简介: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。
简介:文章以数据挖掘软件Clementine为平台,按照CRISP-DM的六个阶段对财务困境预测项目进行了数据流构建,利用C5.0算法生成的决策树建立预测模型,并对模型结果进行了分析。
简介:本文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现,BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性。