基于Logistic回归分析高校财务风险预警论文
基于logistic回归的上市公司财务危机预警模型
基于ｌｏｇｉｓｔｉｃ回归的上市公司财务危机预警模型【摘要】为了建立合理有效的财务危机预警模型，本文选择了代表公司财务健康状况的18个指标作为备选预警指标，并运用logistic过程中逐步回归的方法从中选择了3个对因变量影响显著的财务指标。
用容许度（TOL）和方差膨胀因子（VIF）两个指标对3个财务指标进行多重共线性检验。
在多重共线性不显著的情况下，对符合条件的财务数据进行logistic回归，得到了财务危机预警模型。
最后通过回代判定，发现这个模型具有较高的预测准确性。
一、财务危机预警研究概述企业财务危机是一个连续的动态过程，并直接表现为绩效指标的恶化，因此可通过一定的财务指标来构造企业的财务预警模型。
从现实情况来看，股票投资者、债权人和政府监管机构对企业财务危机预测具有很大的需求，这些需求推动了财务危机预警研究的不断深化。
国外对于财务预警模型的研究相对比较成熟，早在1966年，Beaver就运用单变量判定分析研究公司财务危机问题；Altman（1968）最早运用多变量线性判别分析（Multiple Discriminate Analysis）探讨企业危机预测问题，其发现最具解释能力的5个财务比率分别为：营运资金/总负债、保留利润/总资产、息税前利润/总资产、权益市价/总负债和销售收入/总资产。
Altman、Haldeman和Narayanan （1977）继续对Altman（1968）的原始模型修正和补充，提出一个“新Zeta模型”。
随着统计技术和计算机技术的不断发展，递归分类、人工智能及人工神经元网络等技术也逐渐被引入到财务危机预警模型中。
近年来，随着公司破产数量的增多，国内学者对公司财务危机预警模型的研究也越来越多：1999年，陈静发表了《上市公司财务恶化预测的实证分析》，该文将1998年年报后被特别处理（ST）的27家上市公司定义为财务危机公司。
陈瑜在2000年发表了《对我国证券市场ST公司预测的实证研究》一文（《经济科学》，2000年6月），该文以1999年底前曾被特别处理（ST）的58家上市公司为样本进行了分析。
基于Logit模型的上市公司财务预警分析
基于Logit模型的上市公司财务预警分析【摘要】本文基于Logit模型对上市公司财务预警进行分析。
首先介绍了Logit模型的原理和在财务预警中的应用。
然后详细描述了选择的特征及数据收集方法，并进行模型建立与分析。
结果表明，Logit模型在财务预警中具有一定的预测效果。
在结果讨论中，对模型的优缺点进行了深入分析。
本文总结了基于Logit模型的上市公司财务预警分析的启示，并提出了未来研究方向。
通过本研究，可以为投资者和监管机构提供更准确的预警信息，有助于提高上市公司财务风险识别的准确性和及时性。
【关键词】Logit模型、上市公司、财务预警、特征、数据收集、模型建立、分析、结果讨论、启示、未来研究方向、结论总结。
1. 引言1.1 背景介绍上市公司是指在证券交易所上市交易的公司，其财务状况对投资者、政府监管机构以及社会公众具有重要意义。
由于市场环境的变化和公司经营风险的存在，上市公司面临着财务预警的挑战。
财务预警是指通过对公司财务指标的监测和分析，及时识别并预警潜在的财务风险，从而帮助公司及早制定应对措施，防范可能的经营风险。
本文旨在通过对Logit模型的原理、应用以及基于该模型的上市公司财务预警分析进行深入探讨，希望可以为公司管理者、投资者和监管机构提供有效的参考，帮助它们更好地了解和预防财务风险，保障市场的稳定和健康发展。
1.2 研究意义上市公司财务预警是财务管理领域的重要课题，对于投资者、管理者和监管部门具有重要意义。
基于Logit模型的上市公司财务预警分析能够帮助相关方及时发现财务风险，提升决策效率，减少潜在风险。
研究意义主要体现在以下几个方面：基于Logit模型的上市公司财务预警分析可以提高公司的风险管理水平，帮助公司更好地应对市场竞争和不确定性因素，有效降低经营风险。
该研究可以为投资者提供更为准确的投资建议和决策依据，降低投资风险，提高投资收益率。
基于Logit模型的上市公司财务预警分析还可以为监管部门提供科学的监管指导，帮助监管部门更好地监督和规范市场行为，维护市场秩序。
基于动态主元的Logistic模型在中小型创新企业财务风险预警中的应用
【基金项目】2018 年青岛黄海学院国家级大学生创新创业训练项目“基于动态主元的 Logistic 模型在中小型创新企业财务风险预警的应用研究”阶 段性成果（项目编号：201813320012），指导教师：常冶衡。
《商业会计》 2019 年第 17 期
77
财务管理与资本运营
C AOMMERCIAL CCOUNTING
国内外学者对 Logistic 回归预警模型的研究都得到了 有 效 验 证 ，并 在 企 业 发 展 中 广 泛 应 用 。 吴 笛 嘉 、林 桂 兰 （2017）通 过 分 析 新 能 源 企 业 资 本 结 构 对 企 业 绩 效 的 影 响，为新能源企业如何屹立于竞争激烈的市场中提出了 有效建议。此外，徐玉芳、邵胜华（2017）通过建立综合 Lo⁃ gistic 回归与纯财务指标 Logistic 回归的对比模型，验证了 综合 Logistic 回归财务风险预警模型的准确性较高。岳彩信 （2012）发现 Logistic 动态分析模型的预测精度更加理想。 陈芳、吴杰（2017）基于因子分析与 Logistic 回归模型的对 比，发现综合 Logistic 回归模型的判别效果更好。本文在 上述研究成果的基础上，进一步搜集财务危机企业和非 财务危机企业的财务数据，通过检验主成分指标，构建主 成分预警模型，得出该模型判别结果准确率不高的结论， 进而构建 Logistic 回归财务风险预警模型，并进一步研究
基于logistic模型的上市公司财务风险预警
DOI 编码：10.13646/ki.42-1395/u.2021.01.057基于logistic 模型的上市公司财务风险预警王宛容(上海工程技术大学，上海 201620)摘 要：企业发展的历程中，财务风险的防范和管控一直都是重中之重，企业究竟应该选择什么模型建立财务风险预 警机制才能有效发现企业财务风险，这是本文的研究核心。
