节点文献

我国上市公司经营失败风险的判定分析——BP神经网络模型和Fisher多类线性判定模型

免费订阅

【作者】 傅荣吴世农

【机构】 厦门大学管理学院厦门大学管理学院 博士研究生院长、教授、博士生导师

【摘要】 为了构建上市公司经营失败风险的判定和预测模型,本文将1998—1999年我国上市公司分为三类:一是连续2年净资产收益率高于同期银行存款利率;二是连续2年净资产收益率大于零但低于同期银行存款利率;三是连续2年净资产收益率小于零,同时收集了三类各50家,共计150家上市公司为建模样本,根据其有关财务指标数据,应用BP神经网络分析方法和Fisher线性判定分析方法分别建立我国上市公司经营失败风险的判定和预测模型,并且使用同期上述三大类290家公司的有关财务数据为检验样本对模型进行验证。研究结果表明:对于第一、三类上市公司,神经网络模型和Fisher线性判定模型均具有较高的判定准确性。但相比之下,由于BP神经网络模型是一种非线性判定模型,且在某些样本指标数据缺漏不全的情况下仍可得到满意的结果,因此具有较高预测准确性和更广泛的应用价值。

【基金】 国家自然科学基金资助项目《我国证券市场风险的形成、评价、预测和监控研究》(79970075)
  • 【DOI】10.13658/j.cnki.sar.2002.02.015
  • 【分类号】F832.5
  • 【被引频次】140
  • 【下载频次】860
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: