Logistic财务预警模型预警正确率提升研究——引入盈余管理变量的分析

将应计盈余管理变量与真实盈余管理变量引入Logistic财务预警模型,可以对由盈余管理行为导致的财务信息偏差进行纠正,以减少因财务信息失真造成的预警模型误判。以2012—2016年A股上市公司为样本进行的实证研究表明:ST公司与正常经营公司盈余管理行为存在显著差异;与传统Logistic财务预警模型相比,引入盈余管理变量后的Logistic财务预警模型拟合程度与预警正确率均有所提高,且这一改进对ST公司预警正确率提高的程度高于对正常经营公司预警正确率提高的程度。

上市公司Logistic财务预警模型构建及分割点选择

本文以沪深两市A股制造业上市公司2010～2013年首次因财务状况异常而被特别处理的42家ST公司以及配对的42家非ST公司为研究样本,采用Logistic回归方法构建财务危机发生前3年的预警模型,并利用检验样本验证了该模型的预测能力。

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%.

基于趋势性信息改进logistic财务预警模型

文章采用logistic模型以实证方式对企业财务进行预警,并对模型加以改进和完善。本文选取50个财务指标和13个非财务指标,通过正态分布检验、均值检验、共线性检验等,再用以逐步回归方式以筛选出的变量指标构建T-2年的二元Logistic回归模型一(称为传统模型)。同时,引入趋势性财务指标,与原始63个指标经过上述同样的处理,以筛选出的指标构建T-2年的二元Logistic回归模型二(称为改进模型)。实证显示:改进模型的预测准确度和拟合优度均明显优于传统模型,并能更明显地规避第二类错误的发生率。

基于深度神经网络与Logistic模型的财务风险预警研究——来自制造业上市公司数据

复杂多变的外部经济环境促使企业财务风险不断上升,寻求有效的财务风险预警模型以提高公司财务风险管理能力是当前理论界与实务界重点关注的热点话题。人工智能技术在各领域应用的飞速发展,为识别和评估公司财务风险提供了新方向,本文基于人工智能领域主流算法——机器学习算法,构建深度神经网络预警模型以识别和评估公司财务风险。本文以2001-2023年制造业上市公司为样本,使用PSM匹配将样本分为财务危机组和经营良好组,综合多维度多目标的财务风险预警指标体系,并使用计算机模拟仿真技术和多模型对比测试,研究发现基于机器学习算法的深度神经网络模型对预测财务风险准确率达到90%。进一步,本文运用Logistic模型获取了对企业财务风险影响较大的因素。本文研究为识别、评估和控制财务风险提供了新的理论模型,也为管理者增强公司风险防范水平提供了实践指导。

基于文本挖掘和二元Logistics回归的生物医药行业上市公司财务预警研究

本研究论文主要探讨了基于文本挖掘和二元logistics回归的生物医药行业上市公司财务预警研究。通过分析生物医药行业上市公司的财务数据和管理层讨论与分析(MD&A)文本,利用二元logistics回归模型和文本挖掘技术,研究构建了一套财务预警模型,以预测企业是否可能发生财务危机。研究选取了现金比率、现金流量负债比率、资产负债率、净资产收益率、营业毛利率、息税前营业利润率、总资产增长率、营业收入增长率、资本保值增率、每股经营活动产生的净流量增长率等财务指标,以及基于MD&A文本信息构建的语调指标作为模型的关键预警指标。这些指标涵盖了企业的多个财务维度,旨在全面评估公司的财务健康状况。模型在非ST公司的判断准确率达到了87.50%,在ST公司的判断准确率为80.00%,整体准确率为85.29%,显示了该模型对于早期识别财务风险具有一定的有效性。

基于SMOTE算法和Logistic回归分析构建肛周脓肿病人发生坏死性筋膜炎的风险预警模型

目的:基于SMOTE算法和Logistic回归分析构建肛周脓肿病人发生坏死性筋膜炎(NF)的预警模型。方法:回顾性选取2016年8月—2021年10月医院收治的1 780例肛周脓肿病人,依据病人术后是否合并NF将其分为发生NF组和未发生NF组,采用Logistic回归分析法筛选独立风险因素,构建预测模型,同时基于SMOTE算法改进数据集,构建改进数据集的预警模型并对比验证模型的预测效能。结果:年龄≥60岁、糖尿病史、CRP≥150 mg/dL、NLR≥15、血糖≥9 mmol/L、术前白蛋白≤32 g/L为肛周脓肿病人发生NF的独立风险因素(P<0.05)。Logistic预警模型P1的受试者工作特征(ROC)曲线下面积为0.825,SMOTE算法预警模型P2的ROC曲线下面积为0.939,两者均具有较高的预测精准度。结论:SMOTE算法预警模型对发生NF的概率计算精准,有利于提前干预,为病人的预后做好充分保障。