本文选取了我国2009-2019年A 股上市的ST 公司及非ST公司的财务数据，建立logistic 回归模型。
实证结果证明模型的总体正确率达到85.73%，对上市公司起到了有效的预警 作用，为上市公司减少甚至规避财务风险提供了建议和方向。
关键词：Logistic 模型；财务风险预警；预警模型中图分类号：F275文献标识码：A 文章编号：1006—7973(2021)01-0154-03如今，我国的资本市场随着经济的不断发展而壮大,但各种风险也会随之而来。
上市公司在经营过程中的发 展和财务状况会面临各种风险，不仅对公司，对我国资本市场都会带来一定影响。
在如此的背景下，上市公司能建立一套行之有效的财务风险预警机制极为重要。
若 预警机制能够及时采取相应的措施降低甚至规避风险，不仅对公司未来的发展，乃至对我国资本市场的稳定都有着极其重大的作用。
针对风险预警，我国学者对其研究的过程中建立了多种预警模型。
黄德忠，朱超群(2016)基于2010-2013 年首次被ST 的上市公司以及非ST 公司的数据,结果证 明预警模型引入资产质量指标更为准确。
顾晓安，王炳薪，李文卿(2018)以2012—2016年A 股上市公司为 样本建立logistics 回归模型，并引入盈余管理财务指标,证明引入盈余管理指标后的财务预警模型比引入前的效 果更佳。
高爽(2020 )采用模糊层次分析法建立层次结 构模型，证明层次结构模型用于风险预警机制的可能性。
基于上述研究，笔者选择logistics 模型，准确率高且具备一定的现实指导意义。
财务危机预警的Logistic实证研究
财务危机预警的Logistic实证研究【摘要】本文通过Logistic实证研究，旨在构建有效的财务危机预警模型。
首先对财务危机预警模型进行构建和理论分析，然后应用Logistic回归模型进行实证分析。
数据来源与样本选择严谨，实证分析结果表明该模型在财务危机预警方面具有较高的准确性。
结论部分总结了对财务危机预警的启示，并指出了研究的局限性和未来研究方向。
本研究对于提高企业财务危机预警的准确性和效率具有重要的实践意义和指导作用。
【关键词】关键词：财务危机预警、Logistic回归模型、实证研究、数据分析、风险管理、模型优化、研究意义、研究局限性、未来研究方向。
1. 引言1.1 研究背景财务危机是企业经营过程中常见的风险之一，一旦发生财务危机，将给企业带来严重的经济损失甚至导致破产。
财务危机预警成为企业管理者和投资者关注的焦点。
财务危机预警是指通过监测和分析企业财务数据，及时识别出企业潜在的财务风险，从而采取相应的措施避免财务危机的发生。
财务危机预警的研究旨在探讨如何通过有效的监测指标和预警模型来提前预知企业财务危机的可能性，为企业决策提供参考和支持。
在当前经济环境下，企业面临的外部环境变化和市场竞争日益激烈，财务危机预警显得尤为重要。
本研究旨在通过Logistic实证研究，构建财务危机预警模型，利用大量的财务数据和统计方法，对企业财务状况做出准确的预测和分析。
通过对实证分析结果的观察和总结，提供对财务危机预警的启示，同时也对研究的局限性和未来研究方向进行探讨，以期为企业管理者和学术研究者提供参考和借鉴。
1.2 研究目的研究目的是为了探讨财务危机预警的有效性和准确性，帮助企业及时发现风险，采取相应措施，避免财务危机的发生。
通过构建Logistic回归模型，分析影响企业财务状况的关键因素，从而提高预警的准确性和及时性。
本研究旨在为企业提供科学、可靠的财务风险识别和预警工具，帮助企业建立稳健的财务管理体系，提高经营效率和盈利能力。
基于Logistic回归模型的互联网服务行业上市公司财务风险预警分析
基于Logistic回归模型的互联网服务行业上市公司财务风险预警分析作者：***来源：《商场现代化》2022年第14期摘要：隨着大数据、人工智能加速推进互联网与服务行业的深度融合，互联网服务行业上市公司外部环境以及公司内部自身经营存在着众多不确定性，加剧了互联网服务上市公司的经营风险。
为此，针对互联网服务行业上市公司建立财务预警非常有意义。
考虑利用Logistic 回归模型对互联网服务行业上市公司进行财务预警分析。
根据证监会2021年公布的行业分类标准，首先采用聚类分析的方法在“互联网服务行业”中2022年仍在沪、深、京证券交易所A 股市场中的流通的92家互联网服务行业上市公司中选取40家上市公司作为本文财务预警分析的样本;接着利用K-S检验和显著性检验对18个财务指标进行检验，筛选出用于Logistic回归的4个能够显著区分财务危机和财务正常公司的四个指标;最后建立Logistic回归模型进行预测。
通过对2019年和2020年40家上市公司的数据的实例分析验证了方法的正确性和有效性。
关键词：Logistic模型;互联网服务行业;上市公司;财务预警一、引言互联网服务行业是由信息内容服务业与互联网结合发展的产物，属于新兴交叉行业，并且随着下一代网络建设带动5G产业崛起，大数据、人工智能将加速推进互联网与服务行业的深度融合。
2021年工信部颁布的《5G应用“扬帆”行动计划（2021-2023年）》强调要加快推动“5G+工业互联网”服务于生产核心环节。
但是由于互联网服务行业上市公司外部环境的不确定性以及公司内部自身经营的不确定性，加剧了互联网服务上市公司的经营风险。
因此，针对互联网服务行业上市公司建立财务预警是很有必要的。
目前对于互联网服务行业上市公司财务预警的研究较少，林梦娴利用PCA-SVM模型建立了用于互联网企业的财务预警系统并验证了预警系统的有效性和准确性;白志捷将BP神经网络的研究方法应用在互联网上市公司的财务风险预警中，以此获得更高的预测准确率;孟浩等建立了基于多层前馈神经网络的互联网行业财务风险预警模型，具有较高的准确度和实际应用价值;席燕玲运用F分数模型更精准地对互联网上市公司进行财务风险预警;赵囡等运用主成分分析和BP神经网络相结合的方法为互联网公司建立了科学可行的风险预警模型。
Logistic回归模型在企业财务风险评估中的应用研究
文献 标 识 码 ３ Ｘ ４ Ｘ ５
类别
指标
符号表示 Ｘ１ １ Ｘ３ ｌ Ｘ４ １ Ｘ１ ５ Ｘ１ ６ Ｘｌ ７
Ｘ１ ８
