Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
El estudio sobre la advertencia de riesgo crediticio de empresas regionales listadas en China basado en el modelo logístico.
El documento tiene como objetivo proponer un nuevo método para establecer las características de riesgo crediticio de las empresas listadas regionales en China y hacer que las empresas listadas eviten verse involucradas en crisis crediticias. El documento selecciona cincuenta y cuatro empresas listadas de la provincia de Hebei como muestra de investigación y establece el sistema de índices de evaluación de riesgo crediticio de empresas listadas a partir de cuatro categorías de índices financieros que incluyen rentabilidad, capacidad operativa, solvencia y capacidad de crecimiento. En primer lugar, el documento filtra quince índices utilizando el método de agrupamiento gris de las cuatro categorías financieras y encuentra las variables efectivas del modelo de predicción. Luego, el documento predice la probabilidad de riesgo crediticio de las empresas listadas utilizando el modelo de regresión logística. Finalmente, analizando los datos financieros de los informes anuales de cincuenta y cuatro empresas listadas en la provincia de Hebei desde 2012 hasta 2017 como datos de muestra, se lleva a cabo una prueba empírica de experimento de simulación utilizando el software
Autores: Zhou, Qingping; Wang, Long; Juan, Li; Zhou, Shugong; Li, Lingli
Idioma: Inglés
Editor: Hindawi
Año: 2021
Disponible con Suscripción Virtualpro
Artículos
Categoría
Matemáticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Hindawi
Discrete Dynamics in Nature and Society
Volume , Article ID 6672146, 8 pages
https://doi.org/10.1155/2021/6672146
Zhou Qingping0, Wang Long0, Juan Li0, Zhou Shugong0, Li Lingli0
Admission and Employment Office China, School of Mathematics and Computational Science China, Tangshan Key Laboratory of Agricultural Pathogenic Fungi and Toxins China, College of Physics Science and Technology ChinaAcademic Editor: Ma Junhai
Contact: @hindawi.com
El documento tiene como objetivo proponer un nuevo método para establecer las características de riesgo crediticio de las empresas listadas regionales en China y hacer que las empresas listadas eviten verse involucradas en crisis crediticias. El documento selecciona cincuenta y cuatro empresas listadas de la provincia de Hebei como muestra de investigación y establece el sistema de índices de evaluación de riesgo crediticio de empresas listadas a partir de cuatro categorías de índices financieros que incluyen rentabilidad, capacidad operativa, solvencia y capacidad de crecimiento. En primer lugar, el documento filtra quince índices utilizando el método de agrupamiento gris de las cuatro categorías financieras y encuentra las variables efectivas del modelo de predicción. Luego, el documento predice la probabilidad de riesgo crediticio de las empresas listadas utilizando el modelo de regresión logística. Finalmente, analizando los datos financieros de los informes anuales de cincuenta y cuatro empresas listadas en la provincia de Hebei desde 2012 hasta 2017 como datos de muestra, se lleva a cabo una prueba empírica de experimento de simulación utilizando el software
Descripción
El documento tiene como objetivo proponer un nuevo método para establecer las características de riesgo crediticio de las empresas listadas regionales en China y hacer que las empresas listadas eviten verse involucradas en crisis crediticias. El documento selecciona cincuenta y cuatro empresas listadas de la provincia de Hebei como muestra de investigación y establece el sistema de índices de evaluación de riesgo crediticio de empresas listadas a partir de cuatro categorías de índices financieros que incluyen rentabilidad, capacidad operativa, solvencia y capacidad de crecimiento. En primer lugar, el documento filtra quince índices utilizando el método de agrupamiento gris de las cuatro categorías financieras y encuentra las variables efectivas del modelo de predicción. Luego, el documento predice la probabilidad de riesgo crediticio de las empresas listadas utilizando el modelo de regresión logística. Finalmente, analizando los datos financieros de los informes anuales de cincuenta y cuatro empresas listadas en la provincia de Hebei desde 2012 hasta 2017 como datos de muestra, se lleva a cabo una prueba empírica de experimento de simulación utilizando el software