基于GGInformer模型的金融数据特征提取及价格预测

为了解决金融时序预测任务中出现的特征参数冗余问题,用遗传算法对金融数据进行特征提取,通过三组对比实验进行验证分析。实验结果显示,加入了遗传算法的预测模型比未加入遗传算法的模型在三种数据集上的MSE均有所降低。最终结果证明遗传算法可以有效解决金融产品价格预测过程中的特征冗余问题。为了解决非线性的长序列金融数据预测效果差的问题,通过结合GRU网络和Informer模型构建了GGInformer模型来对金融产品价格进行预测。模型在三种外汇产品数据集上与其他四种预测基准方法进行了对比实验,实验结果与可视化分析表明,所提模型在金融产品交易价格的预测结果上有明显优势,可以提高预测的精度。

考虑金融网络指标的信息技术类上市公司财务危机预测研究

信息技术类上市公司市场变化趋势难以捕捉,而这部分信息能有效显示企业的运营状况。股票收益信息能够及时反映市场变化,为了监督企业运营状况,避免财务危机发生,本文采用股票信息构建金融网络,将股票信息以网络指标的形式引入模型。为了充分发挥集成算法在财务危机预测模型中的作用,提高模型的泛化能力,同时解决单一分类器不能充分使用数据的问题,本文采用lightGBM集成算法构建信息技术类上市公司财务危机预测模型,并提出了基于lightGBM算法的调参集成策略,利用模型之间的信息互补提高算法的预测性能。以沪深两市信息技术类上市公司为研究对象进行实证研究,结果表明,经过调参集成的lightGBM算法具有更高的预测性能。同时引入金融网络指标的模型总体表现优于传统模型,说明股票信息的引入有利于财务危机预测。本文研究为财务危机预测模型构建提供了新思路。

应用财经新闻挖掘的金融品种价格走势预测

随着经济的不断发展,金融活动中的不确定性日益增加,金融预测受到学术界及金融界的高度重视。人们希望通过获得预测性的判断和推测,掌握金融产品未来的发展趋势和规律。而近期随着互联网发展,出现海量财经信息,仅仅依靠历史价格的数据挖掘技术,不能很好地反映金融市场多元因素的影响。因此,通过挖掘财经新闻信息中的情感倾向信息,结合金融历史价格数据,组合多元线性回归和差分自回归滑动平均模型,提出了一种基于财经新闻信息挖掘的金融价格走势预测方法,通过实际数据验证,表明该方法可以获得较为准确的预测结果。

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。

盈余管理能否增加财务危机预警的预测能力——来自中国ST上市公司的证据

论文采用2003-2006年来自中国ST上市公司的数据,对于盈余管理是否增加财务危机预警的预测能力进行分析,即在财务信息、公司治理变量的预测模型中加入盈余管理变量,建立Lo-gistic回归分析模型。研究发现:(1)财务危机公司相对正常公司,于财务危机发生前盈余管理程度较高。(2)盈余管理程度越高,公司财务危机发生的概率越高。(3)加入盈余管理程度变量能增加财务危机预警模型的解释能力。(4)加入盈余管理、公司治理结构特征的财务预警模型也能提高财务危机预警模型的解释能力,其预测的正确概率分别为前一年的98.9%,前二年为90.6%,前三年为75.3%。论文最后提出,如果上市公司能加强公司治理,进行盈余预测,可以很好的控制财务危机的发生概率。

分部报告及其财务分析

简要回顾了国内外与会计相关的专业机构对分部报告会计问题研究与规范的历史，综述了有关分部报告信息价值的实证分析，指出分部报告的重要性和分部信息的价值已经为规范的研究和实证的分析所共同认同，认真分析和充分利用分部报告信息将有利于企业会计信息的使用者对企业的现状和未来做出更有根据的判断和更有效的决策。

