摘要
样本资料和实证方法选取是否科学,直接关系到实证结果的正确性。本文从时间窗、样本配比、变量与模型选取等方面分析在研究上市公司信息披露违规中常见的缺陷,并提出相应的改进方法。在此基础上,采取粗糙集模型,以深沪767家上市公司为建模样本,以116家上市公司为检验样本构建上市公司信息披露违规预警模型。结果显示,在建模样本中,粗糙集模型以97.8%的精度正确识别正常上市公司,以66%的精度正确识别违规上市公司。在检验样本中,粗糙集模型以98.1%的精度正确识别正常上市公司,以68%的精度正确识别违规上市公司。
This paper analyzes the common defects of listed companies and proposes relative solutions.We adopt Multi-VPRS to build information exposure early warning model with sample data from 767 listed companies and 116 ones as test sample set.The results show that RS identifies normal firms with 97.8% precision and infringement firms with 66% precision.In the test sample,RS identifies normal firms with 98.1% precision and infringement firms with 68% precision.
出处
《当代经济科学》
CSSCI
北大核心
2006年第2期104-109,共6页
Modern Economic Science
基金
国家社科基金(05BJY056)
关键词
上市公司
信息披露
多变精度粗糙集
预警
Listed company
Information exposure
Multi-VPRS
Early warning
