上市公司财务困境预测模型的实证研究:比较与优化

以被特别处理作为上市公司陷入财务困境的标志 ,本文对多元判别分析和多元逻辑回归分析进行了比较 ,发现多元逻辑回归分析总体上要优于多元判别分析。在此基础上 ,利用泰勒展开式的结论 ,在逻辑回归模型中引入变量的二次幂项和交叉项 ,结果发现预测模型的准确性和稳定性都得到了提高。

公司财务困境的多期预测研究

公司陷入财务困境往往会经历一个逐步衰败的过程，如何在这个过程中的不同时点动态地把握公司陷入困境的特征，并对其前景进行及时准确预测是值得研究的问题。文章以1998—2000年因“财务状况异常”而被特别处理的上市公司为研究样本，在考察31个预测变量的基础上，采用多元线性判别和逐步判别分析方法，分别建立了财务困境发生前一年、前二年和前三年预测模型。通过对不同年度最优模型的比较，我们发现最优模型中的指标类型和指标个数会随预测时点不同而发生变化。对于较近年份的财务困境预测，由于公司的财务状况已发生普遍的严重恶化，使用较多的财务指标作为预测变量可以获得更为充分的信息含量；而进行较长时间跨度的预测，关键要寻找到在企业长期生产经营过程中对企业的经营状况有指示能力的“信号”指标，本研究构造的最优前二年和前三年模型分别只包含5个和3个变量，却达到了不低于80％的样本预测精度，其中主营业务利润／总资产这个指标具有很强的前瞻预测能力。

热红外光谱的石榴子石亚类识别方法

高光谱技术快速、无损、精确探测矿物,能够清楚的反映矿物化学成分的改变。石榴子石在热红外波段具有诊断性的三峰式特征。反射峰波长与化学成分关系密切,所以可以依据石榴子石在热红外波段的光谱特征开展其亚类分类研究。钙铬榴石和锰铝榴石反射峰位置易于与其他亚类区分,而铁铝榴石和镁铝榴石、钙铁榴石和钙铝榴石的反射峰位置有较大重叠区域,无法直接判别,因此亟需一种基于热红外光谱的快速、准确识别石榴子石亚类的分类方法。基于热红外光谱库中85个不同类型的石榴子石样本数据获取其3个反射峰位置及波长差值信息,利用非线性BP神经网络、聚类分析以及多元线性判别分析3种方法开展石榴子石亚类识别实验,并运用精确率、召回率和F1值进行分类精度评价。结果显示:BP神经网络算法分类的精确率、召回率和F1值均能达到100%,铁铝榴石和镁铝榴石、钙铁榴石和钙铝榴石得到很好地区分;聚类分析和多元线性判别分析分类的精确率、召回率和F1值分别为86.1%、80%和79.2%,84.2%、80%和79.5%,这两种方法对反射峰重叠的铁铝榴石和镁铝榴石、钙铁榴石和钙铝榴石分类效果不好,因此BP神经网络更适合石榴子石亚类识别。本研究利用BP神经网络强大的非线性自动映射能力,找到了石榴子石热红外谱段反射峰位置与亚类类型之间复杂的映射关系,证明了BP神经网络方法与热红外光谱特征结合使用的可行性与优越性,为石榴子石亚类识别提供了快速有效的技术支撑,同时为其他矿物的快速有效识别提供了良好的技术启示。

财务危机预测中的统计方法

随着我国市场经济的发展,对公司财务危机预警研究的需求日益迫切,急需通过完善预警方法,建立起有效的预警系统。

论城市商业银行授信风险控制模型的建模与应用问题

城市商业银行作为承担多重经营风险的金融企业,如何规避风险是其在经营中求发展的关键;而如何创建和应用有效的度量风险的模型,并用以防范和控制各类风险更是银行业经营的核心。本文对两种风险度量模型,即多元线性判别分析以及其改进形式——主成分分析进行了有益的探索,并进行了相应的应用测试;从理论上与实践上论证了其有效性和实用性。