基于KMV模型的农业上市公司信用风险测度研究

通过构建改进后的KMV模型,设定三种不同违约情境,对2010-2012年我国农业上市公司的信用风险进行测度与比较研究,并确定其隶属的风险类型,以揭示现阶段农业上市公司的信用状况.研究结果表明:不同农业上市公司的资产价值均高于股权价值,其未来发展具有较好的价值增值空间;农业上市公司的资产价值波动率总体呈下降趋势;农业上市公司信用状况相对较差,且风险类型主要集中于"∩"型和↘型".由此得出农业上市公司未来的发展,应在推进"股权分置"改革、建立可量化的风险管理机制、实现风险管理与业务流程融合等方面采取措施,从而有效降低我国农业上市公司的信用风险.     

中国公司债券评级方法应用研究

在国内外债券评级的研究基础之上,选用MDA、Logistic模型、Probit模型以及神经网络四种债券评级方法,结合中国上市公司的风险特征,从变量甄选的角度对债券评级方法进行优化,同时采用中国上市公司数据进行实证分析.实证结论表明:甄选出的评级变量较国外常用的评级指标更好的刻画了中国上市公司的风险特征;Logistic模型、Probit模型和神经网络方法都对中国上市公司的债券有较高的评级分类能力,尤其是Probit模型和神经网络方法对中国公司债券的评级非常准确,误判率接近于0.     

农业上市公司股票的风险结构特征研究

本文在引入行业因素和市场因素的"正交化"变换基础上,对农业上市公司股票收益建立了行业因素模型,并利用该模型对农业上市公司股票收益率的方差(风险)进行分解,考察了风险来源及其比例大小(即风险结构)。本文的研究结果可以为投资者构建合适的投资组合、规避投资风险提供参考。     

中国农业上市公司经营效率研究——基于灰色关联权重限制的DEA模型

中国农业上市公司取得了跨越式发展,但不少上市公司的经营效率和和内在价值并没有相应提高.在分析以往研究方法之后,提出了基于灰色关联权重限制的DEA模型,选取资产总计和营业成本为投入指标,选取主营业务收入、营业利润、经营活动现金流量作为产出指标,计算了2015年农业类15家上市公司经营效率,并从综合效率、纯技术效率、规划效率方面进行了分析.     

我国农业上市公司融资效率研究——基于DEA模型和Malmquist指数法的实证分析

以我国农业上市公司2013-2017年的面板数据为样本,运用DEA模型和Malmquist指数法对不同金融成长周期的融资效率进行测度和分析.研究结果表明:农业上市公司的融资效率偏低,且大多数企业的综合效率表现为非有效;从不同金融成长周期阶段的融资效率来分析,其中大部分农业上市公司处于中年期,中年期的融资效率与农业上市公司整体融资效率的变化趋势相近,具有重要决定性作用;之后运用Malmquist指数方法从动态角度探究融资效率的变化,发现技术水平的降低是融资效率下降的重要原因.因此,进一步地提出提升农业上市公司融资效率的建议及措施.     

整合EVA的上市公司绩效评价模型研究

本文采用经济附加值(EVA)对传统绩效评价模式进行改进,建立了整合EVA的绩效评价(IEPM)模型。以我国沪深两市A股上市公司为研究对象,采用BP神经网络检验整合EVA的绩效评价模型相对于传统绩效评价模式的有效性,并运用统计方法对检验结果进行分析,发现整合EVA的绩效评价模型在评价上市公司的经营业绩时要明显优于传统绩效评价模式,而且其预测能力也显著强于传统绩效评价模式。这说明绩效评价模式在整合EVA之后可以更真实地反映公司的经营业绩,用它来评价和预测公司业绩将更为有效。     

组织学习动态能力与企业绩效之间关系的实证研究

论文将动态能力作为解释组织学习和企业绩效间关系的中介变量.采用结构方程方法建立了其关系模型,以制造业部分上市公司为例,通过问卷调查、信度效度分析、回归分析验证提出的假设,研究理论模型符合可接受的适合度检定水平.实证研究结果表明制造业企业组织学习对动态能力影响显著且动态能力对企业绩效影响显著,组织学习对企业绩效直接影响较弱,动态能力中介作用明显.     

