不平衡数据的企业财务预警模型研究

在股票市场中,由于被评为"ST"的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性。而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力。本文应用加权L1正则化支持向量机(w-L1SVM)构建一个可以处理不平衡数据的财务预警模型:一方面,w-L1SVM通过对两类样本的损失函数进行加权处理,有效地解决了样本不平衡性带来的预测精度问题;另一方面,w-L1SVM通过引入LASSO罚,使得模型在训练的过程中可以直接进行特征选择。通过数值模拟,本文验证了w-L1SVM在非平衡数据分类问题中的预测和特征选择表现。在实证研究中,本文针对我国股票市场机械、设备、仪表板块中的上市公司构建了一个基于w-L1SVM的财务预警模型,结果显示基于w-L1SVM的财务预警模型可以有效选择重要的财务指标并预测被评为"ST"的公司,并且其预测效果显著优于非加权的传统模型,这充分说明了w-L1SVM在财务预警问题中的适用性。     

基于信用利差与Logistic回归的公司违约概率测算模型与实证研究

用Logistic模型计算公司违约概率在实际应用中存在两个问题:一是在缺乏公司违约记录数据库或违约记录数据库不典型的情况下,无法应用该模型或模型计算结果不准确;二是现有Logistic违约概率模型忽视了不同行业财务指标分布特征的差异性,导致公司违约概率计算结果的准确性降低。针对问题一,本文通过公司债券信用利差计算市场隐含的公司违约概率,在Logistic变换的基础上进一步确定Logistic线性回归的参数,使得公司违约概率的计算结果符合债券市场的实际状况。针对问题二,通过不同行业关键财务指标的单因子方差分析,证实了行业间财务指标的分布特征具有显著性差异,通过拟合优度证实了区分行业建立Logistic违约概率模型可显著提高违约概率测算的准确性。本文Logistic违约概率模型的构建过程如下:通过初选财务指标的相关性分析,删除反映信息重复的财务指标;通过Logistic回归中财务指标系数的显著性检验,删除对违约概率解释能力弱的财务指标;以Logistic回归的拟合优度为标准,选取各样本行业Logistic违约概率模型的关键财务指标,建立了机械设备等5个样本行业的Logistic违约概率模型,为样本内行业公司违约概率的准确测算提供模型与方法。本文的创新与特色:一是在无套利条件下,通过公司债券信用利差计算市场隐含的公司违约概率,并对其进行Logistic变换,作为Logistic线性回归的被解释变量,解决了在缺乏公司违约记录数据情况下Logistic违约概率模型的参数估计问题;二是通过单因子方差分析方法,证实了行业间财务指标的分布特征具有显著性差异,说明应区分行业建立Logistic违约概率模型;三是通过财务指标间的相关分析删除反映信息重复的财务指标,通过财务指标系数的显著性检验删除对公司违约概率解释能力弱的财务指标,保证了Logistic违约概率模型中关键财务指标选取的合理性;四是实证研究结果表明,不同行业的Logistic违约概率模型的关键财务指标不同,同一财务指标的参数也存在显著差异。实证研究结果还表明,区分行业建立Logistic违约概率模型与不区分行业相比,前者可将拟合优度及调整后的拟合优度提高近1倍。本文研究结果对于提高公司违约概率测算的准确性具有重要参考意义,对于商业银行贷款定价、公司债券发行定价、银行信用风险管理具有重要参考意义。     

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%.     

信用风险相关性度量的MRS Copula模型构建及实证研究

在构建行业信用风险指数的基础上,将马尔科夫机制转换引入到信用风险相关性的度量中,建立了信用风险相关性度量的MRS Copula模型。以1990-2012年电力、煤气及水的生产和供应业,批发、零售、贸易业,石油、化学、塑胶、塑料业和信息技术业为样本的实证研究表明,行业信用风险相关性表现出较为明显的机制转换特征和非对称效应,在高风险状态,信用风险相关系数达到了0.7以上,而在低风险状态,信用风险相关系数在0.2以下.同时,信用风险"一损俱损"的特征比较明显,行业信用风险的下尾相关系数较为显著,而上尾相关系数则并不显著.商业银行可据此调整信贷资产结构,防范信用风险传染,以及优化信贷组合管理.     

