基于贝叶斯判别分析的上市公司财务危机预警模型研究

以我国沪市A股上市公司为研究对象,选取2004年和2005年的ST公司和正常的公司各40家作为分析样本,另外各20家作为检验样本,采用9个财务指标进行贝叶斯判别分析。研究结果发现,该方法有较好的预测效果,可以为投资者、债权人和监管机构等提供判别依据。     

基于神经网络模型的上市公司财务危机预警研究

本文使用人工神经网络(ANN)建立财务危机预警模型,用以测试模型预测上市公司发生财务危机的准确率。模型使用的样本包括110家上市公司的财务指标,其中77家公司作为训练集,33家公司作为测试集。在数据挖掘软件Rapidminer 6.1上构建模型,得到神经网络的总体预测准确率为90.91%。研究表明,人工神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,因此是一种非常好的预测财务危机的模型,在企业财务危机预警方面有着很好的应用前景。     

完善我国上市公司财务危机预警措施

现代市场经济环境下,企业随时都可能遭遇财务危机,导致破产失败.财务危机预警能通过记录财务危机曾经发生的缘由、解决措施、处理结果,及时提出改进建议,提供未来类似情况的解决办法,从而从根本上消除隐患.     

构建上市公司财务危机预警指标体系

随着企业之间竟争日渐加剧,经营风险也不断扩大,预测、防范财务危机成为企业多方利益主体所共同关心的问题。企业财务能力系统的建立是财务危机预警指标体系的模板,是避免财务危机的根本手段。财务危机预警指标体系的建立既有助于企业管理者积极应对、防范财务危机的发生,也可以寻找到引发财务危机的深层原因,从而全方位的强化管理能力,提高管理效果,从根本上解决危机事件的来临。     

基于支持向量机的上市公司财务危机预警实证研究

本文以在上海证券交易所和深圳证券交易所挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的2003年至2006年的上市公司财务报表中的相关数据,运用支持向量机模型进行了实证研究。研究表明,在小样本数据条件下,与其他预警模型相比,支持向量机模型在预测上市公司是否会发生财务危机方面预测精确度远远高于其他方法,具有其他方法所不具有的优越性。     

我国上市公司财务危机预警实证研究

随着研究的不断深入,仅以传统财务指标构建财务预警模型,无法适应公司日益复杂的管理需求.因此,本文在传统财务指标和现金流量指标的基础上,加入了公司治理指标,并建立一个基于财务和非财务指标的Logistic财务预警模型,提高了预测准确性.     

我国制造业上市公司财务危机预警研究

本文以2008-2010年被"特别处理"(ST和*ST)的34家制造业上市公司和68家健康公司为研究样本,选取了资产负债率、应收账款周转率、销售净利率、主营业务收入增长率、现金流量比率、每股收益等25个财务预警初始指标,运用正态性检验、T检验、非参数检验以及相关性分析,筛选出了财务预警能力较强的财务指标;基于logistic回归分析法,构建了T-2年、T-3年和T-4年的制造企业上市公司财务预警模型,采用样本外检验法检验了所建模型的有效性,解释分析了模型结果。结果表明模型具有较高的预测能力,尤其在发生财务危机的前两年,准确度更是高达90%以上。     

制造业上市公司财务危机预警模型

本文以我国制造业上市公司为研究对象,选取了181家发生财务危机的公司和181家财务正常的公司为样本,以财务危机发生前三年财务指标为基础,首先运用正态性检验、T检验以及非参数检验筛选出预警能力较强的财务指标,然后运用主成分分析方法构建了财务危机预警模型,最后进行了回代检验和测试样本检验.研究结果显示,预警模型对检验样本的预测正确率为76.60％,能够给投资者、债权人和监管机构等相关各方提供预测财务危机的有用信息.     

