freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

財務(wù)預(yù)警與風(fēng)險管理文獻回顧-文庫吧資料

2025-04-21 01:29本頁面
  

【正文】 企業(yè)綜合財務(wù)狀況的評價,僅對現(xiàn)金流量指標(biāo)進行動態(tài)監(jiān)控,易忽略其他財務(wù)指標(biāo)的預(yù)警作用,錯失對財務(wù)異常的早期預(yù)警。在動態(tài)預(yù)警方面,雖然國內(nèi)外學(xué)者也進行了一些相關(guān)研究,但由于研究時間較短,研究結(jié)果比較有限。首先,動態(tài)分析有限,缺乏綜合角度建立的動態(tài)預(yù)警模型。通過前述對國內(nèi)外研究成果和現(xiàn)有研究方法的回顧,使我們對財務(wù)預(yù)警研究的視野有了極大拓展,有利于在借鑒前人思路和方法的基礎(chǔ)上進行更深入的研究??梢?,定性研究方法具有較大的靈活性,可以根據(jù)企業(yè)的具體情況進行相應(yīng)的調(diào)整,但其分析結(jié)果往往不夠客觀穩(wěn)定。定性研究方法容易受到執(zhí)行者主觀因素的影響,對同一問題,不同分析人往往得出不同的結(jié)論?!? 五、財務(wù)預(yù)警模型評價定量分析方法從量化分析的角度出發(fā),對事物運用數(shù)學(xué)統(tǒng)計等多種方法進行量化分析,側(cè)重于以數(shù)據(jù)說明問題。 多元判別分析的基礎(chǔ)假設(shè)不符合破產(chǎn)預(yù)測, 它們的預(yù)測結(jié)果也就不太好, 與風(fēng)險預(yù)警更一致的是Logit回歸, 它所預(yù)測的第一類錯誤更小(Collins和Green, 1982) , 同時, 由于Logit回歸不要求數(shù)據(jù)的正態(tài)分布, 因而其參數(shù)估計比判別分析更加穩(wěn)健(Lo, 1986) ,很少涉及生存分析法和其他非統(tǒng)計類方法。 與國外相比,研究者歡迎的方法主要有一元判別模型、多元判別模型和Logit回歸模型, 其他方法由于模型開發(fā)歷史較短、研究不夠廣泛, 模型穩(wěn)定性和適用條件存在較大問題。近年來我國學(xué)者通過深入研究,借鑒和運用其他學(xué)科的新理論和新技術(shù),提出了多種財務(wù)預(yù)警模型,如決策樹法(姚靠華、蔣艷輝,2005)、熵值法(王平心、楊冬花,2005)、狀態(tài)空間模型(胡挺、廖愛清,2005)、雷達圖法(舒曉惠等,2005)。張延波、彭淑雄(2002)認(rèn)為,在建立風(fēng)險監(jiān)測與危機預(yù)警指標(biāo)體系中,可考慮加入現(xiàn)金流量指標(biāo):現(xiàn)金流量比率和債務(wù)期限結(jié)構(gòu)比率。回歸分析三種方法,分別建立三種預(yù)測財務(wù)危機的模型。實證結(jié)果表明,三種判別模型的準(zhǔn)確率分別為:%,%,%,最后得出BP神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度遠(yuǎn)高于其他兩種方法。這項研究作為國內(nèi)最早的實證財務(wù)困境預(yù)測研究,但由于受樣本與數(shù)據(jù)的限制,樣本量小,結(jié)果難有廣泛適用性。同時,顧曉安l到還從企業(yè)長短期發(fā)展的角度建立企業(yè)財務(wù)預(yù)警系統(tǒng)。楊保安等利用BP神經(jīng)網(wǎng)絡(luò),對中信實業(yè)銀行的30個企業(yè)客戶的財務(wù)風(fēng)險狀況進行了判別分類,認(rèn)為BP神經(jīng)網(wǎng)絡(luò)方法是企業(yè)財務(wù)危機預(yù)警中較好的應(yīng)用工具,并能為銀行貸款授信、預(yù)警提供有效決策。