基于或有可换债的PPP项目资本证券化研究

PPP项目具有的“大而不倒”特性,致使其陷入财务困境时,政府不得不介入和对其进行救助。然而这种救助必然会扭曲PPP项目定价和加剧市场的不正当竞争。为对冲PPP项目资本短缺的风险及抑制项目“大而不倒”负面效应,建议社会资本方发行或有可换债(CEBs)。CEBs在可换债的基础上引入或有可转债的条款,使其具有危机救助功能和风险转移功能。且CEBs的发行不会增加项目运营公司的公司债务。只有当项目因资本短缺而陷入财务困境时,社会资本方可以通过CEBs转为项目特定收益权和债务减记的方式来增加可支配资本,以维持PPP项目正常运营。研究表明,CEBs通过类似保险的形式对冲项目的资本短缺的风险;为社会资本提供合理的退出机制;对冲政府的裸露头寸。     

一种利用Pls提取因子的财务危机预警模型

为了克服直接使用财务指标建立Logit模型存在的估计和检验不可靠问题,在所有的财务比率指标基础上,通过删除完全共线、意义相同和缺失数据指标,建立海选指标集.利用t检验筛选指标,删除t检验不显著的指标,保留t检验显著的指标,构建财务危机预警指标体系.通过提取互不相关的Pls因子,估计Pls-logit模型对因子赋权.将Pls因子回归代入Pls-logit模型对指标赋权,建立基于Pls-logit模型的财务危机预警模型.以2010年381家制造业上市公司作为建模样本进行了实证分析,表明Pls-logit模型中31个系数在5%的显著性水平下显著,说明建立的财务预警指标体系能够显著解释财务危机.以2010年和2011年随机抽取的制造业公司为检验样本进行回溯检验,检验结果表明预警总准确率达到91.7%以上.2010年危机预警准确率为66.7%;2011年危机预警率为100%.Pls-logit模型的总体预警准确率明显优于财务指标logit模型.     

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。     

上市公司股权集中程度与公司治理绩效关系的实证研究

本文以机械、设备和仪表行业的169家上市公司为样本，利用2004—2006年的数据，对第一大股东持股比例、第二至第五大股东持股比例、Z指数与公司治理绩效的关系作实证研究。研究表明，股改前，第一大股东持股比例与公司治理绩效正相关并不显著，且与代理成本显著正相关，第二至第五大股东持股比例与公司治理绩效显著正相关，Z指数与公司治理绩效显著负相关；股改后，第一大股东持股比例与托宾Q值正相关，代理成本显著正相关，第二至第五大股东持股比例与公司治理绩效显著正相关，代理成本显著负相关，Z指数与公司治理绩效显著负相关。     

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.     

基于突变理论的产业升级能力评价研究——以陕西装备制造业为例

在界定产业升级内涵的基础上,根据陕西装备制造业的发展现状及产业升级的客观要求,从产业升级的产出能力和投入能力两个维度构建了装备制造业产业升级能力评价指标体系,并运用突变模糊隶属度函数法对陕西装备制造业各下属产业升级能力进行了综合评价,结论表明:装备制造业所属的七个子行业的产业升级能力存在很大差距,其中金属制品业的产业升级能力最强,通用设备制造业、通信计算机及其他电子设备制造业、专用设备制造业次之,仪器仪表制造业、电气机械及器材制造业、交通运输设备制造业最差.进一步分析了产生这一结果的深层原因,在此基础上提出了陕西装备制造业产业升级的对策建议.     

基于面板logit模型的上市公司财务困境预测

目前关于财务困境预测的研究大多是局限于截面数据的静态计量和统计模型,忽视了公司的财务状况是不断变化的事实.为了揭示公司财务状况的变化过程,利用面板数据建立了panel logit概率模型.研究结果表明,panel logit模型在预测准确度方面优于普通的logit模型.     

基于自组织映射和模糊隶属度的财务危机预警研究

良好的财务危机预警模型能够有效监控企业运营情况,避免企业倒闭或被重组的悲剧发生。本文结合自组织映射模型和模糊C均值的模糊隶属度,构造模糊自组织映射模型,并应用到财务危机预警中。该模型将模糊隶属度带入到学习率函数中,在计算过程中自动更新获胜节点邻域范围,并在迭代过程中采用批学习算法,提高预测精度、稳定输出结果。对沪深两市上市公司的财务指标进行实证研究,通过与传统预警模型对比,得出模糊自组织映射模型在财务危机预警方面具有更优越的预测性能。     

企业财务危机预测的贝叶斯模型研究

本文探讨商业银行如何利用贝叶斯分类技术构建企业客户财务危机预测模型。本文使用财务比率作为评价企业绩效的特征属性,并考察两个不同的贝叶斯模型在估计企业客户发生财务危机的后验概率方面的有效性。一个比较简单但有较多的假设,即朴素贝叶斯模型;另一个某种程度上更为复杂但有更少的假设,即组合属性贝叶斯模型。研究发现,与朴素贝叶斯模型相比,由于组合属性贝叶斯模型更好地反映了变量之间潜在的联合分布,因此它能在历史数据支持下估计所要求的概率并做出更精确的预测。所提出的模型可以作为辅助银行审核者做出正确而快速决策的有用工具。     

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.     

