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.     

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。     

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%.     

基于遗传算法的上市公司财务危机预测模型研究

本文以我国沪深A股上市公司为研究对象,选取制造业公司376家,其中被特别处理的ST公司188家,与其配对的健康公司188家,使用遗传算法和21个财务比率建立了财务危机预测模型,并与Logistic回归和BP神经网络模型进行了比较,结果表明,使用遗传算法可以获得不受统计约束且预测准确率更高的模型。     

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.     

L1正则化Logistic回归在财务预警中的应用

线性模型和广义线性模型已广泛地用于社会经济、生产实践和科学研究中的数据分析和数据挖掘等领域,如公司财务预警,引入L1范数惩罚技术的模型在估计模型系数的同时能实现变量选择的功能,本文将L1范数正则化Logistic回归模型用于上市公司财务危机预报,结合沪深股市制造业ST公司和正常公司的T-2年财务数据开展实证研究,舛比Logistic回归和L2正则化Logistic回归模型进行对比分析.实验结果表明L1正则化Logistic回归模型的有效性,其在保证模型预测精度的同时提高模型的解释性.     

面板Logit模型在控制权转移影响因素分析中的应用

以2002～2004年我国A股市场发生控制权有偿转让的上市公司为样本,建立面板Logit模型,利用偏极大似然估计方法估计上市公司各项财务指标对其控制权转移的影响效应.主要结论是:主营业务利润率、净利润增长率、每股净资产、总资产等共11个财务指标对控制权转移有显著影响.     

上市公司财务危机动态预测模型研究

预测上市公司财务危机是投资者、债权人及证券市场监管机构所广泛关注的课题.运用现代资本结构理论和期权模型,以企业“资不抵债”作为上市公司陷入财务危机的标志,利用资本市场的信息指标——股价建立起上市公司动态财务危机预测模型,克服了统计预测方法利用财务报表信息预测的时期性和滞后性的缺陷.     

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。     

Prediction of Greek company takeovers via multivariate analysis of financial ratios

This case study evaluates the financial features of Greek firms that were taken over during the period 1983–1990. A sample of acquired firms and a sample of equivalent non-acquired firms are considered with the objective of distinguishing between them, based upon their differences in sixteen financial characteristics 1–3 years prior to each takeover. Linear and quadratic discriminant analysis and logit models are developed with factor analysis input. Prediction results are mixed, mainly due to the similar financial ratio profiles between acquired and non-acquired firms. Most models classify correctly a significant proportion of acquired or non-acquired firms, but not both (with one exception). The only model that provides significantly correct predictions for both acquired and non-acquired firms in either the calibration or holdout sample is a linear discriminant function with six financial ratios (two from each of the three years prior to takeover). The reasons for these modelling difficulties are discussed.     

Logistic回归模型在信用风险分析中的应用

通过运行SPSS,建立L og istic回归信用评价模型(cred it eva luation m odel),用来对中国2000年106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为“差”和“正常”两个小组.对每一家上市公司,考虑其经营状况的4个主要财务指标: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,L og istic回归信用评价模型对总体106个样本,判别准确率达到99.06%.此外,本文的研究结果还发现,当利用SPSS的D iscrim inan t给出的模型系数建立的线性判别分析模型和利用SPSS的M u ltinom ia lL og istic给出的模型参数建立的L og istic回归模型,L og istic回归模型的判别结果不如线性判别模型.但如果剔除不合格的样本,或是将样本数据规格化,则可以提高L og istic回归模型的分类准确率.     

财务供应链管理提高企业短期财务绩效的实证研究

近几年来,无论是理论界还是实务界,对供应链管理理念在企业短期财务管理中的应用日益关注.负营运资本管理和类金融模式即是两种典型的形式.对2001-2006年间实施后一年较前一年的79个供应链管理样本进行细分,分为物理供应链样本25个,财务供应链样本54个,运用单样本t检验、单样本位置参数的Wilcoxon符号秩检验和一般线性回归法来深入探究两类供应链管理之间的关系以及二者对企业财务绩效的影响有何差异.实证结果显示:在物理供应链样本中,产成品周转率和存货周转率在10%的水平上有了显著的提高,但并未转化为盈利指标的改善.在财务供应链样本中,营业利润率和净资产收益率在5%的水平上有了显著的提高,即看到了盈利指标的改善.财务供应链管理对业绩的影响更为直接.但回归分析的结果显示:实施类金融模式会阻碍营业利润率的提高.该文的研究结论在更深入的层面上揭示了两类供应链管理之间的关系,有利于提高对供应链管理对企业财务绩效影响机制的认识.     

研究型大学财务资源两阶段配置的相对效率评价

基于研究型大学加强自身建设与承担各项职能的历史使命,本文以无形资源和职能成果两个阶段性产出划分财务资源配置过程,并构建基于两阶段共享投入关联网络DEA的财务资源配置的相对效率测算方法。2006~2016年29所中国研究型大学财务资源配置相对效率的评价结论表明:无形资源积累阶段是限制绝大多数研究型大学财务资源配置总体效率提升的瓶颈;超过半数的高效型研究型大学位于经济发展水平较高的东部地区,但该地区研究型大学的效率均值低于中西部地区;由于无形资源产出与积累相对不足,研究型大学两个配置阶段的效率分别出现逐年降低与升高的趋势。     

Credit risk assessment using a multicriteria hierarchical discrimination approach: A comparative analysis

Corporate credit risk assessment decisions involve two major issues: the determination of the probability of default and the estimation of potential future benefits and losses for credit granting. The former issue is addressed by classifying the firms seeking credit into homogeneous groups representing different levels of credit risk. Classification/discrimination procedures commonly employed for such purposes include statistical and econometric techniques. This paper explores the performance of the M.H.DIS method (Multi-group Hierarchical DIScrimination), an alternative approach that originates from multicriteria decision aid (MCDA). The method is used to develop a credit risk assessment model using a large sample of firms derived from the loan portfolio of a leading Greek commercial bank. A total of 1411 firms are considered in both training and holdout samples using financial information through the period 1994–1997. A comparison with discriminant analysis (DA), logit analysis (LA) and probit analysis (PA) is also conducted to investigate the relative performance of the M.H.DIS method as opposed to traditional tools used for credit risk assessment.     

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.     

基于概率神经网络的欺诈性财务报告的识别研究

本文探索概率神经网络PNNs(Probabilistic Neural Networks)在构建欺诈性财务报告识别模型方面的有效性,重点探讨了PNN模型变量的选择及平滑参数的确定问题,同时将所提出模型的性能和人工神经网络(ANNs)、logit回归模型的性能进行了比较.结果证明,PNN模型具有很高的预测力,并发现该模型的性能优于ANN模型以及logit回归模型.     

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。     

Business failure prediction using the UTADIS multicriteria analysis method

Business failure prediction is one of the most essential problems in the field of financial management. The research on developing quantitative business failure prediction models has been focused on building discriminant models to distinguish among failed and non-failed firms. Several researchers in this field have proposed multivariate statistical discrimination techniques. This paper explores the applicability of multicriteria analysis to predict business failure. Four preference disaggregation methods, namely the UTADIS method and three of its variants, are compared to three well-known multivariate statistical and econometric techniques, namely discriminant analysis, logit and probit analyses. A basic (learning) sample and a holdout (testing) sample are used to perform the comparison. Through this comparison, the relative performance of all the aforementioned methods is investigated regarding their discriminating and predicting ability.