上市公司失败预测研究

山东大学硕士学位论文上市公司失败预测研究姓名：王利申请学位级别：硕士专业：金融学指导教师：张道奎20090407上市公司失败预测研究作者：王利学位授予单位：山东大学相似文献(10条)1.期刊论文郑育书.刘沂佩.CHENGYu-shu.LIUYi-pei企业失败预测模型研究——来自台湾的证据-管理科学2008,21(4)以台湾上市公司公开的财务比率数据,探讨财务比率之间的领先和滞后情况,以期修正过去财务危机文献所忽略的时间落差因素.根据领先变量和滞后变量建构上市公司财务危机预测模型,以期由模型的预测为政府、监督机关、投资人和债权人探讨台湾资本市场发生财务危机提供一个参考.实证结果显示,标准化数据(考虑产业因素)比非标准化数据(未考虑产业因素)更具预测能力,故在进行财务危机方面预测性研究时应将产业因素予以控制或消除;负债比率和营业利益率是两个最早期用于判别的领先指标,若仅以这两个指标预测公司的状况,则在发生危机的前一季,其准确率可以高达90%;若加入流动比率、存货周转率、总资产周转率和现金流量比率综合观察,则在危机发生前一季时,可有95%的高预测能力.2.期刊论文张少聪.ZHANGShao-cong基于模糊物元方法的上市公司财务失败预测-莆田学院学报2008,15(4)基于财务失败预测概念的模糊性和评价指标的不相容性,以模糊物元分析为基础,将熵值理论与模糊集和贴近度相结合.建立了基于熵权与专家打分法所获权重的组合权重的模糊物元模型预测上市公司的财务失败,并以*ST夏新为例进行实证研究,研究结果表明,运用模糊物元模型预测上市公司的财务失败,其方法是可行的.为上市公司的财务失败预测提供了一种新方法.3.学位论文黄采英神经网络在企业财务失败预测中的应用2002企业财务失败预测一直是过去30年间西方财务管理研究的一个热点，在学术界和实务界引起了极大的关注，判别方法和模型层出不穷。企业财务失败预测模型具有不可忽视的重要性：一、作为早期警告系统，判别方法和模型可以告诫管理者企业是否在变坏，是否应采取有针对性的措施防止失败；二、判别方法和模型可以用来帮助金融机构的决策者对企业作出评价和选择，因为这些模型和贷款决策模型相通。三、预测模型有助于投资者了解公司的运营状况，作出投资选择。鉴于企业财务失败预测的重要性，国内外运用了诸多方法，如财务比率综合分析法、统计方法(判别分析、Logit方法、近邻法)、专家系统(分类树)和神经网络技术等等。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便。神经网络在决策方法中表现得像一个“黑匣子”，它可以模仿专家的思维过程。但目前国内关于运用神经网络方法对企业财务失败预测的研究还不多。鉴于我国二板市场即将开启，在二板市场上市的公司有较大一部分是高科技公司，高收益的同时也预示着高风险，所以对于高科技公司进行财务状况的监控是非常有必要的。本文运用神经网络首次对我国上市的高科技公司进行了财务失败预测。由于银行对公司的信用评级和对公司财务失败预测所用的方法在很大程度上是一致的，专家的评级结果较好的体现了目前公司距离财务失败边界的远近。所以本论文模拟了银行对上市公司的无担保信用评级结果，据此来划分上市公司目前的状况距离财务失败的远近。本文构建了反映上市公司经营业绩的综合财务预警指标体系；以2000年沪深股市的电子信息、通信、计算机软件、计算机硬件和生物医药板块的共110家上市公司作为样本，通过自学习自检验方式和推广能力检验方式检验了所设计的神经网络的分类能力。结论是总体来说，神经网络的判别能力比较令人满意。样本数的多少和样本本身的质量问题对模型的判别效果有着重要的影响。随着训练样本中样本数的增多，公司财务信息真实性的增强，模型就会训练得越完善，模型的判别能力也越好，检测过程中的误判率也随之减小。神经网络具有诱人的应用前景，神经网络的判别结果会给经营者、债权人、投资者极有价值的信息。4.期刊论文袁云峰.欧阳令南上市公司财务失败预测-经济理论与经济管理2004,(9)在国内,上市公司财务失败预测研究还是一个崭新的课题.对该问题进行全面深入的研究,对于包括政府部门、公司、银行以及个人投资者在内的各种市场主体进行各种投资决策活动,具有十分重要的参考价值.通过对目前应用于该领域的各种预测模型的归纳和评述,提出了综合评价思想在这一领域的应用.最后的实证研究结果证实了综合评价模型在财务失败预测研究的应用价值.5.学位论文周铖支持向量机和决策树算法在财务失败预测中的应用研究2004财务失败预测是金融领域一个重要的研究课题.自上世纪60年代以来,随着企业破产问题的日益严重,各国学者纷纷尝试通过定量分析对企业破产做出预测,从多元判别分析等线性预测模型,到以神经网络为代表的各种非参数预测模型,研究成果层出不穷.目前,国内对公司财务失败预测的研究处于起步阶段,主要以借鉴国外传统统计模型为主.随着市场经济体制的不断发展和完善,如何对企业财务失败做出准确的预测,成为金融界、企业界和政府管理结构迫切需要解决的问题.该文以国内上市公司为研究对象,将因财务状况异常而被特别处理(ST)作为企业发生财务失败的标记,利用支持向量机和决策树分类算法,进行财务失败预测模型的构建.支持向量机是统计学习理论的新发展,与神经网络相比,它较好地解决了局部极小、过拟合等问题,具有坚实的理论基础.