旅游上市公司财务风险评价的可变模糊改进方法

为克服旅游上市公司财务风险评价方法的不足,提出可变模糊改进方法.首先,基于集对模糊联系度,构造相对隶属度矩阵,进而建立可变模糊综合评价模型;然后,结合评价等级特征值,运用二元语义方法确定评价等级和阈值;最后,将方法应用于旅游上市公司财务风险评价问题.结果表明:旅游上市公司财务风险等级为Ⅱ级,即风险较低,且通过计算可发现收现能力和成长能力是影响其风险等级的主要因素,是旅游上市公司财务风险管理的重点.     

基于灰色理论的银行类上市公司经营绩效评价

商业银行是我国金融体系的支柱,在国民经济中占据着十分重要的地位,而银行类上市公司是商业银行的重要组成部分,具有一定的行业代表性.科学合理的评价银行类上市公司的经营绩效,对了解银行业的整体绩效水平,提高银行的竞争力具有重要意义.围绕银行的安全性、流动性、盈利能力和成长发展能力四个方面建立较为完善合理的评价指标体系,搜集银行类上市公司2012年、2014年和2016年三年的数据,基于灰色综合聚类法建立绩效评价模型,通过比较静态分析法对银行类上市公司的经营绩效进行评价.结果显示近几年我国银行类上市公司的整体绩效水平呈下降的趋势.     

基于DEA-Tobit方法的人工智能行业上市公司融资效率研究

人工智能产业发展对实现我国总体产业升级和供给侧结构性改革具有重要意义。该领域投资态势向好,但融资渠道较为混乱。本文结合我国37家人工智能产业上市公司2013~2016年的融资数据,首先采用了DEA方法对我国人工智能产业上市公司融资效率进行测度,同时采用Malmquist指数法从动态角度来反映人工智能产业上市公司融资变化,然后通过Tobit方法构建融资效率影响因素模型。从实证结果可以看出,人工智能产业融资效率不高,大多数企业并未达到DEA有效,综合技术效率的不高主要是由于规模效率较低引起的;资本结构、企业的营业能力和成长性与融资效率具有显著的相关性,是影响融资效率的重要因素。最后从提高融资资金利用率、优化融资结构两个方面提出了相关建议。     

基于BP神经网络模型与DEA模型的中国上市公司利润操纵研究

本文从CCER数据库中的上市公司违法违规数据库取得2006-2009年利润操纵上市公司样本,根据上市公司关键财务数据,构建配对样品组。文章运用粗糙集简化利润操纵的识别指标,通过蒙特卡洛模拟,提出基于BP神经网络模型的中国上市公司利润操纵的识别模型。本研究还引入DEA效率指标,建立改进的中国上市公司利润操纵识别模型,有效降低模型的第二类错误,从而将模型的正判率从71.43%提高到85.71%。     

Prediction of financial distress: An empirical study of listed Chinese companies using data mining

The deterioration in profitability of listed companies not only threatens the interests of the enterprise and internal staff, but also makes investors face significant financial loss. It is important to establish an effective early warning system for prediction of financial crisis for better corporate governance. This paper studies the phenomenon of financial distress for 107 Chinese companies that received the label ‘special treatment’ from 2001 to 2008 by the Shanghai Stock Exchange and the Shenzhen Stock Exchange. We use data mining techniques to build financial distress warning models based on 31 financial indicators and three different time windows by comparing these 107 firms to a control group of firms. We observe that the performance of neural networks is more accurate than other classifiers, such as decision trees and support vector machines, as well as an ensemble of multiple classifiers combined using majority voting. An important contribution of the paper is to discover that financial indicators, such as net profit margin of total assets, return on total assets, earnings per share, and cash flow per share, play an important role in prediction of deterioration in profitability. This paper provides a suitable method for prediction of financial distress for listed companies in China.     

