【新能源公司财务风险预警国内外研究的文献综述7100字】

新能源公司财务风险预警国内外研究的文献综述20世纪30年代，专家学者们已然发现公司财务状况对经营成果的影响，他险预警模型、多元回归财务风险预警以及BP神经网络财务风险预警这四大类。(1)单变量财务风险预警模型著名学者Fitzpatrick(1932)¹是财务预警模型研究领域的先驱，他将选取了19家公司，以单个财务比率为标准进行了单变量破产预测，研究结果表明净实证研究的先河。在此基础上，学者Beaver(1966)[2建立了更为成熟的单变量预警模型。通过对自1954年开始十年间79家经营失败的公司和成功公司的对比研究，他发现排除客观因素后，在选取的30多个财务指标中，在预测公司风险方面很有效的有现金流量比率(现金流量/债务总额)、资产收益比率(净收益/资产总额)以及资产负债比率(债务总额/资产总额)。国内学者陈静(1999)[3]较早得将国外的破产预测模型引入我国市场，她在1998年的上海、深圳证券交易所中识别了27家ST公司，选择了可作为对照的27家非ST公司，运用单变着显著优势。学者冯春琳(2013)[4以两组公司公开的财务报表数据为基础，结研究验证了两组公司偿债能力的差距，检验了模型的有效性。学者LaelyAghe (2016)5在充分理解银行财务风险预警的重要性的前提下，选取了2010年起5年内100家印度尼西亚上市银行的财务数据，结合对于银行财务状况评估较为重(2)多变量财务风险预警模型Altman(1968)⁶为了提高分与非破产公司各33家，主要考虑了营运资产和销售收入与资产总额之间的比率等5组财务风险预警指标。通过将多个指标按照一定权重客观地建立有意义的预信息使用者误读的可能性。Altman还拓研究表明，该模型在公司破产一年前预测的概率高达95%。HongkyuJo风险预警其精确度得到了提升。国内著名学者周首华、杨济华和王平(1996)8为克服传统破产预测模型的局限性，将现金流量的变动情况纳入Z-score模型的自变量，创新提出了F计分模型，以66家样本公司的数据检验了模型，计算预测出了样本公司的破产边界。学者李元凤(2012)⁹继续对Z模型进行了优化研究，她首先对Z模型中5个关键变量的判别准确度进行了检验，在此基础上加入了发展能力、现金流量、盈利质量3项新指标，使得Z模型预测的准确度显著提应适当调整临界值。熊鹏飞、汪锦琪与张珍贤(2018)探索了我国公司实际运距会导致X4比率的计算结果偏低，从而导致总体结果偏小。此外，结合我国公(3)多元回归财务风险预警学者Ohlson(1980)[13率先提出多元逻辑回归模型，他在研究中筛选出了2000多家破产公司作为测试样本，通过对非配对样本的分析来研究破产概率的着更大影响的指标为公司规模与业绩情况。学者吴世农、卢贤义(2001)14选取了我国上市公司中70家存在财务问题的公司和70家无恙的公司的5年数据为研回归分析三种不同的财务风险预警模型的误判率进行对比研究。研究发现Logistic预测模型准确率更佳。Matthieu(2002)[15采集了濒临破产边缘的32家上市公司的财务数据，展开实证研究，结果表明多变量的Logistic预警模型能够较为准确地进行财务风险预警。Serpil(2006)[16将在土耳其伊斯坦布尔证券交性的财务风险模型。学者黄德忠与朱超群(2016)[17针对财务风险预警模型中少有反映公司资产质量指标的问题，选取2010年往后三年首次被ST的48家上市公司，并配对了规模、行业都相当的96家正常运营公司，分别构建了财务风险研究结果显示财务预警模型中主因子变量系数对其代表的获利情况以及公司财务状况存在较大影响。闵剑，李佳颖(2021)[19基于近十年我国740家成长期和成熟期的中小公司，将生命周期理论与COX风险比例模型进行回归分析，构建李文璐(2021)[201选取我国A股上市公司数据，使用倾向匹配得分法对主要变清和官俊琪(2021)[21根据组合预测思想构建了基干Lasso+SVM的制造业上市公司财务风险组合预警模型。包括串联型组合和信息融合型组合两种，并选取22个财务指标建立了财务预警指标体系，对我国86家制造业上市公司的财务状围更广。Tzong-HueiLin(2009)[24在对当前BP神经网络财务风险预警模型的模型的应用场景。GeorgiosMarinakos(2015)[25结合制药上市公司的特点，建 网络模型，对比发现BP人工神经网络模型误判概率较低，预测精确度较高。郭铭芝(2016)[281选取了某高校的财务数据，建立了BP神经网络模型，研究结果危机增强的问题，将公司财务状况分为五个等级，运用BP神经网络模型对695个中小公司板上市公司的财务状况进行模型训练及检验，运行结果表明BP神经网络模型具有一定稳定性，模型具备一定的预测能力。李光荣和李风强(2017)行仿真研究。研究得出，自组织特征映射算法判别正确率达到了89%,高于自适应共振理论算法判别正确率为87%。吴冲、刘佳明和郭志达(2018)3为优化神风险提出了可实现长期预警的优良模型。孟浩和张其名(2020)³2重点选取了在A股上市的六十余家互联网公司，研究样本即为上述公司自2016年开始三年内的财务数据，通过27项不同的指标构建了初步预警指标体系，并运用主因子分KalimU.Shah等人(2013)134在研究中系统分析了亚洲能源供需不平衡的发展的扶持激励政策具有深远影响。同年，Amarini和EMenichetti(2013)[35对于欧研究新能源公司的财务风险，Txi和YZhang(2014)³61选取了中国自2008年上市的165家新能源公司，通过对这些公司的分类分析和财务状况剖析，发现我国务风险预警指标评价体系。陈静(2012)38指出能源行业本身的高风险特征，结合我国能源大国的背景以及能源公司财务风险的现状强调了对能源公司进行财李月晓、贺红艳(2014)391从经营管理、人员管理、财务等方面分析了新能源上利等能力建立指标体系。同年，韩冰(2014)[40指出目前我国新能源主要面临的叶云静(2015)41同样指出了我国新能源公司起步阶段中融资风险较大的问题，建议。李海波(2016)[42围绕宏观经济环境以及投资、融资、经营环节所引发财务风险的不同情况，针对性得提出了新能源公司财务风险的控制举措。白云峰 国新能源公司理解指标含义，运用预警模型，规避财务风险。王璞(2017)[44]力公司长远发展。王延娜、赵锡洋(2018)[45通过实证研究选取了我国一家主要行了财务风险状况的评价。张馨文(2019)[46选取了济阳新能源公司作为研究案司发展提供助力。马闪霞，刘希麟(2019)[47集中研究了新能源汽车上市公司，他们选取了15家有一定规模的新能源汽车上市公司，从国泰安数据库、公司年报等渠道获取财务信息，采用适用于新能源汽车制造公司的财务指标，建立Z计分模型进行风险预测试算。试算结果表明自2017年开始新能源汽车行业财务良财务风险预警模型，做到早发现、早应对、早控制。赵玉霞(2020)[48采用熵案例公司自2015年开始三年的财务数据进行训练，用2018年的财务状况进行检应收账款管理等方面提出了应对措施。张弛(2020)[49以2018年我国42家新能的问题，且不同公司的财务风险情况呈现了显著的地域分布差异。郁名(2021)[501以我国A股市场汽车板块的25家上市公司为研究样本，以上述