非财务信息与财务危机预警——来自我国上市公司的证据

本文从我国上市公司中,选取30家财务危机公司,与30家财务健康公司作为样本。首先对两组公司的13个财务变量,进行均值的t检验和Wilcoxon秩检验。选择合适的财务变量集,再将此财务变量集分别与董事会高管人员持股比例、股权集中度、股票价格变动趋势,及是否更换会计师事务所等,四个非财务变量一起作为解释变量,建立Logistic回归模型。实证研究结果表明,股票价格变动趋势与财务危机风险显著相关,加入非财务变量的预测模型效果更优。

基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤。实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型。

上市公司财务困境预测模型再研究

本文以2005年上半年沪深两市中首次被ST的52家公司和52家非ST公司为研究对象,同时利用这些公司的会计信息和公司治理信息来构建财务困境预测模型。研究结果表明:(1)公司治理特征对公司陷入财务困境具有显著的影响;(2)同时利用了会计信息和公司治理信息构建的模型显著优越于仅仅利用会计信息构建的模型。这一方面说明,公司治理结构对公司的财务安全具有重要的影响,因此当前应进一步完善公司治理结构;另一方面也说明今后在研究和构建财务困境预测模型的时候,不仅要考虑会计信息,还应考虑公司治理信息等,以构建出更为有效的预测模型。

让预测性财务信息披露作为再融资的前提

从1998年开始,国内上市公司明显地表现出了对再融资的热衷,再融资几乎成了“圈钱”的代名词,规范再融资已经迫在眉睫,是除IPO之外从源头上把握市场资源配置科学化的另一个关键,本文从上市公司再融资热点的演变思考再融资“门槛”问题,通过对配股、增发和可转换债券的发行条件比较分析认为现有的以不断提高对公司历史盈利指标的要求来逐渐扎紧再融资的“口袋”,提高其门槛,存在一定缺陷,忽视了公司未来盈利能力及资金使用效益,而将预测性财务信息披露制度纳入再融资政策,使其成为再融资的前提条件,是促进再融资行为合理化,并最终促使市场资源配置科学化的一个值得尝试的方法。本文还试对如何完善上市公司财务预测信息披露制度,提高预测性财务信息质量提出了几条建议。

企业财务危机预测模型研究综述

有效的企业财务危机预测,可改善企业经营管理。单变量预测模型是利用单一财务比率指标预测财务失败,而多变量预测模型则注重多个财务比率指标的综合,如线性概率模型、线性辩识模型、Logit模型。从发展的眼光看,多变量预测模型有更大的发展和应用空间。

证券分析师关注、产权性质与审计费用

证券分析师作为外部监督者作用于公司外部治理,从而对注册会计师的审计业务产生一定影响。基于2010—2013年沪深两市A股上市公司数据,根据修正的Simunic模型实证分析证券分析师关注与审计费用的关系,并根据产权性质将样本分为国有企业与非国有企业样本分别进行研究,结果表明:证券分析师关注与审计费用之间存在显著的负相关关系;与非国有企业相比,国有企业的证券分析师关注与审计费用之间的负相关关系更显著。

IPO业绩预期与可实现程度的信号机制——基于高科技企业IPO融资项目的视角

IPO募集项目预期业绩能否实现备受投资者和社会各界的关注。对此,文章以2000~2010年的高科技企业为样本,研究了企业IPO信息披露中,哪些信息对募集项目预期业绩的实现有预测作用,为投资者决策和改进监管机制提供参考依据。研究发现,招股说明书上披露的IPO募集项目预期业绩大小与IPO预期业绩实现程度呈显著的负相关性,这说明上市企业会披露过高的IPO募集项目预期业绩,预示着IPO募集项目预期业绩实现程度低,是不利信号,而IPO项目预期业绩实现程度与上市前拥有的发明专利呈显著的正相关关系,是有利信号。IPO项目预期业绩实现程度与上市前的历史财务业绩信息不具有相关性,这表明作为上市定价重要依据的财务业绩信息对实现预期业绩的预测力较弱。对此,投资者应更关注IPO招股说明书的预期业绩高低和专利信息,以判断IPO预期业绩的可实现程度。