文 章编 号 ：０ ４—４ １ ｆ０ ６ ０ １０ ９４ ２ ０ ）８—２ ３—０ １ ２
一
发 展能力 净利润增长率 清偿能力 流动 比率 速动 比率 规模 固定资产对数 总资产对数
性 因素 造 成 的 。
总结前人研究成果并参 考财务分 析 中常见的财务 比率 ， 本文 整理收集 了 ７类 ３ ６个财务 比率 。通过对收集 的财 务指标进行相 关性分析 ， 选择 类 中差异较大的 １ ９个财务指标用于构建 Ｌ ｇｓｉ模 型 ， ｏｉ ｃ ｔ 如表 １ 所示。
表 １ 选取的 １ 个财务指标 ９ 类别
ＭｉＡＩ ｏ ｅ（ ） ２ ＮＴ） ｎ Ｃ＝ｌ ｄ ｔ∑ ＋（ Ｍ／ ｇ （） ５
ｌ（ ｏ ｇ
） ＷＩ Ｗ１ Ｉ Ｉ Ｘ 十ｗ２ ２ …ｗｐ ｕ ＋ 十 ｘ ｘ ＝ｗ。 ｘ
（） ３
恢式就是 Ｌ ｇｓｉ ｏ ｉ ｃ回归模 型。Ｌ ｇｔ ｔ ｏ ｉ变换 有以 下优 点 ： 管 Ｐ 被 限 尽 制在 ０ ｌ 到 之间 ， ｇ （ ） ｌ ｉ ｔ 却可在整个实数范围内变化。 ｏｔ 对等式（ ） ３ 两边取指数 ， 可得：
每股收益
营运资金对资产总额比章 Ｘ ２ １
、
Ｌ ｇｓｃ回归 基 本 原 理 ｏ ｉｉ ｔ
判断企业是否存在财务 风险可 以看作是 一个分类 问题 ， 据不 同 根 的需求 可以分成 多类 ， 也可 以简单地 分为 两类 （ 在风 险或 不存 在 风 存 险） 。基于一套优 化的企 业财务 指标 ， 可以采 用 回归算 法求 解这个 问 题。线性回归是最常用的一 种回 归算 法 ， 该算法 由优化 的评价 指标形 成线性判别 函数 ， 用这个判别 函数得到一个揭 示企业财务风 险的概率 。 如果用 Ｘ＝（ ， ， 表示企业财 务风险 的评价指标 ， Ｘ１ …ｘ ） 线性 回归算法 就是要找到评价指标的最佳线性组合 ，
基于逻辑回归模型的企业财务风险预警
【摘要】通过财务风险预测模型的研究，可以帮助管理层、债权人、股东等利益相关者根据上市公司财务报表、事务所等相关数据推定公司财务风险值，这对于监督企业正常运行以及维护各相关者利益有重要作用。
本文以我国2019—2021年间科创板软件与信息技术服务业的上市公司为研究对象，利用企业财务指标和非财务指标，建立了财务风险预警体系，运用因子分析法进行预测变量降低维度，并进行了数据标准化处理，最后基于逻辑回归方法构建了预测模型并检验模型的精度。
结果显示模型预测准确率为93.5%，达到了令人满意的预测效果。
【关键词】财务风险；非财务指标；逻辑回归模型一、引言软件与信息技术服务业（包括信息软件和新兴技术软件等）是新一代信息技术的灵魂，是数字经济发展的基础，是制造强国、网络强国、数字中国建设的关键支撑。
发展软件与信息技术服务业，对于加快建设现代化产业体系具有重要意义。
工业和信息化部印发了“十四五”软件与信息技术服务业发展规划，规划中显示软件与信息技术服务业规模效应显著增长，业务收入年均增长率达13.8%，全国软件著作权较5年前翻了5倍，收入超千亿企业超过10家，工业互联网平台近100个，连接设备数量超7000万台。
与此同时，我国软件与信息技术服务业高质量发展仍面临诸多挑战。
少数上市企业因为管理或操作的问题，遭遇了财务困境，甚至因为财务风险而变成ST 公司或PT 公司，严重影响了这些企业的信誉和流通值，同时也给投资者带来了巨大的恐慌和经济损失。
二、财务风险预警概述企业的财务危机是一个从量变到质变、循序渐进的过程，起初某个经营指标出现异常，逐步走向更大的危机。
全面系统地观察企业财务特点，在源头采取防控措施，才能有效避免企业进入无法挽回的境地。
因此，建立系统全面的财务预警机制尤为重要。
综合过往的财务风险预警研究发现，对财务风险预警的研究主要包括2个方面：财务风险预警方法的研究和财务风险指标的研究。
财务风险预警方法又包括定性和定量的分析方法。
财务管理论文 我国上市公司财务危机预警模型Logistic回归分析—以制
本科毕业论文（2016 届）题目我国上市公司财务危机预警模型Logistic回归分析——以制造业为例学院经贸管理学院专业财务管理班级财务管理学号学生姓名指导教师完成日期2016年12月摘要：本文以被ST上市公司作为企业陷入财务危机的标志，从我国沪深股市A股制造业上市公司中选取了70个财务危机样本，依据配对原则确定了相对应的70个正常公司作为对照样本。
为了建立有效可行的财务危机预警模型，本文从财务危机的5个方面选取财务预警指标，首先对所选的财务指标进行差异性分析，检验出若干预警能力强的变量，然后进行因子分析，并根据因子得分对样本进行Logistic回归分析得到财务危机预警模型，最后运用检验样本对该模型进行检验，结果证实该模型的预测具有较高的准确性。
关键词：财务危机；财务预警；因子分析；Logistic回归模型Abstract：This paper has been used as the distinctive sign of falling into financial crisis in the ST listed company. Choosing the 70 control samples from the manufacturing industry in China's stock market, we accord to paired principles to determine the corresponding to the 70 normal companies as the control sample. In order to build the effective financial crisis early warning model ,this article from the financial crisis of the 5 aspects of selection of financial early warning index, firstly, doing difference analysis from the selecting index ,testing out some early warning capability variables, then the factor analysis, and based on the factor scores of sample Logistic regression analysis to get the financial crisis early warning model,finally,using the text sample to text the model, the results confirmed the model predictions with high accuracy.Keywords：Financial crisis; financial early warning; factor analysis; Logistic regression model目录一、引言 (1)（一）研究背景和研究意义 (1)1.