A股财务造假识别模型:首年预测精度69.3%,关键变量揭秘
需积分: 38 77 浏览量
更新于2024-08-06
收藏 1.73MB PDF 举报
本资源主要探讨的是模型结果分析,以Bes2300-L datasheet v0.19为主题,聚焦于A股市场的财务造假预测模型。研究团队由分析师刘晨明、许向真和李如娟组成,他们基于上篇报告中的财务特征变量,构建了一个Logistic逻辑模型来识别财务造假风险。该模型涵盖了22个变量,包括但不限于应收账款变化率、存货占比、软资产比例、带息负债率等,这些指标都被认为可能与财务造假存在关联。
模型的核心是使用胜算比(odds ratio)和边际效应来评估造假风险。胜算比是造假概率与非造假概率的比率,其变化反映了单个变量对造假概率的影响程度。如果某个变量的系数为正,表明随着该变量值的增加,公司财务造假的可能性会增大。通过设置阀值,如回归拟合值大于-5.58或者胜算比大于0.00379,可以判断公司是否存在较高的造假风险。
在模型应用方面,研究团队针对造假首年样本的回归结果显示预测准确度为69.3%,而针对全部年份样本的预测准确度提升至74.9%。然而,模型的预测也存在局限性,可能受到宏观经济风险和海外不确定因素的影响。因此,投资者在使用模型结果时需谨慎,结合其他信息进行综合判断。
整个研究过程包括了财务造假样本的筛选,涵盖了1994年至2018年的财务造假事件,数据来源主要来自Wind、锐思和天风证券研究所。通过对样本的深入分析,研究人员试图为市场提供一个工具,帮助投资者识别潜在的财务造假风险,以支持他们的投资决策。
2020-07-21 上传
2023-05-25 上传
2021-01-14 上传
2023-06-22 上传
2023-10-19 上传
2023-07-18 上传
2023-10-15 上传
2023-07-18 上传
2024-01-25 上传
七231fsda月
- 粉丝: 31
- 资源: 4046
最新资源
- 最优条件下三次B样条小波边缘检测算子研究
- 深入解析:wav文件格式结构
- JIRA系统配置指南:代理与SSL设置
- 入门必备:电阻电容识别全解析
- U盘制作启动盘:详细教程解决无光驱装系统难题
- Eclipse快捷键大全:提升开发效率的必备秘籍
- C++ Primer Plus中文版:深入学习C++编程必备
- Eclipse常用快捷键汇总与操作指南
- JavaScript作用域解析与面向对象基础
- 软通动力Java笔试题解析
- 自定义标签配置与使用指南
- Android Intent深度解析:组件通信与广播机制
- 增强MyEclipse代码提示功能设置教程
- x86下VMware环境中Openwrt编译与LuCI集成指南
- S3C2440A嵌入式终端电源管理系统设计探讨
- Intel DTCP-IP技术在数字家庭中的内容保护