上市公司财务预警的BP神经网络模型的建立及其应用

将BP神经网络方法应用于上市公司的财务预警上,构建了上市公司财务预警模型,不仅能发现企业是否存在风险和企业经营是否偏离轨道,向经营者提出警示,以便及时采取相应管理对策,而且还为广大的投资者和银行在内的债权人判定上市公司质量和经营业绩提供科学的手段和可靠的依据.实例分析表明该模型有效、可行,为上市公司财务预警提供了新的途径.     

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。     

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%.     

考虑集团化经营特征的企业财务困境风险预警研究

企业的集团化经营特征将会对财务困境风险产生重要的影响.在分析集团化经营企业财务风险特征的基础上,考虑集团内部交叉持股复杂度、关联交易程度和相互担保程度对集团化经营企业财务状况的影响,使用KMV模型计算集团化经营企业的违约距离,构建了全新的集团化经营企业财务困境预警的评价体系.并运用Logistic回归模型对集团化经营企业财务困境进行预警.实证结果表明该指标体系与模型具有可行性和有效性.     

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。     

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W-SVM的民营环保企业信用风险预警模型

2019年中国绿色债券发行量依旧稳居世界前列,成为民营环保企业重要融资渠道,但是2018年至今,大量环保企业信用风险事件频发为我们敲响了警钟,构建合适的民营环保企业信用风险预警机制迫在眉睫.环保产业属于新兴产业,并以国有企业为主导,民营企业的样本数据具有样本量小,维度高等特征,这导致传统的信用风险模型适用性不强.因此选用加权支持向量机模型,对不同类别样本采取不同权值,选取大量财务特征,最终构建出风险预警模型．研究发现加权支持向量机模型具有十分优秀的预警性能.环保企业本身具有资金回收周期较长并且项目前期投入较高等特点,建议加强财务管理,保障资产流动性,建立完善产业链.     

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。     

KMV模型运用于中国上市公司财务困境预警的实证检验

我国目前关于上市公司财务困境预警的研究大多建立在试误的基础上,缺少经济理论依据;并且经我们证明,按照配对原则设定的分析样本会出现过度抽样等问题,这将会大大高估模型的预警能力。因此本文将基于期权定价理论的KMV模型首次运用到财务困境预警中,引入功率曲线进行对照分析,经过大量的实证研究后得出结论:KMV模型运用到中国上市公司财务困境预警中是完全可行的,而且相对基于大量历史数据得到了Logistic、Fisher等模型,其优势是明显的。     

家电行业并购的财务风险预警研究

通过对家电行业的特点及其并购过程中财务风险的分析,建立了家电行业并购的财务风险评价指标体系,运用层次分析法确定各指标权重,给出了我国家电行业并购财务风险预警的模糊综合评价模型,并通过四川长虹与美菱电器的并购案例进行了实证分析,对并购活动中财务风险防范与控制方面存在的问题进行了分析,明确了财务风险防范与控制的重点.     

GRNN和PNN模型在信用风险评估中的应用

广义回归神经网络GRNN和概率神经网络PNN,与传统的BP神经网络相比,收敛速度快,学习能力强.本文将其应用到信用风险评估,选取1057组公司财务数据作为训练数据,350组数据作为测试数据,分别建立基于不同属性的模型对样本公司财务状况评判其是守信公司还是违约公司,最终选取精度较高的作为最终模型对财务系统进行预测.结果表明,PNN对于信用风险评估泛化能力好,测试集正确率高,因此可以用作风险预警的模型,给决策者提供智力支持.     

生猪市场价格风险预警的GRNN建模及其实证研究

为了对生猪市场价格风险进行预警,根据我国2009年1月-2011年8月14个指标的32组样本数据,建立了广义回归神经网络(GRNN)预警模型,其中训练样本29组,测试样本3组.训练样本和测试样本的均方根误差、平均绝对误差(AAE)和相关系数都非常接近,说明建立的模型具有较强的泛化能力和鲁棒性,测试样本的AAE为0.0062,平均相对误差为2.3%,说明建立的GRNN模型具有很高的预测精度,可用于我国生猪市场价格风险预警研究和实际预测,并为政府有关部门指导生猪生产和进行市场调控提供决策依据.     