研究背景 (1)2.研究意义 (1)（二）文献回顾 (2)1.国外研究状况 (2)2.国内研究状况 (2)（三）研究思路 (3)二、基本概念与理论 (3)（一）财务危机的概念理论 (4)（二）财务预警 (4)1.财务预警的概念 (4)2.财务预警的功能 (5)三、上市公司预警样本选择与指标选取 (5)（一）研究样本的确定 (5)1.样本设计的考虑因素 (5)2.样本公司总体和研究样本的确定 (6)（二）预警指标的选取 (7)四、模型的建构与检验 (8)（一）构建模型前的数据处理 (8)1.预警指标的正态分布检验 (8)2.指标的差异显著性检验 (9)3.因子分析法 (10)（二）Logistic回归模型的构建—基于因子分析 (13)（三）Logistic回归模型的检验 (14)五、结论与建议 (15)（一）研究结论与局限 (15)（二）研究建议 (16)参考文献................................................. 错误！未定义书签。
基于logistic回归的上市公司财务危机预警模型
基于ｌｏｇｉｓｔｉｃ回归的上市公司财务危机预警模型作者：党正磊来源：《经济研究导刊》2008年第06期摘要：国内外所有关于财务危机预警问题的研究，主要涉及到两个方面的问题：一是财务危机概念的界定；二是预测变量（判别指标）的选择和预警模型的建立（企业财务危机是一个连续的动态过程，并直接表现为绩效指标的恶化，因此，可通过一定的财务指标来构造企业的财务预警模型）。
运用中国上市公司的财务指标数据及因子分析和Logistic回归等方法构建基于上市公司的财务危机预警的Logistic模型，经过检验，具有一定的实际应用价值。
关键词：因子分析；财务危机预警；ｌｏｇｉｓｔｉｃ回归中图分类号：F830.9文献标志码：Ａ文章编号：1673－291Ｘ（2008）06－0092－04纵观国内外所有关于财务危机预警问题的研究，主要涉及到两个方面的问题：一是财务危机概念的界定；二是预测变量（判别指标）的选择和预警模型的建立（企业财务危机是一个连续的动态过程，并直接表现为绩效指标的恶化，因此可通过一定的财务指标来构造企业的财务预警模型）。
本文根据我国上市公司公布的财务数据（我国非上市公司的财务数据因为涉及到商业机密以及不容易获得或者暗箱操作较多等原因而不作为分析的依据），坚持定量分析和定性分析相结合的原则，选用Logistic回归分析来构建财务危机预警模型。
结合国内外在该领域的研究成果，对以上两个问题做出了回答。
一、财务危机概念的界定结合前人的分析，并根据我国上市公司的实际情况，我们将上市公司因财务状况异常而被“特别处理”（ST公司）认定为公司发生了“财务危机”。
理由如下：第一，尽管将企业依据《破产法》提出破产申请作为企业陷入财务危机标志是西方学术界的普遍做法，但在我国虽然《企业破产法》早在1986年颁布，1988年11月1日开始试行，但迄今为止，还没有一家上市公司破产的案例，况且在现阶段，上市资格仍然是一种珍贵的“壳”资源，即使上市公司面临破产危险，也会有其他公司将其接收（即所谓的买壳上市），不大可能出现申请破产情况。
基于LOGISTIC回归下财务风险预警模型的构建
基于LOGISTIC回归下财务风险预警模型的构建摘要：财务预警模型构建对企业的经营营运有着重要的指导意义，对企业财务工作人员与管理者的管理方针有着很强的影响。
文章总结了以往的预警模型的构建，并运用逻辑回归得出了较实用的预警模型。
关键词：财务风险 logistic回归独立样本t检验中图分类号：f275 文献标识码：a文章编号：1004-4914（2013）07-106-02随着市场经济的不断发展，我国的金融市场规则也愈发完善。
不少公司也因为扩张速度过大，经营不善等原因陷入财务困境之中。
不少学者开始研究判别企业的财务风险预警模型。
从最初的单因素判定模型到借鉴z-score方法改进系数与变量得出的改进z分法，再到主成分回归得出判定模型。
同时另外一些学者使用单位概率模型，利用逻辑回归或probit回归，得出概率模型判定企业陷入财务困境中的概率。
一、回归方法的简介与选择回归分析中拟合程度较好的偏最小二乘法与岭回归不太适用于财务预警模型的构建。
因为偏最小二乘法与岭回归虽然对模型的拟合程度较高，但由于各自的方法较为繁琐，其中的个别系数需要人为判断，因此两种方法对财务风险模型的构建不是很成熟。
岭回归的k系数就是人为得到的，k值越大则回归系数比较平稳，但误差也随之增大，因此在较复杂的多变量模型中岭参数的k值确定较难。
本文中采用比较成熟的单位概率模型中的逻辑回归进行构建模型。
它是含定性变量的模型。
由于线性回归中的基本假设之一，就是因变量是随机的。
然后一个企业是否陷入财务困境只有两种情况，显然不是随机的，因而不能直接采取线性模型进行拟合。
由于定义企业陷入财务危机的情况为0，财务状况良好的情况为1，使得y值只有两个可能性，即0与1。
在这种情况下一般的线性模型yi=β0+β1x1不符合一般假设，但yi的均值有着比较特殊的意义，yi是0-1型分布，它有如下的分布律：p（yi=1）=πi，p（yi=0）=1-πi。
因此有y的期望值为，e（yi）=1*πi+0*（1-πi）=πi。
基于Logistic回归模型的上市公司财务预警实证研究