基于财务指标的股票间关联网络结构特征研究

目前关于股票间关联网络结构特征的研究,主要是基于股票价格时间序列间相关关系构建复杂网络.然而,股价只是衡量股票优劣的外在因素,财务指标更能全面地刻画上市公司的运行情况,反映股票背后的经济实力.因此,以中国74家能源上市公司的财务指标为样本,结合复杂网络理论,构建不同阈值下的股票间关联网络,进行结构特征分析.发现,服务类型的股票在网络中影响较大,社团化趋势显著等.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

基于Lasso+SVM的制造业上市公司财务风险组合预警模型

根据组合预测思想构建了基于Lasso+SVM的制造业上市公司财务风险组合预警模型,包括串联型组合和信息融合型组合两种,并选取22个财务指标建立了财务预警指标体系,对我国86家制造业上市公司的财务状况进行了预测,还与单一风险预警模型预测效果进行了比较,结果发现:财务风险组合预警模型的预测效果明显高于单一预警模型,用第t-1年的财务数据进行预测的准确率达到了95%以上;串联型组合预警模型的预测效果最优,用第t-1和t-2年的财务数据进行预测的准确率分别达到了100%和90%.     

数学建模与聚类分析方法在企业经营效绩评价中的综合运用

本论文通过CT总公司所属九个分公司财务指标即:财务效益状况指标,资产营运状况指标,偿债能力状况指标,发展能力状况指标和稳固程度状况指标五个方面的财务状况数据,一方面采用数理统计方法进行数据分析,建立数学模型,设定了评分办法及评分标准.做出了CT总公司所属九个分公司2 0 0 0年的经营业绩(量化)评价结果.另一方面按九个公司财务指标的原始数据用聚类分析的方法将其归类,进一步揭示出各个公司之间的联系与差别.     

多元分析法在评价股份公司盈利能力中的应用

本文试用主成分分析法，结合我国上市股份公司的实践，对股份公司的盈利能力作出综合评价。提出了利用聚类分析的方法、按盈利能力大小来评判股份公司等级的设想。     

电网项目融资租赁信用评价混合模型的新研究

电网建设工程通过项目融资租赁进行快速融资的同时,给租赁公司带来巨大的信用风险.通过事前对承租人进行信用评价,能够有效降低信用风险损失.针对电网企业信用评价的多属性非线性特征,提出了基于独立分量分析技术-支持向量机的信用评价混合模型.首先,采用独立分量分析技术对信用属性数据进行属性重构,实现属性数据的去噪.然后,将重构后的新信用属性数据用于支持向量机的训练建模.最后,通过实例模拟对比分析了独立分量分析技术对支持向量机分类的有效性.结果表明,独立分量分析技术能够改善信用属性数据特征,并且在多属性分类问题中,独立分量分析技术有助于提高支持向量机分类的准确率.     

公司价值与财务信息的相关性:基于中国上市公司的研究

本文以778家上市公司1998—2002年5年间的3890个观测值为样本,研究了公司价值与财务信息的相关性。结果表明,ST、PT公司的价值测度与综合短期利润测度存在不显著的负相关关系;既发行A股又发行B股的上市公司的价值测度与综合短期利润测度在0.01水平下显著正相关性,利润测度提供了约2%的公司价值解释力;对于绝大多数的经营正常的A股公司,价值测度与综合短期利润测度在0.01水平下显著正相关性,利润测度提供了约18%的公司价值解释力。     

基于变精度加权平均粗糙度决策树的财务预警研究

运用聚类方法把公司财务状况分为5个等级,分别为财务状况健康,良好,一般,预警和危机,与以往将研究样本分为ST和非ST两类的财务预警模型相比,5分类模型更加精确合理,贴近实际。同时基于指标相关性和指标重要度对33个财务指标进行了约简,得到9个能够反映企业财务状况的财务指标。以约简后的9个指标及5个等级的财务状况来建立决策树,指标体系和财务等级更加合理。树的生成过程运用粗糙集中的变精度加权平均粗糙度作为选择测试属性的方法,每次选择变精度加权平均粗糙度值最小的属性作为分支结点。变精度加权平均粗糙度的应用提高了决策树的防噪声能力,复杂性较低且能有效提高分类效果。实证研究表明将它应用到财务预警领域,提高了财务预警的分类精度。