其研究以1998一1999年的38家被特別處理的公司作為初始樣本,并以同年度的所有凈資產(chǎn)收益率低于5%的沒有被處理的公司132家作為配比樣本,構(gòu)成含有170家公司的總樣本。結(jié)果顯示了一定的有效性:%,%,%。據(jù)此認(rèn)為,二分類線性判定模型具有超前4年的預(yù)測能力,即模型可在ST公司戴帽前4年或ST公司開始虧損的前2年預(yù)知公司的未來前景。作者從償債能力、盈利能力、資本結(jié)構(gòu)狀況和營運狀況等四個方面共計巧個相關(guān)財務(wù)比率篩選出4個變量構(gòu)建判別模型。(二)回顧主要文獻資料如下:1996年,周首華、楊濟華提出了F分?jǐn)?shù)模型,它是在充分考慮了企業(yè)現(xiàn)金流量的變動等方面的情況后,通過調(diào)整和更新指標(biāo)對Z模型進行了修正,也取得了一定的效果。而財務(wù)預(yù)警模型指標(biāo)是由對企業(yè)財務(wù)狀況異常反映最敏感的指標(biāo)組成,其目的是通過指標(biāo)的綜合加權(quán)值來預(yù)測企業(yè)未來的財務(wù)危機,是一種事前的預(yù)測?! ∥覈攧?wù)預(yù)警模型指標(biāo)的選取受到財務(wù)業(yè)績評價指標(biāo)體系的影響。只有極少數(shù)研究如Beaver認(rèn)為界定標(biāo)準(zhǔn)不應(yīng)僅僅定為企業(yè)破產(chǎn),還包括債券不償付,銀行透支,不能支付優(yōu)先股?! ∪绾谓缍ㄘ攧?wù)預(yù)警研究的對象是進行實證研究的前提,它涉及到研究樣本的選擇及模型的構(gòu)造。如陳靜于1999年利用一元判定分析方法以1998年底的27家ST公司與同行業(yè)同規(guī)模的非ST公司作為樣本進行研究;張玲于2000年利用多元線形判定方法以深滬交易所120家上市公司作為樣本進行研究;吳世農(nóng)于2001年利用邏輯回歸和多元概率化回歸方法進行研究;楊保安于2002年利用人工神經(jīng)網(wǎng)絡(luò)模型方法進行研究?!?一)我國財務(wù)預(yù)警研究的現(xiàn)狀及特點  我國財務(wù)預(yù)警研究主要借鑒國外的研究成果。 中國證券市場歷經(jīng)十三年的發(fā)展,規(guī)模日益壯大。四、 國內(nèi)財務(wù)危機預(yù)警研究回顧在國內(nèi)對公司財務(wù)危機預(yù)測的研究才剛剛起步,其主要原因是1993年7月1日之前我國并沒有實施統(tǒng)一的會計準(zhǔn)則,缺乏可靠的規(guī)范的研究數(shù)據(jù)。Lindsay和camPbeu(1994)剛運用應(yīng)用混沌系統(tǒng)進行破產(chǎn)公司與非破產(chǎn)公司的判別分類,實證研究顯示健康公司比非健康公司顯現(xiàn)出更多的混沌現(xiàn)象,但該方法判別的穩(wěn)定性稍顯欠缺。Lau首先采用將財務(wù)狀態(tài)分為5個,采用財務(wù)健康分類表替代傳統(tǒng)的兩分支模型。值得一提的是,有一些研究在財務(wù)狀態(tài)的劃分上也進行了嘗試。不過,該研究的基礎(chǔ)方法仍然建立于 Logistic回歸檢驗之上,僅僅在變量設(shè)計方面引入了期權(quán)因子,因此實際的理論貢獻不大。相關(guān)實證研究也表明,混合模型與其包括的單個方法模型相比,具有其特有的優(yōu)勢。建立混合預(yù)警模型的目的,是基于同時采用兩種方法,有利于克服各個方法自身的缺陷,揚長避短?;谶@些分析,認(rèn)為GM模型比較適合對企業(yè)財務(wù)風(fēng)險的預(yù)測。