实证结果显示,采用多元判别分析可以得到判别财务危机公司与非财务危机公司的Z值区域,并且可以保证较高的判别精确度。同时也发现,相对于主营业务收入指标,现金流量指标为更好的警兆指标。     

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。     

The dynamic financial distress prediction method of EBW-VSTW-SVM

Financial distress prediction (FDP) takes important role in corporate financial risk management. Most of former researches in this field tried to construct effective static FDP (SFDP) models that are difficult to be embedded into enterprise information systems, because they are based on horizontal data-sets collected outside the modelling enterprise by defining the financial distress as the absolute conditions such as bankruptcy or insolvency. This paper attempts to propose an approach for dynamic evaluation and prediction of financial distress based on the entropy-based weighting (EBW), the support vector machine (SVM) and an enterprise’s vertical sliding time window (VSTW). The dynamic FDP (DFDP) method is named EBW-VSTW-SVM, which keeps updating the FDP model dynamically with time goes on and only needs the historic financial data of the modelling enterprise itself and thus is easier to be embedded into enterprise information systems. The DFDP method of EBW-VSTW-SVM consists of four steps, namely evaluation of vertical relative financial distress (VRFD) based on EBW, construction of training data-set for DFDP modelling according to VSTW, training of DFDP model based on SVM and DFDP for the future time point. We carry out case studies for two listed pharmaceutical companies and experimental analysis for some other companies to simulate the sliding of enterprise vertical time window. The results indicated that the proposed approach was feasible and efficient to help managers improve corporate financial management.     

基于Logistic模型的物流业上市公司财务预警

从物流业104家A股上市公司中选取了60家上市公司作为样本,分别用提取主成分构建逻辑回归模型和原指标构建逻辑回归模型的方法进行财务预警研究,得出了以下结论:用聚类分析方法判断上司公司是否处于财务困境能减少误差且更具有现实意义,方便投资者做出投资决策;主成分构建的逻辑回归模型和原指标构建的逻辑回归模型预测效果并无显著差异,构建的Logistic模型预测正确性都在80%左右,预测效果良好;在以后研究物流业上市公司财务预警时,必须考虑选取主营业务收入增长率、流动资产周转率、现金债务总额比和现金流量比率四个财务指标。     

RBF神经网络在基本建设投资预测中的应用

采用了径向基函数网络，在对原始数据进行平滑处理的基础上学习与训练，并应用于基本建设投资预测的实践当中。模拟结果表明，实际预测中效果较为理想，从而为基本建设投资的预测提供了一种新的方法和理论依据。     

Financial distress prediction based on SVM and MDA methods: the case of Chinese listed companies

How to accurately predict financial distress is an important issue for enterprise managers, investors, creditors and supervisors. In this paper we develop SVM models (Support Vector Machine) and MDA (Multivariate Discriminant Analysis) models, using Chinese listed companies as our sample. The empirical results show that the prediction ability of SVM models outperforms the MDA models. Additionally, internal governance and external market variables, as well as macroeconomic variables are added as the predictive variables. The results indicate that these variables have theoretical and empirical linkage with the financial distress of Chinese listed companies.     

Logistic-BP神经网络的变权组合模型在公司信用评级中的应用

对公司建立信用评价模型,以便及早发现信用危机信号,不仅有利于公司的经营管理,也有利于投资人的投资决策。采用logistic回归模型和BP神经网络相结合的变权组合评价方法,试图寻找出降低公司信用风险的有效措施。试验结果表明,变权组合预测模型不仅有较高的预测精度,同时也有较好的稳定性,变权组合模型优于单一模型。     

上市公司财务困境的回归预测

在合理选择财务指标的基础上,利用因子分析计算个体综合因子得分,并在综合因子得分与财务指标之间建立回归预测模型;最后,择取2003年“财务状况异常”的上市公司来检验模型的合理性,证明了模型对陷入财务困境的公司有较高的预测准确性。判断财务困境的回归模型引入和其较方便的操作性,可以使证券市场及时发现财务失败公司,市场监管者可以减少公司违规、违法的监督成本,证券投资者可以缩小择股范围、加大投资的准确性。同时,通过上市来融资的股份公司也可以利用其预警作用,提前采取对策,防止出现因财务进一步恶化而被退市的命运。     

非财务信息与财务危机预警——来自我国上市公司的证据

本文从我国上市公司中,选取30家财务危机公司,与30家财务健康公司作为样本。首先对两组公司的13个财务变量,进行均值的t检验和Wilcoxon秩检验。选择合适的财务变量集,再将此财务变量集分别与董事会高管人员持股比例、股权集中度、股票价格变动趋势,及是否更换会计师事务所等,四个非财务变量一起作为解释变量,建立Logistic回归模型。实证研究结果表明,股票价格变动趋势与财务危机风险显著相关,加入非财务变量的预测模型效果更优。     

基于AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。