基于灾变灰预测的企业雇员离职预警模型研究

企业经营过程中,雇员离职是一种正常现象,但某些年份的非正常离职则往往会给企业带来不必要的麻烦和损失,能否对这种非正常离职进行有效预警就显得十分重要.针对这一课题,构建了一个基于灾变灰预测原理的雇员离职预警模型,并结合实例检验了利用该模型进行离职预警的可行性与有效性.     

马氏调制费率复合Poisson-Geometric风险模型的预警区问题

考虑了一类具有马氏调制费率的复合Poisson-Geometric过程风险模型,充分利用盈余过程的强马氏性,得到第一个预警区的一个条件矩母函数所满足的微积分方程,并进一步在两状态情形下,当理赔额的分布为指数分布时得到了第一个预警区的一个条件矩母函数的具体表达式以解释结果.需要特别指出的是,所研究模型的盈余过程不具有平稳增量性,只能充分运用盈余过程的强马氏性,研究了一类具有马氏调制费率的复合Poisson-Geometric过程风险模型的预警区问题,丰富了保险公司对预警区问题的研究,对保险公司考虑财务预警系统以及保险监管部门设计某些监管指标系统具有一定的参考指导价值.     

财务风险约束下的企业可持续增长分析——以*ST北大荒为例

针对企业在发展过程中盲目追求增长,忽视财务风险的问题,以财务可持续增长理论为基础,对*ST北大荒的增长管理进行剖析,分析发现:*ST北大荒实际增长速度远超过可持续增长速度,公司财务危机的爆发与其超速增长有必然联系.公司要实现可持续增长,应加强企业内部控制、提升企业财务战略规划能力、构建企业财务预警体系和优化企业杠杆配置.     

基于Pulic智力资本模型的上市公司财务危机预警研究

智力资本在知识经济时代对企业的发展至关重要.本文考察Pulic智力资本评测模型是否能够用于企业财务危机预警.首先基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据对Pulic模型综合指标进行单变量分析证实了该模型的预警可行性,然后根据三项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推.结果表明,Pulic模型在ST前两年具有较高的判断准确性,可以通过对智力资本的考察而预知企业未来的财务状况.     

杜邦财务模型在企业中的应用分析——以老板电器为例

财务分析是指以财务报表和其他相关资料为依据,对企业的偿债能力、盈利能力、营运能力和成长能力等状况进行分析与评价的经济管理活动,杜邦财务模型则通过对各项财务比率内在联系的运用,系统地评价企业的财务状况和经营成果.文章以老板电器为例,运用杜邦财务模型对其2014-2017年的财务报表进行分析,对各相关指标变动的原因作出合理解释,分析发现老板电器在资产运营等方面存在不足,并提出了提高企业效益与效率的相应建议.     

财务危机预警中财务比率的选择研究

本文采用定性与定量相结合的方法对财务危机预警中财务比率的选择进行了研究 .首先根据初选原则对财务比率进行了初步选择 ,然后提出了一种基于神经网络的变量选择方法 ,对初选的财务比率进行定量筛选并进行了实证研究 ,结果表明 ,这是一种科学、通用的变量选择方法     

上市公司资本成本面板数据模型与实证分析

本文利用我国上市公司1997至2002年的有关财务数据,建立了我国上市公司资本成本面板数据模型,运用该模型分析了我国上市公司资本成本与财务杠杆、企业规模的关系.结果表明,财务杠杆的提升、企业规模的扩大将使资本成本下降.该结论对我国上市公司优化资本结构、提高企业价值具有一定的参考价值.