上市公司财务危机预警的实证研究

以是否被特别处理为财务危机标志,利用我国上市公司近几年的年报财务数据,选取了财务危机和健康企业各50家作为开发样本.首先研究了开发样本财务指标的数据特征和财务危机出现前3年内这两类企业的财务指标的显著性差异,其后利用因子分析法筛选了8个指标作为建立模型的自变量,运用Logistic模型构建了上市公司财务危机预测模型,并对估计样本的40家企业进行了检验.实证分析结果表明:其一,我国上市公司财务比率不服从正态分布;其二,尽管我国资本市场的会计数据质量不尽人意,但财务数据仍具有一定的信息含量;其三,利用开发样本构建的Logistic模型在财务危机发生前1年和前2年有比较高回判准确率,估计样本在财务危机发生前1年和前2年有比较高的预测准确率.     

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%.     

基于时间相依Cox回归的动态财务预警模型及实证

本文以中小企业为研究对象,从偿债能力、盈利能力等财务因素,加之公司治理、宏观环境等非财务因素出发,利用共线性检验和时间相依Cox回归构建动态财务预警模型,并与经典的Cox模型、logit模型进行对比分析。本研究的特色有二:一是通过时间相依Cox回归模型,构建随时间而变化的预警指标数据与财务危机之间的函数关系。利用偏似然估计、Breslow估计量分别拟合回归系数和基准危险强度,构建财务预警模型,预测企业在未来一段时间内每个时间点上的财务危机概率。相比于基于传统Cox模型的预警研究仅用一期的截面数据建模,本研究考虑了预警指标的动态变化对财务风险的影响,涵盖了更多的历史信息,达到提高预警精度的目的。二是考虑第一类错误“危机企业判为正常”与第二类错误“正常企业判为危机”给投资者造成的损失差异,衡量预警的“错误成本”,以错误成本最低为目标,反推出财务正常和财务危机之间的预警阈值,实现了对财务危机发生与否的提前预警功能。经过实证,本研究的财务预警模型精度较高,尤其对财务危机企业的正确识别率达到75%。相较于传统的Cox回归、logit模型,危机企业的正确识别率更高、错误成本更低。盈利能力、公司治理水平是对企业财务风险影响最为显著的因素。     

多层感知器信用评模型及预警研究

本文利用多层感知器 ( MLP)原理建立神经网络信用评价模型 ,用来对我国 2 0 0 0年 1 0 6家上市公司进行信用评级 ,并进一步对我国 2 0 0 1年公布的 1 3家预亏公司进行预警研究 .按照各上市公司的经营状况分为“好”、“差”两类 ,每一类由 5 3家上市公司构成数据样本 .对于每一家上市公司 ,主要考虑其经营状况的四个财务指标 :每股收益 ,每股净资产 ,净资产收益率和每股现金流量 .仿真结果表明 ,本文所建立的神经网络信用评价模型有很高的分类准确率 ,达到 98.1 1 % .又由于该信用评价模型有很强的适应能力 ,故可以进一步用来对企业的财务危机进行预警研究 .预警实证分析表明 ,该信用评价模型对我国 2 0 0 1年公布的 1 3家预亏公司进行预警分析 ,预警准确率达到 1 0 0 % .此外 ,文中还给出 MLP网络模型的学习算法和步骤     

基于误判代价加权的Logistic财务预警模型研究

1:1样本配比的财务预警模型的系数和概率估计是有偏的,全市场公司的样本数据又高度不平衡.为克服两类样本不平衡给预警模型带来的影响,引入公司误判代价分析,以ST公司误判代价为权重,通过最小化加权的对数似然损失函数,建立误判代价加权的Logistic回归财务预警模型.实证结果表明,误判代价加权的Logistic回归模型具有较好的预警效果,2007年的训练样本上正常公司和ST公司的识别率为89.43%和93.33%,2008年测试样本上两类公司的识别率分别为:92.1%和95.83%.     

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。     

基于FOA算法的Logistic回归模型的财务预警研究

制造行业中企业的财务危机频发使得财务预警系统显得格外的重要.针对现有的预警模型对制造业企业的财务风险预测精度不高的问题,以最近两年被特别处理的上市公司为研究对象,将FOA算法与Logistic财务预警模型相结合构建了FOA-Logistic财务预警模型,并对其进行了测试,测试结果显示FOA-Logistic的识别率大幅提升,证明了模型的有效性.     

上市公司财务危机预警分析——基于数据挖掘的研究

本文以我国上市公司为研究对象,选取了1999-2001年被ST的公司和正常公司各73家作为训练样本,2002年被ST的公司和正常公司各43家作为检验样本,分析了财务危机出现前2年内各年两类公司15个财务指标。在进行数据挖掘中,我们运用了三种独立的方法,分别为判别分析、Logistic回归和神经网络,结果发现神经网络预测的效果要优于其它两种方法。最后,结合了这些方法的优点,建立了一种混合模型,研究表明预测的正确性要高于每种单独方法,从而提高了模型的预警效果。     

基于熵权灰色关联分析的群体性突发事件预警模型

群体性突发事件是当前我国社会危机的一个突出问题,迫切需要进行有效地监测与预警.针对江门的社会、经济、文化特点,设计了一套群体性突发事件预警指标体系.引入信息熵理论,采用熵值法来确定指标权重,建立了基于熵权和灰色关联度的群体性突发事件预警模型.用上述模型对江门市进行实证研究,表明江门市2005年-2008年间除2006年处于中险警级外,其余年份都处于轻险警级.最后,根据实证分析结果,提出了政策建议.     