基于Logistic回归模型的上市公司财务预警实证研究张星文 廖英霞（广西大学商学院，广西 南宁 530004）【摘要】本文采用实证研究的方法，以我国A股市场2009年因财务原因新被ST的43家上市公司以及与其行业、资产规模相当的43家非ST的上市公司的财务数据为基础，对财务指标进行差异T检验选出预警指标变量，并据预警指标变量基于Logistic回归分析的方法，构建了财务预警的模型，得出回判的正确率是较高的。
最后为了进一步检验模型的预测能力，从A股市场中随机抽取200家上市公司（不包括已在模型中使用的上市公司）2004-2008年连续五年的财务数据代入预警模型进行预测，结果可以看到模型的预警能力是很高的，回判率达到近87%，结果比较令人满意。
【关键词】财务危机；logistic回归模型；财务预警一、引言随着我国市场经济不断发展和完善，企业之间的竞争也越来越激烈，市场的复杂性和不可预见性使得企业一旦经营不善，就有可能陷入财务困境之中。
从上世纪90年代开始，世界经济出现了许多意外的复杂情况，企业由于财务危机而破产的例子屡见不鲜。
2008年的金融危机席卷了全球，让为数不少的企业陷入了财务危机甚至面临着破产。
财务危机(financial crisis)又称财务困境(financial distress)，学术界对该术语有着许多不同的见解。
Altman（1990）综合了学术界的观点，认为财务危机为经营失败（failure）、无偿付能力(insolvency)、违约(default)、破产(bankruptcy)四种情形。
在国外的许多研究中，为了将财务危机尽可能有效的量化和客观化，一般是以破产作为标准而展开的。
而在我国，财务危机研究多以上市公司中的“ST”公司为对象展开。
因为我国的证券市场上市公司破产的案例是极少数的，以破产为标准作为研究对象是不太现实的。
2002年《上海证券交易所股票上市交易规则》和《深圳证券交易所上市规则》中规定：“上市公司出现财务状况和其他状况异常，导致投资者难于判断公司前景，权益可能受损害的。
基于Logit模型上市公司财务危机预警实证研究
基于Ｌｏｇｉｔ模型上市公司财务危机预警实证研究本文采取主成分分析方法，将主要因子提取出再运用Logit模型构建预测企业财务失败的模型，并把沪深两地证券市场的ST公司界定为“财务失败企业”，选取20家ST公司及与之相对应的20家非ST公司共40家企业作为研究样本，对上市公司财务失败的主成分预测模型进行实证检验。
标签：上市公司财务危机预警主成分分析Logit模型企业的财务状况直接影响企业的整体运行，因此对财务困境的研究，尤其是对财务困境预警的研究就显得十分重要。
特别是在我国金融体系、社会信用体系都很不完善的情况下，无疑极具现实意义。
本文采用实证研究，根据证券市场的实际情况，运用主成分分析方法，构建企业财务失败预测模型——Logit模型，选取20家ST公司和20家非ST公司共40家企业作为研究样本。
一、财务危机预警模型的实证分析1.研究样本在本文的研究中,我们把上市公司中的ST公司界定为“财务失败”企业。
截至2007年底，上市公司被分为31个行业。
但由于某些行业的特殊性不存在ST公司（如银行类），因此本文从20个不同的行业随即选取20家ST公司，并按照同行业近似规模原则选取与这些ST公司相对应的非ST公司。
2.财务比率的选取根据财务管理理论的观点，企业的财务状况主要取决于企业的盈利能力、偿债能力、营运能力和成长能力。
根据我国的财务特点结合已有学者的研究，选取如下11个财务分析指标作为分析的指标：净资产收益率、总资产报酬率、销售利润率、存货周转率、应收帐款周转率、总资产周转率、股东权益比率、流动比率、利润增长率、总资产增长率和资本积累率。
为了分析上述财务比率能否有效区别ST公司与非ST公司，下面就40家样本企业分别对上述11个财务比率进行单变量T检验，最终选择的财务比率分别是：净资产收益率(X1)、总资产利润率(X2)、销售利润率(X3)、股东权益比率(X7)、流动比率(X8)、总资产增长率(X10)和资本积累率(X11)。
基于Logistic回归模型的上市公司财务预警
基于Logistic回归模型的上市公司财务预警作者：官俊琪来源：《财讯》2018年第19期本文选取了多个上市公司的财务指标，并选择了我国2015～2017年首次被实施ST的43家A股上市公司，并按照1：1的比例选取同行业、上市时间相同且被实施ST前一年末资产规模相等或者相近的43家非ST公司作为配对样本。
将这86家公司作为研究样本，运用Logistic同归方法建立了财务预警模型，并结合上市公司出现财务危机t-3年的数据送行分析和预溅。
实验结果表明，本文提出的上市公司财务预警模型预测的准确率较高，能够帮助企业经营者有效地應对企业的财务状况。
上市公司 Logistic回归财务预警引言所谓企业财务预警，即财务失败预警，是指借助企业提供的财务报表、经营计划及其他相关会计资料，利用多种理论和分析方法，对企业的经营活动、财务活动等进行分析预测，以发现企业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业经营者发出警告，督促企业管理当局采取有效措施，避免潜在的风险演变成损失。
因此，进行财务预警分析，建立企业财务预警模型对现代企业具有重要意义。
鉴于此，本文选取了能全面反映上市公司财务状况的多个财务指标，并采用Logistic回归分析方法建立了财务预警模型，以便为上市公司财务预警提供有效的参考。
研究设计（1）样本选取本文选取我国2015～2017年首次被实施ST的43家A股上市公司，并按照l：1的比例选取同行业、上市时间相同且被实施ST前一年末资产规模相等或者相近的43家非ST公司作为配对样本。
将这86家公司分为建模组和检验组：建模组有66个，包括33家被ST的上市公司和相对应的33家非ST公司；检验组有20个，包括10家被ST的上市公司和与之对应的10家非ST 公司。
假定上市公司被ST年份为第t年，对建模组样本t-3年的财务数据利用Logistic回归分析方法建立财务预警模型，然后利用检验组样本验证模型的准确度。
基于Logit模型的上市公司财务预警模型研究以及实证分析
基于Logit模型的上市公司财务预警模型研究以及实证分析【摘要】上市公司是现代公司的最高形式，上市公司的数量和质量直接影响着证券市场的兴衰。
在上海和深圳证券交易所上市公司需要连续三年盈利，上市之后如果连续两年亏损，就会被戴上ST的帽子，这标志着上市公司陷入了财务困境。