高端酒店业亏损预警模型比较研究——基于Logistic回归分析与Fisher判别分析

世界经济增长缓慢,产业结构调整的持续深化为我国带来了前所未有的新挑战。高端酒店行业的财务预警问题受到越来越多利害关系者的关注。基于Fisher判别分析与Logistic回归分析,结合酒店业经营现状,建立预警分析模型。结果表明,判别模型准确率为80.77%,而Logistic回归分析达到了84.62%,说明Logistic回归模型更为优化,可直接用于实际,能够找出公司陷入财务危机产生显著影响的主要指标。对利害相关者预测财务困境、进行风险投资、企业预警分析以及企业综合评价有着重要的现实意义。

基于Logistic回归模型的制造企业财务风险诊断研究

本文旨在构建基于Logistic回归模型的财务风险预警模型,对制造企业进行财务风险诊断。在文献综述的基础上,选取了A股63家制造企业(15家ST企业,48家非ST企业)作为样本,利用因子分析提取关键财务指标,并运用逐步回归的Logistic模型进行风险评估。研究结果表明,模型具有较高的预测准确性,能够为企业管理者提供有效的风险预警信息。

基于财务信息和非财务信息的债券违约预警模型研究——Fisher模型与Logistic模型的实证分析与应用

自2014年我国债券市场发生首例债券违约以来,债券违约事件日益增多。尤其近几年来,无论是发生债券违约的企业、债券违约的只数还是违约总金额,都呈现爆发式增长和蔓延态势。在此背景下,本文使用2014~2020年债券市场全样本数据,基于财务信息构建债券违约预警模型,在Fisher模型与Logistic模型判别效果对比后选择了Logistic模型,并在此基础上加入部分非财务信息指标,以进一步提升模型的预测能力。最终得到基于财务和非财务信息的Logistic模型。研究结论如下:第一,Logistic模型整体判别效果优于Fisher模型。第二,构建的基于财务和非财务信息的Logistic模型具有较好的预测能力,经济含义清晰,具备实际使用价值。第三,财务指标如净资产收益率、资本累积率、刚性负债率、筹资NCF/平均总资产等是债券违约预警模型中的显著指标,这些指标对于预警债券违约具有重要作用。第四,部分非财务指标对于提升模型预警能力有明显效果,非财务信息诸如发债企业所在省份风险情况、行业风险情况、企业所有制形式等为预警债券违约提供了显著的增量信息,也反映了我国债券违约具有所有制、地域和行业的群聚特征。

基于Logistic回归模型的种业企业财务风险预警模型构建

种子行业处于农业生产的上游,是战略性、基础性核心产业,对农业生产和国家粮食安全具有关键性作用,但目前我国多数种业企业在发展过程中面临严峻的财务风险。基于此,选取20家种业上市公司和16家新三板挂牌企业为研究对象,从营运能力、盈利能力和发展能力3个维度选取12个财务指标,构建种业企业财务预警模型,并分析该模型的预测效果。结果表明,该模型的预测准确度为97.2%,预测价值较高。

基于主成分-Logistic模型的医药业上市企业财务风险预警研究

为客观科学对医药业上市企业进行财务风险预警,选取了截至2021年深交所和上交所上市的20家医药上市企业为样本。从盈利、偿债、营运、发展、现金流五个方面选取了51个指标,采用S-W检验、F检验、Mann-Whitney U检验对51个指标进行筛选,构建出财务风险预警指标体系。最后,利用主成分分析结合模型构建出财务风险预警模型,模型准确度为85%,希望所构建模型对医药业健康发展起到借鉴作用。

基于Logistic和Cox回归模型的上市公司财务危机预警模型研究

文章以上市公司的ST公司及其配对样本为研究对象,得出用于对上市公司财务危机进行预警的统计模型。选择的样本是2017~2019年间首次被ST的上市公司以及按照ST与非ST公司1:2的比例进行的配对样本,以该样本为研究对象进行财务预警模型建立,主要利用Logistic模型和Cox生存分析模型建立涵盖上市公司财务指标和非财务指标的财务困境预警模型,并对模型的判别能力进行分析对比,之后,选取2020年最新被ST的公司以及其配对样本为测试集对两类模型的预测能力进行测试。得出Logistic模型在预测能力上具有优势,而Cox模型在时点预测方面有Logistic模型不具有的优势。

基于Z模型及Logistic模型在创业板公司财务预警实证分析

创业板作为资本市场上主板市场一个重要的补充,其投资领域盈利高、增长快的特点深受投资者青睐,而创业板公司普遍公司规模较小,发展不确定因素较多,并且企业自身财务制度不健全,内部控制制度缺失,市场瞬息万变难以把控导致创业板企业应对财务风险更加困难。因此。及时制定和完善财务风险预警机制,为创业板企业提供有效保障,能让企业良好健康发展十分重要。本文选取2019年至2020年两年共240个样本,分别构建主成分分析模型和Logistic分析模型进行财务预警分析,其回归模型模型的构建在一定程度上可以为公司高管或者投资者作一定参考,尽可能避免出现营业风险或投资损失发生。

批发零售业上市公司财务困境预警--基于RF-VNWOA-LSSVM模型

本文从国泰安数据库(CSMAR)选取2019—2022年度A股主板被ST或被*ST的33家批发零售业上市公司作为研究样本,选取20个财务指标和9个非财务指标,构建了预警指标体系。为消除非关键特征指标的影响,采用随机森林算法(RF)进行特征值筛选,将筛选的数据集应用于经过优化的LSSVM(最小二乘支持向量机)进行财务预测和预警。实验结果显示,相较于传统的PSO(粒子群优化算法)、GA(遗传算法)以及WOA(鲸鱼优化算法),采用VNWOA优化算法的分类精度分别提高了2.9个百分点、2.9个百分点以及4.35个百分点。综合应用了随机森林和VNWOA优化算法的RF-VNWOA-LSSVM模型在分类精度上相较于RF-费希尔判别法和BP神经网络分别提高了18.75个百分点、8.45个百分点。实验结果表明本文提出的RF-VNWOALSSVM预警模型可以对财务风险进行有效识别。

Benford与XGBoost模型融合的财务风险预警研究——基于2000-2021年沪深A股上市公司数据分析

文章基于2000-2021年沪深A股上市公司数据,将会计指标带入XGBoost模型去预测A股挂牌公司的财务风险。通过构建Benford因子,将财务指标和Benford因子带入XGBoost模型,并和未加因子的XGBoost风险预警模型的预测效果进行比较。并将带有Benford因子的数据分别带入极端森林、DT、GBDT、KNN、逻辑回归等模型,与XGBoost模型的预测效果进行对比。研究发现,Benford因子可以提高数据质量从而提高模型的准确度。并且Benford-XGBoost模型的预测效果要优于其他带因子的模型。

新质生产力背景下财务舞弊预警模型的构建研究

新质生产力背景下通过新技术的融入,可以防范和减少企业的财务舞弊行为,提高市场监控能力、降低风险、增强企业的信誉和声誉。为有效全面地识别企业的财务舞弊行为,基于舞弊风险因子理论及深度学习算法,文章构建了结构化数据与非结构化指标变量相结合的财务舞弊指标体系。在此基础上,采用PCA对数据维度进行降维,建立了基于深度学习的BiLSTM-Attention-SVM财务舞弊预警模型。并采用900家企业相关数据进行实证检验。结果表明该模型在财务舞弊行为识别中,准确率高达88.37%。

基于现金流的财务预警研究:线性概率模型与Logistic模型之应用比较

企业生存的威胁主要来自两个方面:一是不能以收抵支而造成长期亏损,它是企业终止的内在原因;另一是现金流量不足而不能偿还到期债务,它是企业终止的直接原因。如果把企业财务预警简单地分为长期财务预警和短期财务预警的话,现金流量的财务预警应该是短期的财务预警,且同时也是最直接、最有效的财务预警。本文主要探讨了如何通过企业的现金流指标,运用线性概率模型、logistic模型对我国上市公司财务状况的预测效果。研究结论具有重要的现实意义与价值。

基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发,对企业财务困境进行预警研究:首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型,识别出期望现金流及风险现金流;然后以这两个指标作为预警变量,构建一个二元Logistic财务困境预警模型;最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明,所构建的CFaR模型能较好地度量两类上市公司的现金流状况,且两类公司的期望现金流和风险现金流水平存在显著的差异;二元Logistic预警模型能较好地实现对上市公司财务风险的预警,对两类公司的预警正确率分别达到85.2%和81.5%。

基于主成分分析和Logistic回归的上市公司财务困境预警模型的研究

采用主成分分析与Logistic回归相结合,利用上市公司财务数据,借助SPSS和MATLAB软件,构建了上市公司财务困境预警模型.研究结果表明:该模型具有很好的预测效果,根据训练样本建立的模型,经过检验,其预测结果基本与实际相符,误差水平可以接受.这说明财务预警结果几乎完全符合其所处的财务状态,同时也说明了该模型具有很好的预测准确度和实用推广性.