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。     

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.     

基于蚁群神经网络的财务危机预警方法

为了克服神经网络财务危机预警方法收敛慢、不收敛和网络结构难以确定等缺陷,提出了基于蚁群算法的改进神经网络财务危机预警方法。将神经网络模型的结构和参数进行编码,利用蚁群算法确定若干个神经网络模型的结构和参数,然后通过评价函数得到神经网络的最佳结构,最后通过BP算法训练该神经网络,得到神经网络财务危机预警模型。验证结果表明,该模型结构简单、预警精度高。     

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     

上市公司远期财务危机预测研究

尽管各界对预测企业远期财务危机有着很大需求,该领域的研究一直被这个问题所困惑:究竟哪些指标含有预测企业远期财务危机的重要信息?本文利用财务报表时间序列数据和贝叶斯统计方法设计出了一个这样的指标,用该指标建立的上市公司财务危机预模型具有较高的远期预测正确率。     

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。     

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.     

基于RS-Bag分类器集成技术的上市公司财务危机预测

财务危机预测是金融管理决策中的重要问题,其实质是对未来财务状况的预报和分类。鉴于目前单一分类器预测性能不稳定,本文运用分类器集成技术,以BP神经网络为分类学习算法,建立基于RS-Bag算法的神经网络分类器集成模型。然后,以我国上市公司财务数据为例进行财务危机预测实证研究,结果表明,基于RS-Bag算法的神经网络分类器集成预测精度和泛化性能优于单一神经网络分类器,也优于Bagging分类器集成和RS分类器集成。     

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.     

基于比例优势模型的上市公司财务困境预测研究

在激烈的市场竞争中,现代企业非常关注风险管理,注重防范与控制风险,而风险管理的关键是预测与控制财务风险。生存分析模型能动态地预测风险事件发生的概率,本文精比例优势模型应用干我国上市公司财务困境预测,根据边际似然与ALASSO变量选择程序,确定了影响财务风险的主要因素,获得模型参数估计,考察了比例优势模型财务困境预测判断能力,比较了Cox模型和比例优势模型这两种生存模型的财务风险预测效果。结果表明,比例优势模型能展现企业财务困境的发展过程,具有较好的财务困境预测能力。     

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.     

基于文本信息的上市中小企业财务困境预测研究

本文通过网络爬虫获取上市中小企业相关的文本信息,包括以年报为代表的信息披露报告和互联网新闻媒体报道的文本内容,采用词袋方法基于不同特征词词表对这些文本内容进行了量化分析,并以财务变量模型为基础对文本信息量化指标在财务困境预测中的作用进行了实证检验,结果表明由信息披露报告构建的管理层语调变量以及由新闻媒体报道构建的报道倾向变量、负面报道比例变量确实可以提高财务困境模型的拟合度和预测能力,而且在对不同类型文本信息的分析应有不同的侧重点。尽管本文针对的是上市中小企业,但并未考虑市场交易信息,因而可以推广到未上市交易的中小企业。     

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.     

基于Cox模型研究财务困境的行业差异性

公司所属行业是陷入财务困境的一个重要的影响因素,本文主要运用Cox模型衡量不同行业的财务困境风险关系。我们以我国A股制造业上市公司为研究对象,选取制造业中样本量最大的两个次级行业:机械、设备、仪表行业以及石油、化学、塑料行业,以"月"作为生存时间基本单位,选取8个财务指标和一个行业虚拟变量进行实证研究。实证结果表明机械、设备、仪表行业陷入财务困境的风险为石油、化学、塑料行业的0.469倍,并且显著影响这两个行业的公司陷入财务困境的财务指标也不相同,表明研究财务困境考虑行业的重要性;稳健性检验表明这些结论具有可靠性。     

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。