本文以沪深A股市场上于2015年被ST和未被ST的上市公司为研究的总体，随机抽取样本90个，并结合公司的财务数据，尤其是代表公司经营状况的动态指标，来预测企业在未来一年内是否会有财务危机，给公司的财务人员预警，同时也有利于投资者判断一家公司的发展状况，做出合理决策。
【关键字】上市公司财务预警Logit模型一、引言 (2)1.1财务预警模型的研究背景 (2)1.2财务预警模型的研究概况 (2)1.3本文的创新之处 (2)二、Logit模型简介 (2)三、样本和财务指标的确定 (3)3.1样本采集 (3)3.2财务指标的初步选择 (3)四、财务预警模型的实证分析 (4)4.1案例处理摘要 (4)4.2模型汇总 (4)4.3Hosmer-Lemeshow检验结果 (5)4.4预测分类结果 (5)4.5逐步回归过程 (7)4.6不在方程中的统计变量 (9)4.7预测概率直方图 (9)五、模型的改进和对上市公司风险防范的建议 (11)5.1模型的改进 (11)5.2对上市公司的建议 (11)参考文献 (12)一、引言1.1财务预警模型的研究背景现代企业从创业到发展，都在追求一个目标——上市。
而在我国的股票市场上，公司上市需要最近三年连续盈利，上市后的公司要接受社会的监督，定期公布财务报告以及其他信息，因此我们可以很容易得到上市公司的财务指标，相比通过经验来判断公司的财务状况，财务指标是量化的，更容易分析。
一个公司的财务指标一定程度上反映了该公司的财务状况，从财务状况我们可以看出该公司的经营管理情况以及发展情况，如果一个公司财务发生了危机，那么整个公司的现状也令人担忧。
基于KNN和Logistic回归方法的财务预警模型比较
基于ＫＮＮ和Ｌｏｇｉｓｔｉｃ回归方法的财务预警模型比较基于我国上市公司的财务报表数据，本文使用“行业优先”的样本选择方法，采用K近邻方法和Logistic回归方法进行财务危机的预警建模研究。
实证结果显示两种方法均具有很好的预测效果，但Logistic回归更适合于对短期内的预测，而K近邻方法对于基于事前信息建模的长期预测有很高的精确度。
本文的研究为将来更加详尽全面的研究上市公司的财务危机预警模型提供了参考。
关键词：K近邻方法财务预警模型Logistic回归随着我国经济的发展，利用财务预警模型可更好的预测上市公司财务危机的发生。
本文引入了一种非参数的判别方法K近邻法，为了更好的反映和比较预警模型构建的效果，也采用了Logistic回归构建模型进行对比。
样本选取及研究假设（一）样本选择本文的样本原始资料均来自于WIND数据库，从中选取了2004~2006年度所有被实施ST的公司财务数据。
参考吴世农、卢贤义（2001）的研究，本文首先剔除了由于以下四个方面原因被实施ST的公司样本：出现其它异常状况，实施特别处理；在法定期限内未依法披露定期报告；被注册会计师出具无法表示意见或否定意见的审计报告；在规定期限内未对存在重大会计差错或虚假财务会计报告进行改正。
在抽取正常公司样本比率选择的问题上，考虑到Logistic函数的对称性质以及国外相关文献的实践经验，本文采用1：1配对抽样的方法，基于行业优先抽样原则选择被ST公司的配对样本构成研究总体。
在进行配对样本抽取时，对于未能取得配对样本的ST公司进行了剔除处理，得到的行业优先总体为168家，2004年36家，2005年46家，2006年86家。
当公司为被实施ST的公司时，用示性变量”1”来表示，否则则为“0”。
本文参考Amy Hing-Ling Lau（1987）提出的测试样本选择方法，使用年份作为区别建模样本和测试样本的原则，将2004~2005年选择出来的配对样本作为建模样本，而将2006年选出的样本作为测试样本。
基于Logistic模型的财务舞弊识别研究
2021年11期总第944期一、文献综述大数据时代的来临对各行各业产生了广泛深刻的影响，大数据技术应用也逐渐渗透在财务与审计领域。
在此背景下将大数据技术应用于风险的前瞻和内部控制疏漏，特别是财务造假问题的防范尤为重要。
在现有相关文献的论述中，众多学者展开了研究与探索，主要涵盖以下方面：1.舞弊理论与舞弊模型构建基于“三因素论”、“GONE ”理论典型的舞弊理论，学者尝试构建并完善各类财务舞弊识别模型一般过程为指标选取、指标处理、模型构建、模型检验与评价。
洪文洲等在基于Logistic 回归模型的上市公司财务报告舞弊识别研究构建了向后回归法的回归模型，研究了上市公司财务报告的识别。
李清等提出了会计舞弊指数的构建基础与构建方法，比较了Logistic 模型与会计舞弊指数的优缺点。
张曾莲等基于压力、机会和借口三因素综合了强制性信息与自愿性信息，搭建了更为全面有效的预测指数体系，并选取了证监会发布的公司舞弊样本对模型进行了实证检验。
2.大数据环境下的舞弊识别内部审计作为一种审计监督机制的重要一环，在舞弊的识别与防范方面发挥重要作用。
大数据时代的到来使得各大新型信息技术应运而生,应用此类技术可以辅助审计工作人员快速、精准地实现审计目标，迎来了机遇。
与此同时，庞大的数据及其真实性问题的暴露也带来了挑战。
马滢等从审计证据、程序、方法等六个角度分析了大数据环境下内部审计的机遇，从制度、人员、应用技术、硬件等六个维度阐释了该环境带来的挑战，最终提出大数据审计是技术发展下审计的必然结果的观点。
大数据时代对公司的内部控制提出了更高层次的创新性要求。
桑梅研究了大数据时代对审计模式与审计技术的影响，从内控思想、内控水平与共享性及人才资源三方面分析了存在的问题并指出了针对性的措施。
在大数据时代，将大数据技术应用至内部审计与报表分析工作中成为一种新的趋势与常态。
造假识别方面，高健通过报表分析与大数据结合的思路，提出了从财务报告实施角度逆向发现信息失真的手段，为发现舞弊与提高会计信息质量提供了新思路。
财务危机预警的Logistic实证研究论文
财务危机预警的Logistic实证研究论文研究背景在当前的全球经济环境下，财务危机已经成为很多企业必须面对的问题。
如果企业不能及时预警和防范财务危机，可能会导致企业破产或者重大亏损。
财务危机预警是企业财务管理中至关重要的一环。
本论文将尝试使用Logistic回归方法进行实证研究，以探讨财务危机预警的Logistic实证研究方法及其实现。