变利率下的保险商偿债率模型研究

在有金融困境成本的情况下,建立了带有变利率的保险商偿债率(SR)模型.采用Girsanov定理进行测度变换,利用变利率下的Black-Scholes期权定价公式,计算出了保险商终期收益的现值,并且讨论了保险商关于金融困境成本、金融困境障碍等参数的风险管理敏感性.     

企业财务危机预警Rough-Fuzzy-ANN模型的建立及应用

本文提出了一种基于粗糙一模糊神经网络（Rough-Fuzzy-ANN）的企业财务危机建模和预测新方法，并给出了相应的算法，在通过以我国上市公司财务数据为基础进行的实证分析之后，结果表明，Fuzzy-Rough-ANN模型具有预测精度高。学习和泛化能力强，适应性广的优点；同时有效、可行，为企业财务危机的动态预警提供了一条新的途径。     

基于权益再融资与策略性债务支付的公司财务困境纾解研究

为了应对公司财务困境问题,在兼顾股东与债权人利益的基础上,采用激励相容理论,构建了基于权益再融资和策略性债务支付的公司定价模型,厘清了权益再融资、债务重组、财务困境及其伴生的再谈判之间的关系,据此提出了一种公司财务困境纾解方案。特别地,给出了策略性债务支付下进行权益再融资的可行性依据,并辅以再谈判手段及股东、债权人双方利益最大化目标,确定了最优重组边界及最优减记息票。分析结果表明:①将策略性债务支付置于财务困境之后、兼容权益再融资的综合方案,可在一定程度上避免策略性债务支付行为的投机性所导致的对公司定价的高估,产生了在一定条件下增加债务价值、放缓信用价差增长速度的效果;②权益再融资成本与信用价差之间呈现倒U型关系;③基于纳什均衡博弈的策略性债务支付减记息票不受流动性及权益再融资的影响,并可保证其处于公司的支付能力之内。     

基于财务状况多分类的上市公司财务危机预警

目前的财务危机预警模型大多局限于二分类研究,而公司陷入财务危机往往会经历一个逐步衰败的过程,简单的二分类有时会掩盖某些上市公司财务状况逐渐变差的事实.为了更准确地判断公司的财务状况,将公司分为财务稳定公司、潜在危机公司、财务危机公司和破产公司四类,运用t-2年的财务数据构建了有序多分类logistic回归模型.实证结果表明,模型的预测能力较好,误判成本较低,能提供更加准确的信息.     

基于子空间多核学习的企业财务困境预测方法

财务指标的异构性是影响企业财务困境预测精度的重要因素,现有多核学习方法能够用于解决异构数据学习问题。本文首先介绍了子空间多核学习财务困境预测理论框架,在此基础上根据子空间学习的最大化方差准则、类别可分性最大化准则、非线性子空间映射原理,提出了三种子空间多核学习方法,分别为最大化方差投影子空间多核学习、类别可分性最大化子空间多核学习、非线性子空间多核学习。利用采集的我国上市公司数据进行实验,对比所提出的方法同现有代表性财务困境预测方法,并对实验结果进行分析。实验结果表明,本文提出的子空间多核学习财务困境预测框架行之有效,该框架下所构造的子空间多核学习预测方法能够有效地提升财务困境预测精度。     

考虑保守卖空与财务困境的背景风险投资组合模型

如何合理地考虑投资者所面临的背景风险及现实市场限制来进行有效地投资决策是人们所广泛关注的重要实际管理决策问题。本文研究投资者同时面临加性和乘性两类背景风险的前提下具有保守卖空与财务困境的投资组合选择问题。假定投资者寻求使得投资收益最大、投资风险最小及证券主体财务困境最小的最优投资组合策略,进而提出考虑保守卖空与财务困境的背景风险投资组合模型。然后,利用具有精英策略的非支配排序遗传算法对模型进行求解。最后,通过实例来阐述模型的实用性。研究结果表明:考虑保守卖空能为投资者提供更大的收益;两类背景风险的变化均导致有效前沿面的变化。