因子分析和Logistic回归在农业上市公司财务预警中的联合运用

在普遍采用的盈利能力、偿债能力、经營能力和发展能力四个主要方面财务指标的基础上,新加入了利润质量指标和市场估值两类指标,采用2007-2018年沪深农业上市公司的数据为样本,联合运用因子分析法和二元logistic回归法重新构建农业上市公司财务风险预警模型,结果表明,该模型具有较高的拟合精度和判别能力。     

我国省域人口的时序预测模型的选择——基于预测精度、偏差和不确定性的分析

人口预测作为区域规划和政策决策的依据对于区域经济社会可持续发展有重要理论价值和现实意义.目前已有不少学者使用时序模型进行了人口预测,但从预测精度、偏差和不确定性角度考虑时序模型选择的研究几乎没有.利用ARIMA模型对我国部分具有代表性的省域进行人口预测的基础上,探讨了不同基区间、临界年及预测区间等条件下人口最优时序预测模型选择的一般性规律.研究发现,一些ARIMA模型能提供相对精确的结果,另一些则不能;线性与非线性模型在预测精度上有较大差异;历史数据长短可能导致选择不同的模型;不同精度视角下的模型选择有较强一致性,但也有一定程度的不确定性.     

基于拓广的GM(1,1)的土地利用变化情景研究

根据土地利用类型面积变化的特点和GM的理论缺陷,对GM进行了修正和拓广,即采用“幂函数—对数函数”和“指数函数”对原始数列进行离散化处理,将一次累加后的数据列作为已知条件,这种方法对提高预测精度提供了新的途径.最后结合预测结果对研究区土地资源的合理规划与利用提出了建议.     

北京非典型肺炎数学模型

探讨了北京非典型肺炎数学模型 ,利用动力学和非线性回归方法建立了北京非典型肺炎预测模型 .     

黄冈市人口增长模型的研究

分析了1978年以来黄冈市人口发展的现状,选择黄冈市1978~2004年的总人口统计数据来建立马尔萨斯人口模型和L og istic人口模型,运用2005~2006年的总人口数据来验证模型,并对黄冈市未来8年的总人口数进行了预测.     

基于灰色马尔可夫预测模型的农村人均收入预测

以武汉市农村人均收入为样本,将灰色预测模型和马尔可夫链预测模型相结合,通过对比预测的数据信息与实际数据信息差距,对2011年和2012年武汉市农村人均收入进行了预测计算.根据相关模拟检验与残差修正,灰色马尔可夫链可视为农村人均收入预测的可行且有效的方法.结果显示,单纯地运用灰色模型,预测值与实际值的误差均值是0.687%;通过马尔可夫链模型的二次模拟得到的误差明显减小.     

Short-term prediction of wind power using EMD and chaotic theory

Due to the strong non-linear, complexity and non-stationary characteristics of wind farm power, a hybrid prediction model with empirical mode decomposition (EMD), chaotic theory, and grey theory is constructed. The EMD is used to decompose the wind farm power into several intrinsic mode function (IMF) components and one residual component. The grey forecasting model is used to predict the residual component. For the IMF components, identify their characteristics, if it is chaotic time series use largest Lyapunov exponent prediction method to predict. If not, use grey forecasting model to predict. Prediction results of residual component and all IMF components are aggregated to produce the ultimate predicted result for wind farm power. The ultimate predicted result shows that the proposed method has good prediction accuracy, can be used for short-term prediction of wind farm power.     

基于ARMA模型的共享单车的投放预测与管理

共享单车作为城市公共交通的有效补充,对其使用情况进行预测能为共享单车管理部门的投放和统一管理提供依据.采用时间序列分析的方法,对城市某一公共场所共享单车的使用情况进行了观察记录,对所获得的序列X-user进行时间序列分析的方法建立了序列ARMA模型.根据所建立的ARMA模型对共享单车的使用情况进行了短期的预测,预测的结果与实际观察的结果具有较高的拟合度,验证了模型具有较好的预测效果.     

一个胎儿体重预测的数学模型

利用B型超声对520例胎儿的股骨长度、腹围的测量数据,建立多元非线性回归模型,并用此模型对982例胎儿进行实例验证、分析,得到精确度极高的预测结果,为临床应用提供了新的胎儿体重预测方法.     

A multivariate Markov chain model for categorical data sequences and its applications in demand predictions

Markov models are commonly used in modelling many practicalsystems such as telecommunication systems, manufacturing systemsand inventory systems. In this paper we propose a multivariateMarkov chain model for modelling multiple categorical data sequences.We develop efficient estimation methods for the model parameters.We then apply the model and method to demand predictions fora soft-drink company in Hong Kong.     

Property appraisal with a log - t predictive distribution

A multiplicative model with log-normal errors is used to appraisethe market value of a property and a natural conjugate prior,describing the beliefs of an expert appraiser about the parameters,is elicited. Loss is an asymmetric function of the predictedprice as a proportion of the actual price, and the optimal predictionis a multiplicative adjustment to the exponent of the predictivemean of the logarithm of price. The prediction of the priceof a property is made using both the elicited prior and tworeference priors. The robustness of the procedure is assessedby means of the evaluation of a number of elasticities of priceprediction with regard to changes in a parameter value, eitherof the prior distribution or the loss function.