此外,對財務(wù)風(fēng)險的預(yù)測直接影響到投資者的投資決策,關(guān)系到投資者的經(jīng)濟利益。財務(wù)風(fēng)險的影響因素繁多,企業(yè)內(nèi)部和外部的各種可控和不可控的因素都對其產(chǎn)生作用,因而很難找到對其進行準(zhǔn)確預(yù)測的歷史信息?;疑P徒5木容^高,可保持原系統(tǒng)的特征,能較好地反映系統(tǒng)的實際狀況?;依碚撛诜治錾贁?shù)據(jù)的特征、了解少數(shù)據(jù)的行為表現(xiàn)、探討少數(shù)據(jù)的潛在機制、綜合少數(shù)據(jù)的現(xiàn)象基礎(chǔ)上,揭示少數(shù)據(jù)、少信息背景下事物的演化規(guī)律。對主導(dǎo)因素,在系統(tǒng)預(yù)測中建立GM(1,1)模型,非主導(dǎo)因素建立GM(1,N)模型,從而得到系統(tǒng)的狀態(tài)方程,再按狀態(tài)模型對整個系統(tǒng)作動態(tài)預(yù)測?;疑A(yù)測包含兩個過程,第一是建立GM模型,第二是利用GM模型作外推預(yù)測. 基于GM(1,1)的灰色預(yù)測稱為單變量預(yù)測,基于GM(1,N)和GM(1,1)的灰色預(yù)測稱為系統(tǒng)預(yù)測. 系統(tǒng)預(yù)測是指系統(tǒng)中各種因素相互影響協(xié)調(diào)發(fā)展變化的預(yù)測?;疑到y(tǒng)理論指出,一般可以用離散的隨機數(shù)經(jīng)過數(shù)的生成這一過程,變成隨機性明顯削弱的較有規(guī)律的生成數(shù)列。甚至有人預(yù)測,支持向量機將成為繼神經(jīng)網(wǎng)絡(luò)后的又一重要應(yīng)用研究熱點。(3)支持向量機在理論上有突出優(yōu)勢,但與理論研究相比,應(yīng)用研究尚比較滯后。核函數(shù)的形式以及涉及參數(shù)的確定將直接影響分類器的類型和復(fù)雜程度。有研究認(rèn)為,將支持向量機擴展到多類問題,本質(zhì)上是求解多個兩類問題。以下是其中主要的研究熱點。破產(chǎn)樣本和非破產(chǎn)樣本各944個。我們不必知道具體的映射函數(shù)ф(xi)的表達式,因為在這個高維空間中只涉及到內(nèi)積運算,若K(xi,xj)=ф(xi)?ф(xj)則稱K(xi,xj)為內(nèi)核函數(shù),一個函數(shù)是核函數(shù)的條件由Mercer定理給出[4]。解上述問題后得到的最優(yōu)決策函數(shù)是:, (3)在線性不可分的情況下, 可以在條件(1)中增加一個松弛項, 成為:, i = 1,2,…, n. (4)將目標(biāo)改為求:, (5)的最小且,其中,C是懲罰因子,即綜合考慮最少錯分樣本和最大分類間隔, 這樣就得到廣義最優(yōu)分類面。,(2)這是一個不等式約束下二次函數(shù)尋優(yōu)的問題, 存在唯一解。使(1)式等號成立的樣本叫做支持向量,滿足條件(1)且使‖w‖2最小的分類面就叫做最優(yōu)分類面。 支持向量機的分類算法支持向量機是從線性可分情況下的最優(yōu)分類面發(fā)展而來的,所謂最優(yōu)分類面就是要求分類面不但能將兩類正確分開, 而且使分類間隔最大。算法使用分類間隔控制線性學(xué)習(xí)機器的容量,從而使結(jié)構(gòu)風(fēng)險最小,也使其在有限樣本下具有了較強的泛化能力。目前,主要采用的神經(jīng)網(wǎng)絡(luò)模型有反向傳播(Back-Propagation)算法、串級相關(guān)(Cascade Correlation)算法和遺傳算法(Genetic Algorithm)等。隱層神經(jīng)元可以有多個層次(Layer)。