试谈上市公司财务预测管理

随着市场经济和股份公司的不断发展,上市公司财务信息的披露已显得越来越重要,财务预测信息是上市公司财务信息披露的一个重要的、特殊的内容,而我国目前财务预测还不规范,所以上市企业进行全面的财务预测管理十分必要。通过财务预测管理,提前制定一系列的财务预测。能有效地组织与协调企业的全部生产经营活动,优化企业资源配置和管理水平,提高企业经营效益,实现企业长期战略发展。

残差修正之灰色模型应用于财务比率预测

以制造业两家上市公司为研究对象,选取15项财务比率为财务绩效指标,用灰色预测模型进行财务比率分析。为提高模型预测的准确度,使用马尔可夫残差修正灰色预测模型,可以更准确地预测企业之财务比率,提供拟定营运策略及一般大众决定投资评估参考。

试论我国预测性信息披露问题

预测性信息是上市公司财务报告的重要组成部分。我国预测性信息披露起步晚,不够完善,具有较大的不确定性和风险性,这一特点决定了上市公司预测性信息的披露更需要法律制度的保障。

管理层超额乐观语调与企业财务危机预测——基于年报前瞻性信息的分析

本文基于印象管理理论和文本分析方法,研究财务报告前瞻性信息中管理层超额乐观语调对企业财务危机的预测价值。研究发现,前瞻性信息中超额乐观语调水平越高,企业未来发生财务危机的可能性越低,而前瞻性信息的不一致性会削弱二者的负向相关性。进一步区分公司的外部信息环境,发现在分析师关注度低、产品市场竞争程度高时,超额乐观语调与财务危机预测的相关性更强,但该环境中,信息不一致性的负向调节效应也更显著。文章拓展和丰富了文本信息语调特征的相关研究,同时为行为财务研究提供了经验证据。

多源信息融合视角下中小企业财务危机预警研究——基于集成学习的数据挖掘方法

大数据环境下,影响中小企业经营状况的因素愈发复杂。为更加准确地衡量中小企业的财务危机状况,从多源信息融合视角出发,在传统反映企业私有信息的财务数据基础上,融合分析了衡量宏观经济和市场环境的公共信息数据。考虑到多源信息数据的多维异构性,引入BPNN、SVM、KNN、LOG和MDA建立模型,并运用集成学习对不同预警模型的结果进行集成处理,以降低不同模型结果不一致带来的风险。实证结果证明融合多源信息的预警模型能提高预警准确率。

上市公司现金流量的财务预警作用分析

本文从财务预警的观点上,仅运用现金流量信息是否可达到财务预警作用进行了验证。研究结果表明上市公司在被处理为ST公司的三年前,不管是母公司还是合并公司的现金流量信息,都具有较高的财务预警能力。其中,最为有用的是每股现金流量指标,其次是经营活动现金流量/负债总额及经营活动现金流量/所有者权益。

企业社会责任报告语调与分析师预测:信号还是迎合?

运用文本分析方法提取了2010—2018年上市公司社会责任报告的文本语调信息,基于信号理论和迎合理论探讨企业社会责任报告语调对分析师预测的影响。研究发现,企业社会责任报告的净正面语调降低了分析师预测偏差和分析师预测分歧度,并且在分析师预测存在乐观偏差时这种作用更加显著。进一步分析发现,企业社会责任报告语调对分析师预测的积极作用仅发生在强制披露和不遵守可持续发展报告指南的企业中以及经验较少、非明星分析师中。经济后果检验发现,社会责任报告语调通过降低分析师预测偏差和分歧度缓解了公司股价崩盘风险。研究结论不仅有助于丰富非财务信息披露经济后果和分析师预测影响因素两个领域的学术文献,而且可以为监管部门合理规范企业社会责任报告披露和投资者有效利用企业社会责任报告中的语调信息提供有益借鉴。