我国部分上市公司两种财务危机预警模型的比较研究

财务危机预警模型是防范财务危机的有效途径之一.采用主成分分析模型和BP算法神经网络仿真模型对我国部分上市公司进行了财务困境预测,以我国上市公司中60家公司的财务指标作为估计样本组,以40家公司作为预测样本组建立了财务危机预警模型.对两种模型的计算分析表明,BP算法神经网络仿真模型的预测准确率明显优于主成分分析模型,具有广泛的适用性.     

上市公司财务困境预警的Logit模型实证研究

把传统财务指标与现金流指标结合起来，利用logit方法构建了一个上市公司财务困境预警模型，该模型对预测样本进行实证研究，证明是一种有效、实用的预测方法。     

非财务指标对我国上市公司财务预警的影响

以我国沪深两市被ST的62家工业企业作为研究样本,同时选择相同口径的62家非ST工业企业作为配对样本,采用均值显著性分析、多重共线性分析和回归分析研究了非财务指标对我国上市公司财务预警的影响。研究结果表明,在上市公司ST问题的研究中应综合考虑财务指标与非财务指标,将非财务信息与财务信息有效结合建立预警模型将更好地预警上市公司的财务困境问题。     

非财务指标对我国上市公司财务预警的影响

以我国沪深两市被ST的62家工业企业作为研究样本,同时选择相同口径的62家非ST工业企业作为配对样本,采用均值显著性分析、多重共线性分析和回归分析研究了非财务指标对我国上市公司财务预警的影响。研究结果表明,在上市公司ST问题的研究中应综合考虑财务指标与非财务指标,将非财务信息与财务信息有效结合建立预警模型将更好地预警上市公司的财务困境问题。     

基于数据挖掘技术的上市公司财务危机预警实证分析

为了能够对上市公司的财务困境进行预测,采用样本上市公司的财务数据,建立了BP人工神经网络财务预测模型.研究结果表明,建立的计量模型预测准确度较高,不仅对企业财务困境的研究具有一定的理论价值,而且对证券分析行业相关人员进行上市公司的财务预测具有一定的现实意义.     

基于现金流量指标的企业财务困境预警模型构建

针对现有企业财务困境预警系统的局限性,从现金流量角度研究企业财务困境的预警问题.通过选取2011年127家ST公司为样本公司和配对样本公司,利用其T-1年至T-6年现金流量数据,在费歇判别分析基础上构建现金流量财务预警模型,并通过ROC曲线对模型判别结果进行检验.结果表明,T-2年模型判别能力最强,T-1年和T-3年模型判别能力较强.     

房地产行业上市公司财务绩效的实证研究

为了了解房地产行业的财务发展情况,选取了8项具有代表性的财务指标,对2013年房地产上市公司的财务绩效进行了实证研究。首先利用因子分析法求出企业的财务绩效得分并排名,然后对排名前十名和后十名的企业的绩效得分进行配对样本T检验。结果发现,盈利能力和发展能力对企业绩效的影响显著,而营运能力和收现能力对企业绩效有影响但不显著。     

主成分法与Logistic分析法在我国服装上市公司财务预警中的比较研究

服装业在现今的市场环境中面临的挑战诸多,而来自财务方面的风险、危机对其的影响尤为值得关注,财务安全问题扼制着其经营发展的命脉.针对于此,本文主要采用实证分析法,以2015年我国服装业35家上市公司为观测对象,选用主成分分析、二项Logistic回归分析等方法研究该行业上市公司的财务预警.构建了主成分预警模型和Logistic预警模型,并对2个模型进行了检验与对比,得出后者在预测正确度上高于前者的结论.研究内容可以为服装业上市公司提供一些财务预警的思路,对判别财务风险恶劣程度并加以管控和防范有一定的指导价值.     

基于自组织数据挖掘的上市公司财务危机预测

为了提高上市公司财务危机的预测精度,利用自组织数据挖掘中的客观系统分析(OSA)算法提取上市公司财务危机指标体系的关键属性,将其作为输入构建基于自组织模糊规则归纳算法(FRI)的上市公司财务危机预测模型,自动提取上市公司财务危机模糊规则,进而对公司财务危机状态进行判别.选取200家上市公司作为样本进行实证分析,结果表明,该模型对测试样本预测精度达到了85％,可以作为上市公司财务危机预测的一种有竞争力的解决方案.     