其主要分析模型如下: 神經(jīng)網(wǎng)絡(luò)模型輸出神經(jīng)元隱層神經(jīng)元輸入神經(jīng)元Layer ILayer II它的神經(jīng)元一般包括三種處理單元,也稱為節(jié)點(Node):輸入神經(jīng)元,隱層神經(jīng)元和輸出神經(jīng)元。它的許多功能和特性是對人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的模擬,是一種自然的非線性建模過程,也被稱為人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)。ChrisCharalmabous利用ANN模型對1982—1992年間的174個樣本企業(yè)進行實證研究的結(jié)果為預(yù)測正確率達到87%。因而,人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠在所提供信息雜亂無章或不完整時,對既定問題做出正確反應(yīng)。這方面的研究者認(rèn)為,ANN是一種對數(shù)據(jù)的分布無任何要求的非線性技術(shù),它能有效解決非正態(tài)分布、非線性的預(yù)測評估問題。人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型在線性判別模型和條件概率模型之后,1990年代初期,人工神經(jīng)網(wǎng)絡(luò)技術(shù)被引入到財務(wù)困境的預(yù)測分析中,其中,比較著名的有ChriSCharalambous等一些學(xué)者建立了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型(AtrifieialNeuralNetworkssystemsModel)。   1988年Messier和Hansen將專家系統(tǒng)首次引入到財務(wù)危機預(yù)測領(lǐng)域,他們從知識獲取角度探討比較了專家系統(tǒng)(Expert System, ES)在信用分析領(lǐng)域的應(yīng)用。(2)方法的應(yīng)用中如果忽視了重要的案例(公司)或是分類屬性,那么將會使得該方法的預(yù)測能力大為減弱。具體地說該方法先是把公司分成破產(chǎn)組和非破產(chǎn)組,把這些公司用一系列財務(wù)狀況屬性來描述,然后歸納出一個流程系統(tǒng)來正確分類樣本公司。在模型驅(qū)動型方法中,規(guī)律是建立在先驗?zāi)P突A(chǔ)上的,然后用一系列的案例來檢驗。專家系統(tǒng)一般是采用歸納推理(Inductive inference)方法,該方法是通過分析與所要解決的問題相關(guān)的一系列案例,從而發(fā)現(xiàn)規(guī)律。雖然相對傳統(tǒng)的統(tǒng)計方法而言,生存分析方法的確是很好的替代方法,但是到目前為止,它仍然得不到非常廣泛的應(yīng)用。生存函數(shù) ()其中, ()由于沒有限制的分布,所以生存分析是一種半?yún)?shù)的方法,這也使之免于很多對參數(shù)方法的攻擊,而且,用這種方法處理破產(chǎn)預(yù)測問題顯得更為現(xiàn)實。公司破產(chǎn)的風(fēng)險是通過計算每家公司的生存時間來衡量的。Lane et al.(1986)運用一個比例危害模型對銀行破產(chǎn)進行預(yù)測,稱為生存分析。該樹誤判了5家破產(chǎn)公司和15家非破產(chǎn)公司。屬于組1(破產(chǎn))的節(jié)點在圓圈內(nèi)記為B。最終節(jié)點是圓圈。 