研究对象本文研究对象是某公司的财务报表数据。
该公司是一家上市公司，主要从事制造业、批发业和零售业。
数据来源为2015年至2019年的财务数据。
研究方法变量的选择本文将通过对财务指标的分析，选取合适的指标变量，用于回归模型的建立。
本文所选取的指标变量及其定义如下：•ROA: 总资产回报率，是企业净利润与总资产之比。
它能显示企业的盈利和资产利用情况，如果ROA值过低，则说明企业的盈利能力不足。
•AR收款周转天数: 应收账款周转天数，是企业应收账款与收入之比乘以365天。
它能说明企业进行销售后，从客户处收取货款的速度，如果AR 周转天数过长，则说明企业的资金周转不够灵活。
•负债率: 负债总额与资产总额的比率。
它能显示企业承担债务的能力，如果负债率过高，则说明企业被过度负债。
•利润率: 净利润与销售收入的比率。
它能说明企业在不同的销售额下，获得的利润多少。
模型的建立采用Logistic回归模型，以企业是否发生财务危机为被解释变量（因变量），ROA、AR收款周转天数、负债率、利润率为解释变量（自变量）。
由于本文的研究数据均为二分类数据，因此采用二元Logistic回归模型来分析公司是否发生财务危机。
Logistic模型可以对数据中可能存在的非线性关系进行拟合，并能够进行相应的预测。
数据处理在对数据进行建模分析前，需要对数据进行整理和筛选。
本文的数据处理步骤如下：1.剔除异常值：对于极端的数据点或异常数据点，最好是通过数据清洗和清除这些数据点，以提高数据分析精度。
2.数据缺失值填充：在数据处理时，有可能出现数据缺失值，需要使用合适的方法来填充这些缺失值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于Logistic回归分析的高校财务风险预警研究【摘要】文章选取了70所高校作为研究样本和1所高校作为预测样本，在现代财务风险理论的指导下，通过对高校财务风险成因的分析并参考以前的研究成果，选择16个财务指标，筛选出拟进入模型的6个变量，利用logistic回归分析方法建立财务风险预测模型，并进行检验。
通过财务预警模型的构建为高校的财务风险提供有效的预警信号，有利于各利益相关者做出正确的决策，为防范风险提供重要参考。
【关键词】财务风险； logistic回归分析；预警模型一、文献回顾风险预警及控制实施是一种复杂和综合性的管理活动，其理论和实践涉及自然科学、社会科学、工程技术、系统科学、管理科学等多种学科，是一门新的应用经济学理论。
最早研究财务风险预警的论文首推beaver（1966），其选取了几个财务变量针对158个研究样本做出预测，并利用单变量统计模型构建出预警模型。
接下来的学者包括altlnan（1968）、blum（1974）等用多变量分析模型来建立财务风险预警模型。
而后的ohlson（1950）、zmijewski（1954）开始采用logistic模型构建财务预警模型。
由于受证券市场发展的影响，国内对财务风险预警的研究起步较晚。
陈静（1999）使用了27家st公司与同行业、同规模的非st公司作为研究样本。
研究发现：资产负债率、流动比率、总资产收益率、净资产收益率四项财务指标的预测能力较强。
其中资产负债率和流动比率在宣布st前一年的误判率最低，而在宣布前两年、前三年时，总资产收益率的误判率较低。
张玲（2000）选取深、沪两市14个行业的120家上市公司作为样本，认为二分类线性判定模型具有超前四年的预测结果。
吴世农、卢贤义（2001）建立了单变量判定模型和线性判定模型、线性概率模型、logistic回归等三种多变量判定模型，比较各种模型在财务困境预测中的效率，认为logistic回归模型在三种多变量模型中预测的准确性最高。
同美日等发达国家相比，我国在学校风险管理方面的研究还非常薄弱。
杨周复、施建军等（2000）对高校财务风险的评价理论及方法进行了定性的分析介绍，对高校财务风险预警指标体系进行了设计，并没有做实证研究。
许道银（2003）针对高校自身的特点，对高校建立财务风险预警系统做了简单的初步设想。
谢立本（2005）则通过构建高校贷款额度与风险评价模型来计算现有高校贷款风险指数以确定高校贷款风险所在的风险区间，并引入当量系数的概念对该模型做进一步的调整。
财务预警作为经济运行的晴雨表和经营管理的指示灯，对其进行研究不仅具有较高的学术价值，而且有着巨大的应用价值。
任何高校的财务风险由初步萌芽到程度恶化，通常都是经历了一个逐渐积累和转化的过程。
在这一过程中，各种风险的因素，都将直接或间接地反映在资金运动的“晴雨表”——一些敏感性财务指标值的不断变化上。
本文研究的主要目标在于探讨建立高校财务风险预警的理论依据，并利用已在企业中引入使用的财务风险预警分析这一财务诊断工具。
在真实可靠的会计基础信息上，设立高校财务预警机制，构建财务分析预警的分析方法、指标体系和模型，通过一系列的财务风险指标的数据监测，为高校的财务风险提供有效的预警信号，为防范风险提供重要参考，对于增强高校的经营管理水平和预测能力具有重要意义。
二、研究设计（一）设计思路本文采用实证研究的方法，以高校的财务报表数据为基础，构建高校财务风险预警的指标体系，借助多元统计分析方法来评价财务风险状况。
运用spss软件进行分析运算：一是以因子分析法和相关性分析对指标体系进行结构化处理，保证信息含量的同时降低观测维度；二是利用逻辑回归分析拟合风险预警的回归模型；三是利用检验样本对模型进行一次检验，对模型的预测效果给予评价。
（二）样本和数据的选择本文选取了70所高校的财务数据作为建模样本，进行财务风险预警的指标研究。
为了现实直观地反映高校财务预警模型的实际价值，选取了x高校2000年至2009年的财务数据作为预测样本进行测试分析。
（三）指标选择高校财务风险预警指标体系中最关键的是选择高敏感性的重点预警指标，以便预警指标体系能够全面、真实地反映高校所面临的财务风险状况。
根据高校财务活动的特点，其指标体系一般可分为四类：偿债能力指标、运行绩效指标、收益能力指标和发展潜力指标。
具体指标详见表1。
偿债能力是指高校偿还到期债务的能力。
能否及时偿还到期债务，是高校能否健康生存和发展的关键。
运行绩效是指高等学校有效、合理利用教育资源完成预期目标的能力。
