作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前,经济发展形势发生重大变化,企业因陷入财务困境面临经营危机乃至破产清算的风险大大增加.本文构建融合ARTXP算法与ARIMA算法的时间序列预测模型对26家ST公司开展实证研究,结果发现:融合了两类算法的时序预测模型对影响ST公司财务困境程度的关键财务指标具有良好的预测效果.
推荐文章
基于新闻文本的上市公司财务困境组合预测模型
财务困境预测
文本分类
组合预测模型
支持向量机
Logistic
基于SPSS分析平台的上市公司财务预警模型
财务失败
SPSS
预测模型
实证检验
基于GA-SVM的上市公司财务危机预警研究
财务危机
预警
遗传算法
支持向量机
航运上市公司财务预警的Logistic回归分析
财务预警
Logistic回归分析
风险控制
航运
上市公司
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于时间序列模型的ST上市公司财务困境预警研究
来源期刊 现代营销 学科
关键词 财务困境 时序预测模型 财务指标
年,卷(期) 2017,(5) 所属期刊栏目 金融商务
研究方向 页码范围 133
页数 1页 分类号
字数 1536字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王秋玮 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (7)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
财务困境
时序预测模型
财务指标
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代营销
月刊
chi
出版文献量(篇)
21716
总下载数(次)
118
总被引数(次)
32227
论文1v1指导