针对财务失败预测问题,论文首先选择了有较强说服力的研究样本,在进行有效的特征选择后,利用支持向量机算法,建立了财务失败预测模型.实验表明,该模型比Logistic、神经网络等模型有更高的预测精度.决策树是一种通过归纳学习来发现训练集中分类知识的机器学习方法,具有速度快、精度高、生成的模式简单等特点.针对财务指标均为连续数值的特性,进行了连续属性离散化的研究,改进了一种RCAT算法;对多种离散化方法进行了比较,得到了复杂度低、解释性强的决策树.进而,创造性地将多种基于不同离散化策略生成的决策树进行了集成,得到了具有更高分类精度的集成分类器.以多区间离散化方法构建的决策树在财务失败预测实验中,同样得到了较好的效果.同时,结合财务知识和对财务失败预测的研究,设计开发了一个实用财务分析软件系统.该系统实现了基本的财务分析功能,为该文研究提供了可靠的研究数据,并将为该文所研究的财务失败预测模型实用化后嵌入软件系统奠定了基础.6.期刊论文贝政新.刘亮.BEIZhengxin.LIULiang上市公司财务失败预测的实证研究-开发研究2006,(2)本文以沪深两市上市公司为研究对象,以是否因最近两年连续亏损而被实行退市风险警示,界定其是否陷入财务困境的标志,运用多元判别分析的方法,采用涵盖上市公司财务状况各个方面的多个变量,利用各上市公司已经审计的财务报表中的财务数据,寻找尽可能准确的预测上市公司财务失败的变量和预测模型.7.学位论文孙玮上市公司财务失败预测实证研究2003上市公司财务失败预测实证研究,在中国才刚刚起步.从研究方法和研究角度看,都与国外的相关研究存在着一定的差异,主要表现在资本市场的成熟程度和特性的区别,以及研究方法的不完善.该文拟通过对国内外该研究领域经典文献的回顾,紧扣焦点问题对已有研究成果进行总结和理论评价.作者运用Logistic模型建立预测模型,从而对上市公司的成功或失败作提前预测.8.期刊论文耿克红.李占省.GENGKe-hong.LIZhan-sheng上市公司财务失败预测模型的预测能力比较-山西财经大学学报2006,28(5)通过实证分析,建立了判别分析模型、主成分模型、主成分逻辑回归模型以及基于快速BP算法的ANN仿真模型四种财务失败预测模型,并对它们的预测能力进行了比较.结果表明,这四种方法都可以用来进行财务失败预测,但预测的效果是有差异的,基于快速BP算法的ANN仿真模型是最有效的一种方法.9.期刊论文黄岩.李元旭.HUANGYan.LIYuan-xu上市公司财务失败预测实证研究-系统工程理论方法应用2001,10(1)如何合理、有效地利用企业披露的财务信息防范企业财务失败，是企业持续经营与发展的一项重要内容，这就要求加强事前对未来可能出现的财务失败进行科学、准确地预测。本文构建了反映上市公司经营业绩和水平的综合财务预警指标体系；应用多元统计分析，以沪深股市的上市公司为样本，建立了中国工业类上市公司财务失败预测模型，给出了所研究上市公司的Z值范围；并应用该模型对预测样本进行实证研究。预测结果显示，该预测模型是预测上市公司财务失败的一种有效、实用的方法。最后对预测模型的适用性、准确性以及与模型有关的上市公司财务信息披露的问题进行了探讨。10.学位论文王静神经计算及其在财务失败预测中的应用2004随着市场经济的发展,实现对企业财务失败的有效预测已成为当前金融业、企业界和政府管理机构的迫切需求.近年来,西方国家已经掀起了企业财务失败预测研究的高潮,模式识别、机器学习领域中的许多新模型、新方法被引入该领域,对主流的传统统计模型提出了挑战.相比之下,国内相关领域的研究才刚刚起步,主要以模仿国外传统统计模型为主,在研究的深度和广度上与国外相比差距很大.人工神经网络是由大量简单信息处理单元组成的广泛并行互连的网络,基于神经网络建立计算模型,并用于解决科学和工程中的问题就称为神经计算.相对现有财务失败预测研究中的传统统计模型而言,神经网络具有处理复杂非线性关系,自适应能力和泛化能力强,对数据分布的要求不严格的优势,近年来已成为国外财务失败预测研究领域中的新热点.该文以中国上市公司为研究对象,将公司因财务状况异常而被特别处理(ST)作为公司发生财务失败的标记,在选择了有说服力的研究样本并进行有效的特征选择后,分别应用误差反向传播(BP)神经网络、学习矢量量化(LVQ)神经网络构建财务失败预测模型,并与C4.5、Logistic等传统模型进行了分析比较.结果表明,与传统模型相比,这两种神经网络(尤其是LVQ网络)预测性能有明显提高.为了提高神经网络的泛化能力,往往需经反复试验来寻找最佳网络结构配置,神经网络集成避开网络配置的难题,通过训练多个神经网络并将其结论进行合成来提高网络的泛化能力.该文应用Bagging集成方法构建了基于神经网络集成的财务失败预测模型,实证结果表明神经网络集成方法较单个神经网络取得了更高的预测精度.结合财务分析知识和财务失败预测的研究,设计、开发了一个实用财务分析软件系统.该系统实现了常见的财务分析功能,同时也为该文研究提供了实验数据,并为将各种财务失败预测模型嵌入软件系统奠定了基础.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：bc461142-6739-4c2e-93bb-9dfa00cdcac9下载时间：2010年9月23日