这一类指标反映了高等学校的日常管理水平和管理能力。
收益能力是指高校的资金或资本增值能力。
一个学校收益能力的大小，将直接影响到其发展的速度和竞争能力。
发展潜力反映了高等学校可持续性发展的能力，高校不能只局限于当前，还应面向未来，为长期的办学规模扩大和经济效益增长储蓄良好支撑条件。
本文运用spss对影响高校财务风险的16个比率指标进行相关分析，找出相关性较弱的对高校财务状况反映最敏感的财务指标。
根据相关系数大小及其显著性检验结果，最终选取x1、x3、x8、x9、x11、x13作为建模变量。
（四）logistic回归分析的基本原理吴世农、卢贤义（2001）分别用fisher线性判定分析、多元线性回归和logistic回归分析三种方法建立预测财务困境的模型，得到的结论为logistic预测模型的准确性最高。
实证逻辑回归模型是解决0-1回归问题行之有效的方法。
假设xi为第i个发生财务危机的预警变量矩阵，那么其发生财务危机的概率pi和xi之间有如下关系：pi=■yi=b1x1+b2x2+…+bkxk+a=a+■bixi上式中：yi值为总判别分，它反映的是第i项在总体中某一上市公司综合财务状况的数量特征；bi为权数，表示对有关自变量xi的重视程度；xi是与财务预警有关的变量；a为随机干扰项。
所以：■逻辑回归模型的曲线为s型，且其预警的最大值趋近1，其预警的最小值趋近0。
逻辑回归模型一般选择0.5作为分割点。
假定财务危机公司为0，财务正常公司为1，即如果判别概率值大于0.5，则表明财务正常的可能性比较大，判定为财务正常；如果判别概率值小于0.5，则表明发生财务危机的可能性比较大，那么判定为财务危机公司。
三、实证研究与结果分析（一）结果分析假定因变量0为“有风险”，1为“无风险”，在进行logistic 回归分析前，在70个研究样本中，有43个样本进入风险组，27个样本进入正常组。
表2所示是模型参数的检验结果，系数为-0.465。
由于此时模型中只有常数项，有无统计学意义关系不大，sig.值越大重要性越小，wald值越大该自变量的重要性也越大。
由表2可知常数项的重要性显著。
表3所示是一个预分析的过程。
即假设将未纳入模型的变量分别或一起纳入模型之后模型是否有统计学意义。
从表格中sig.取值可知，除了自筹收入能力比率、资产收入比率和投资收益比率的模型没有统计学意义之外，其余模型都有显著的统计学意义。
表4所示是全局检验结果。
共用了3种检验方法。
由于只有一个自变量组且采取的是强行进入法将所有变量纳入模型，所以3种检验方法的结果是一致的。
模型具有显著的统计学意义。
表5给出了评价模型拟合优度的几个统计量，-2loglikelihood 为对数似然函数值的-2倍，该值越小表明模型的拟合优度越高，本例中该值为0结果属于比较理想的值；另外，cox&snell r square 和nagelkerke r square统计量分别为0.736和1.000，意味着模型解释了被解释变量100%的变动，说明该模型拟合优度还是较高的。
表6是最终观测量分类表，这是包含常数项与6个变量的模型，它是以概率值0.5作为有风险和无风险的分界点得出的预测值和实际数据的比较表。
这里的预测效果很好，有风险高校和无风险高校的预测准确率都达到100%，总的正确判断率也达到100%，所以在实际应用中完全可以使用该回归方程进行预测。
表7是logistic模型的拟合结果。
wald检验的sig.可知，各变量及常数项的系数都没有显著的统计学意义。
根据表7的二元logistic回归结果，可以建立下列财务预警模型：即：p=■此模型以0.5为判别分界点，p值范围为[0，1]，当p值小于0.5时，判别为财务风险型高校，数值越小，该高校未来发生财务困境的可能性就越大；当p值大于0.5时，判别为非财务风险型高校，数值越大，该高校未来的财务状况越好，越安全。
（二）模型检验为检验模型的预测效果和适用性，将样本的指标值回代得出所有样本的预测值，然后根据模型的准确率或误判率检验模型的预测效果。
检验结果如表8所示，无风险组共有数据27个，判断正确26个，正确率为96.29%；风险组共有数据43个，判断正确43个，正确率为100%。
对检验样本的分类都相当令人满意，基本判断准确。
（三）模型预测为了现实直观地反映这一高校财务预警模型的实际价值，我们选取了x高校的财务数据进行测试分析，如表9所示。
运用excel软件进行计算，logistic模型对样本的预测结果如表10所示，该校2000—2004年有关综合财务风险指标处于无财务风险状况。
从2005年开始大面积建设新校区，新校区运行费用开始大幅度增加，负债建设格局形成，财务风险凸现。
四、结束语高校陷入财务风险是一个逐步的过程，并且一旦出现财务风险，在管理活动中是有征兆的，可以利用一些方法进行预测，这也使得建立高等学校的财务危机预警系统成为可能。
上述两个案例，一个是测试同一时期不同高校情况，另一个是测试一个高校不同阶段的财务风险状况。
从测试结果看，logistic模型能够较为确切地反映不同高校不同财务风险状况。
通过财务预警模型的构建为高校的财务风险提供了有效的预警信号，有利于各利益相关者做出正确的决策，为防范风险提供了重要参考。
但是，财务预测模型不是万能的，正确的预测是要建立在理论分析、实证研究综合基础之上，需要借助各方信息进行综合评判。
【参考文献】[1] 刘艳华.高校财务风险预警管理系统研究[j].事业会计，2008（2）：2-4.[2] 郭琴.高校财务风险预警指标体系构建[j].财会通讯：理财版，2008（1）：108-109.[3] 吴世农，卢贤义.我国上市公司财务困境的预测模型研究[j].经济研究，2001（6）：46-55.[4] 赵芳芳.关于上市公司财务风险预警系统的实证研究[j].商场现代化，2007（9）：375-376.[5] 许道银.试论高校财务危机预警系统[j].徐州师范大学学报：自然科学版，2003，21（4）：19-21.[6] 刘英姿.高校财务风险管理的问题与对策[d].厦门大学，2007.[7] 赵祥涛.中国上市公司财务预警模型研究[d].山东大学，2007.[8] 杨淑娥，黄礼.基于bp神经网络的上市公司财务预警模型[j].系统工程理论与实践，2005（1）：31-34.。