68家公司 留存收益/總資產(chǎn)132家公司 總負(fù)債/總資產(chǎn)23家公司 現(xiàn)金/總銷售收入200家公司現(xiàn)金流量/總負(fù)債 RPA樹注:樹(1)是基于200家公司的財務(wù)數(shù)據(jù)、破產(chǎn)組和非破產(chǎn)組的先驗概率以及誤判的成本構(gòu)建而成。RPA模型的構(gòu)建分兩步,第一步是構(gòu)建預(yù)期誤判成本較小的樹,第二步是通過交叉檢驗來選擇樹合理的復(fù)雜度。這些圓圈代表所有公司最后的分類。如圖1所示,我們給出了一個實際的樹,該樹是RPA基于一定的先驗概率和誤判成本,從200家破產(chǎn)公司(組1)和非破產(chǎn)公司(組2)中構(gòu)建出的。RPA的輸入包括一個由個對象的觀測數(shù)據(jù)組成的原樣本,還有它們實際的類別以及先驗概率和誤判成本。④遞歸分割算法遞歸分割算法RPA是一種基于模式識別的非參數(shù)的計算機分類技術(shù),它同時具有傳統(tǒng)單變量分類法和多變量分析法的特點。在Probit模型中,采用的概率函數(shù)則是累積標(biāo)準(zhǔn)正態(tài)分布函數(shù): () 雖然Probit模型與Logistic模型相似,但應(yīng)用并不象后者那么廣泛。Martin(1977)首次運用Logistic模型來進行銀行破產(chǎn)預(yù)測。多元條件概率模型包括Logistic模型和Probit模型,兩者的區(qū)別只在于累積概率函數(shù)不同。Meyer和Pifer(1970)最早將LPM運用于銀行業(yè)的財務(wù)危機預(yù)測,而Laitinen(1993)也曾作過相似的研究,將LPM運用于企業(yè)財務(wù)危機預(yù)測。不幸的是這兩種情況在LPM的應(yīng)用中都可能存在。 LPM的應(yīng)用存在兩個主要的統(tǒng)計問題:(1)如果采用普通最小二乘法來估計式()的系數(shù),那么就必須假設(shè)殘差項方差相同,如果出現(xiàn)異方差,那么OLS的系數(shù)估計雖是無偏但卻是無效的。所以雖然MDA與LPM的模型假設(shè)不同,但是分類的結(jié)果卻是相同的。模型()中的回歸系數(shù)除了截距外,都與多變量判別系數(shù)成固定比例,也就是說線性概率模型只是多變量判別分析(MDA)的一個特例。其模型的回歸形式如下: ()其中,自變量是反映企業(yè)財務(wù)狀況的指標(biāo)。為了估計企業(yè)破產(chǎn)的概率,研究者設(shè)計了線性概率模型(LPM)。事實上,其后的大多數(shù)研究雖然具體方法各異,但都沿用了多元線性判別分析,只是在個別之處加以改進,如ohlsno的條件概率模型、Zmijewksi的多變量模型。這使多元判別分析遭到諸多學(xué)者的批評。多元判別分析雖然得到廣泛的應(yīng)用,但是該方法也存在著一些問題,主要是其對預(yù)測變量的分布性質(zhì)施加了一些統(tǒng)計上的限制。該模型采用了7個變量:整體收益率、總資產(chǎn)、償債能力、資產(chǎn)折現(xiàn)率、累積收益率、市場資本化和收入穩(wěn)定性。如果企業(yè)的“Z一score’’,則表明企業(yè)存在財務(wù)失敗的危機,也就是說,企業(yè)的“Z一Socer”越低,發(fā)生財務(wù)失敗或破產(chǎn)的可能性就越大,反之則說明企業(yè)財務(wù)狀況越好。X:X2—保留利潤/資產(chǎn)總額x3X3—息稅前利潤/資產(chǎn)總額X4X4—普通股、優(yōu)先股市場價值總額/負(fù)債帳面價值總額。通過將各公司計算出的Z值和臨界值進行比較,可以知道公司屬于財務(wù)危機或是財務(wù)健康企業(yè)。由這一變量的線性組合可以得出每一家公司的Z值:
點擊復(fù)制文檔內(nèi)容
公司管理相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1