我国上市公司财务危机预警模型的实证研究

选取沪深两市2002~2005年被"ST"的55家上市公司作为财务危机样本组,选取与财务危机样本组同行业、资产规模在10%差异之内的55家非财务危机上市公司作为配对样本组,并且以综合反映企业的盈利能力、偿债能力、资产营运能力、成长能力和获取现金能力14个财务指标作为解释变量,运用主成分分析法提取公共因子,并在此基础上建立因子分析预警模型和Logistic预警模型。经过验证两种模型的测准确度都比较高,因子分析预警模型预测准确度最高为91.67%,Logistic预警模型预测准确度最高为83.33%。     

上市公司财务困境的动态预测模型

针对上市公司 ST政策,基于公司连续2年净利润为负的特征,提出了预测上市公司财务困境的远期模型。采用2007-2012年的数据进行实证检验,计算了公司 ST的远期概率。研究结果表明,一年期定期存款利率、上证指数一年期回报率、资产收益率、负债比率、GDP是影响上市公司陷入财务困境的主要因素,提出的远期模型为投资者判断上市公司财务状况提供了一种有效方法。     

独立成分分析和模糊支持向量机在财务困境预测中的应用

为了降低支持向量机对不平衡数据的倾向性影响,作者将模糊支持向量机方法应用到企业财务困境预测,同时将独立成分分析作为特征提取工具,对企业财务数据中的财务指标比率进行有效选取,从而提高了模糊支持向量机对财务困境预测的性能.通过与其他方法比较,证实了独立成分分析与模糊支持向量机建立的企业财务困境预测模型的有效性与实用性.     

金融大数据中条件非相关波动模型的单纯形搜索算法

针对金融大数据中多维金融资产相关性计算的降维问题,提出了求解条件非相关波动模型的单纯形搜索优化算法.该算法极大地提高了估计参数的速度和精度.为了验证算法的有效性,检验了股票市场、债券市场、基金市场、外汇市场与期货市场的条件非相关性问题.本文的研究方法为金融大数据相关分析提供了新方法.     

灰色预测在市场营销管理中的应用

探讨在市场营销管理中运用灰色系统理论作市场分析与预测，具体介绍了ＧＭ（１，１）、新陈代谢、灰Ｖｅｒｈｕｌｓｔ等模型，并举出一实例说明在小样本情况下灰色系统预测结果明显优于传统方法。     

一种基于混沌预测的离群时间序列检测方法

提出一种基于混沌行为预测的金融交易离群检测方法.通过对短期金融交易时间序列的混沌分析,建立其未来行为趋势预期机制.利用RBF神经网络构建金融交易序列的拟合函数,以此进行一步行为预测,比较实际结果与预测结果的偏差,从而得到离群判别.合成与真实数据的实验表明了该方法的有效性.     

论虚拟经济视角下的货币危机

随着经济货币化和金融创新的巨大发展,虚拟经济作为一种新的经济形态在当代获得了迅猛发展并与实物经济逐渐过度背离。本文作者通过提出一种新的金融资产的分类方法,并在对格利—肖动态金融模型做出简单修正从而引入五市场模型的基础上,着重对货币危机发生的机理进行短期分析,论证了虚拟经济与实物经济的过度背离是当代货币危机发生的重要原因,其直接根源在于这种过度背离超过了处于介稳状态的虚拟经济系统的临界点。     

Bootstrap方法在基于ARMA-GARCH模型的电力市场价格区间预测中的应用

当今开放式电力市场是一个基于竞价拍卖形式的市场,市场清算价格（market clearing price-MCP）主要受变化的供需平衡、市场参与者的竞价策略以及电力企业已经签订的双边买卖合同等因素影响,现有的价格预测技术只集中在如何提高价格预测准确度上,而忽视了对预测本身不确定性的度量;其中ARMA-GARCH价格预测模型的前提是假设预测误差符合正态分布,而实际电力市场价格非线性波动使得正态分布的假设完全不成立．针对这一现象,将不依赖任何分布假设的Bootstrap技术应用于基于ARMA—GARCH模型的电力市场清算价格区间预测,并对澳大利亚电力市场的真实数据进行分析评测,精度高,可靠性好．     

电力系统短期负荷预测系统的实现

考虑近期我国电力市场需求,开发了电力系统短期负荷预测软件系统.该系统分为原始数据维护、负荷预测和预测结果处理3个相互独立模块.在数据库设计中,采取定期转储的办法控制数据量.系统提供了丰富的模型库,各模型可单独预测,也可选择几种模型进行综合预测.河南省某县级电力系统的负荷预测结果表明,该系统能够取得满意的预测效果.     

Nonlinear combined forecasting model based on fuzzy adaptive variable weight and its application

In order to enhance forecasting precision of problems about nonlinear time series in a complex industry system, a new nonlinear fuzzy adaptive variable weight combined forecasting model was established by using conceptions of the relative error, the change tendency of the forecasted object, gray basic weight and adaptive control coefficient on the basis of the method of fuzzy variable weight. Based on Visual Basic 6.0 platform, a fuzzy adaptive variable weight combined forecasting and management system was developed. The application results reveal that the forecasting precisions from the new nonlinear combined forecasting model are higher than those of other single combined forecasting models and the combined forecasting and management system is very powerful tool for the required decision in complex industry system.