基于Z值模型的上市公司财务危机预警

本文认为,财务危机关联着企业的生存,财务失败直接导致企业失败。危机不是偶然的,危机来自于风险,财务风险是造成财务危机的主要原因。文章提出,目前我国上市公司普遍存在较大的财务风险,严重影响其生产经营及健康发展,应该引起国有资产管理部门、证券监管部门及企业管理当局的高度重视。财务管理人员,特别是企业领导者要树立风险防范意识,建立、推行和完善财务风险管理体制,不断完善公司治理,及时采取有效措施,化解、防范和治理财务风险。同时,对于财务失败公司的界定,其Z值标准应该有所提升。     

上市公司财务危机成本实证研究

本文以现金到期债务比标准,选取2006年现金到期债务比小于零的123家公司为研究样本,通过对样本进行配对,依次选择2001至2008年度财务数据作为研究对象,从业绩和权益两方面观测财务危机成本,且所产生的成本是否由投资者承担.结论是投资者实际承担了15.79%的财务危机成本     

石化行业上市公司财务危机预警研究

本文通过对选取的财务指标进行观察和总结,建立了我国石化行业上市公司危机前四个年度的多重截面的主成分分析预警模型。研究表明:企业的盈利能力以及现金流量状况对财务危机有显著性影响,危机发生前两年的主成分分析模型的预测准确率达到了82.5%,能有效地预测企业在下个年度是否会发生财务危机。     

上市公司财务危机预警指标体系解析

本文主要解析了财务危机预警的偿债能力指标,资产运营状况指标,获利指标,发展能力指标和现金流量指标。     

基于Logit模型上市公司财务危机预警实证研究

本文采取主成分分析方法,将主要因子提取出再运用Logit模型构建预测企业财务失败的模型,并把沪深两地证券市场的ST公司界定为"财务失败企业",选取20家ST公司及与之相对应的20家非ST公司共40家企业作为研究样本,对上市公司财务失败的主成分预测模型进行实证检验。     

基于公司治理结构的上市公司财务危机预警机制研究

财务危机预警是为了在公司财务状况恶化之前发出预警信号,通过警源分析找出财务危机产生的原因,以便及时采取措施制止财务状况进一步恶化。以往基于财务指标建立的预测模型,存在的问题是,一方面难以深入剖析企业陷入财务危机的深层次原因;另一方面没有将财务预警系统的信息传递机制和预警分析机制规范化。从公司治理结构的视角出发,上市公司财务危机的分析,既要将股权结构、董事会结构、管理层这三个部分与财务危机的关系纳入财务危机预警机制,还要把财务危机预警分析的组织机制、公司治理结构信息与财务危机信息收集传递机制以及公司财务危机预警分析机制以制度的形式规范化,从而提高公司的治理水平。     

房地产上市公司财务危机预警模型实证研究

本文针对我国房地产行业的重要地位,通过引入宏观经济因素,利用因子分析和Logistic回归分析方法来实证研究适应我国房地产业上市公司的财务危机预警模型.实证结果显示,该预警模型的预测能力较为理想,能反映的公司财务状况预测信息.     

基于BP神经网络的我国制造业上市公司财务危机预警

数据挖掘技术能够使人们从大量多变的数据库中发掘有用的信息,是一种知识发现的过程,高度自动化地分析数据,做出归纳性的推理,从中挖掘出潜在的模式。本文运用基于神经网络模型的数据挖掘技术,利用我国沪深两市制造业上市公司的数据,构建财务危机的预警模型,以期供投资者参考。     

基于KMV模型探讨我国上市公司财务危机预警

客观评价一个公司财务经营状况的好坏,对其做出财务危机预警,对于投资者、监管机构,甚至企业经营者都格外重要.本文运用KMV模型的思想,在对KMV模型相关假设修正的基础上,通过对配对样本的适用性和具体预警能力的分析,探讨我国上市公司财务危机预警分析的方法.     

上市公司财务危机预警问题及对策

随着市场经济环境日益国际化,上市公司面临的资金环境也更为复杂化,财务风险因素持续增加。结合企业经营发展过程中实际财务情况和客观环境,揭示出上市公司财务危机预警存在的问题,如公司治理结构不健全且风险意识缺乏,财务预警指标的选择狭窄,财务预警模型缺乏实用性和排警措施不够重视。企业应该树立风险防范意识,拓宽预警模型变量选择范围,根据实际情况完善财务预警模型以及建立预警对策库。     

上市公司财务危机预警指标多层次筛选研究

本文初步选择43个财务及非财务指标作为预警指标,先后应用正态性分布检验、两独立样本的T检验、两独立样本的非参数检验及粗糙集约简等技术多层次剔除多余的属性。通过多层次筛选,最终确定6个敏感指标可用于财务危机预警系统实证研究,可提高系统的判别能力。