『壹』 寫論文的時候可以以一個具體公司的財務數據進行實證分析么
這個倒是可以的
不過最好是對不同公司的數據整合分析
『貳』 以一家公司為例近三年的收益分配分析
三年的收益分
『叄』 上市公司資產結構對公司績效影響的實證分析
這個問題提的有點模糊，「公司績效」這個概念不對。
根據我的理解你是關心下面的內容：
大了來說，資產等於負債加所有者權益，如果所有者權益過高，負債就低，那麼財務杠桿的效用就發揮不出來，那麼股東關注的凈資產收益率就會受影響，還有很多財務指標也受影響，不一一列舉。反之亦然。
小的來說，資產包括固定資產、流動資產，其比重大小就涉及到速動比率、流動比率、存貨周轉率等指標，這些都是股東或者投資者所關注的。
要做這個實證分析，我建議你去下同行業里兩個營業收入差不多的上市公司年報，然後做財務對比分析，或者直接從搜狐財經、大智慧等財經網站查看相關財務指標。
如果感覺結果不夠說服力，也可以做縱向對比，拿同一家上市公司不同年份的數據做對比，具體數據來源和上面方法差不多。
希望可以幫到你！
『肆』 實證結果分析與討論
4.4.3.1 WTI和市場收益率的統計特徵
令WTI和Brent市場第t日的石油價格分別為P1,t和P2,t，則WTI和Brent市場第t日的對數收益率分別為Y1,t=ln（P1,t/P1,t-1）和Y2,t=ln（P2,t/P2,t-1），從而各得到4943個收益率樣本。圖4.20是兩個市場所有樣本收益率的走勢圖，不難發現，兩個收益率序列均存在明顯的波動集聚性。
圖4.20 WTI和Brent市場原油現貨收益率走勢
WTI和Brent兩個市場樣本內收益率的基本統計特徵如表4.17所示。總體而言，兩個市場的收益率的平均水平和波動水平都非常接近，這也可以從圖4.20上得到印證。同時，與標准正態分布的偏度為0、峰度為3相比，本節兩個市場收益率的偏度為負（即呈現左偏現象），峰度遠大於3，因此它們均具有尖峰厚尾的特徵，而且從JB檢驗的結果也能看到收益率序列顯著不服從正態分布。而對收益率序列進行自相關性LB 檢驗時，根據樣本容量，選擇滯後階數為
表4.17 WTI和Brent市場收益率的基本統計特徵
4.4.3.2 WTI和Brent市場收益率的GARCH模型估計
（1）WTI市場收益率的GARCH模型估計
為了濾掉收益率序列的自相關性，本節引入ARMA模型對收益率序列建模。根據自相關和偏自相關函數的截尾情況，並按照AIC值最小原則，經過多次嘗試，發現ARMA（1,1）模型比較合適。對ARMA（1,1）模型的殘差序列進行自相關性Ljung-Box檢驗，從自相關分析圖上看到，殘差序列的自相關系數都落入了隨機區間，自相關系數的絕對值都小於0.1，與0沒有明顯差異，表明該殘差序列是純隨機的，換言之，ARMA（1,1）模型很好地擬合了原有收益率序列。
鑒於WTI市場收益率序列存在明顯的波動集聚性，因此，本節對ARMA（1,1）模型的殘差進行ARCH效應檢驗，結果發現存在高階ARCH效應，因此考慮採用GARCH模型。由於收益率序列存在厚尾現象，因此本節在GARCH 模型中引入GED 分布來描述模型的殘差。根據AIC 值最小的原則以及模型系數要顯著和不能為負的要求，通過比較GARCH（1,1）,GARCH（1,2），GARCH（2,1）和GARCH（2,2）模型，本節選擇GARCH（1,1）模型來擬合原有收益率序列。
為了進一步研究WTI收益率序列的波動特徵，本節檢驗了TGARCH（1,1）和GARCH-M（1,1）模型。結果發現，收益率序列存在顯著的TGARCH效應和GARCH-M 效應，即收益率的波動不但具有顯著的不對稱特徵，而且還受到預期風險的顯著影響。考慮到模型的AIC值要最小，以及為了描述收益率波動的不對稱性，本節選擇TGARCH（1,1）模型對WTI市場收益率的波動集聚性建模，模型形式如式4.16。另外，我們看到模型的GED分布參數為1.260823，小於2，從而驗證了該收益率序列的尾部比正態分布要厚的特徵，也為本節接下來進一步准確計算WTI市場的風險鋪墊了良好的基礎。
WTI市場收益率的TGARCH（1,1）模型為
國外油氣與礦產資源利用風險評價與決策支持技術
式中：ε1,t-1﹤0,d1,t-1=1；否則，d1,t-1=0;
Log likelihood=11474.52,AIC=-4.898557,GED參數＝1.260823
從模型的方差方程看到，油價收益率下跌時，
（2）Brent市場收益率的GARCH模型估計
基於Brent市場收益率的波動特徵，按照與WTI市場GARCH 模型類似的建模思路，建立了MA（1）模型。而利用ARCH-LM檢驗方法發現模型的殘差存在顯著的高階ARCH效應，因此採用基於GED分布的GARCH模型。比較GARCH（1,1）,GARCH（1,2）,GARCH（2,1）和GARCH（2,2）模型的AIC值，以及有關系數的顯著性，發現選擇GARCH（1,1）模型是最合適的，具體形式如（式4.17）。進一步，對收益率序列建立TGARCH（1,1）模型和GARCH-M（1,1）模型，結果表明，有關系數並不顯著，因此說明Brent市場收益率的波動並不存在顯著的不對稱杠桿效應，也不存在顯著的GARCH-M效應。而且，我們也發現GED分布的參數小於2，因此驗證了Brent市場收益率同樣具有厚尾特徵。
Brent市場收益率的GARCH（1,1）模型為
國外油氣與礦產資源利用風險評價與決策支持技術
Log likelihood=11697.19,AIC=-4.993462,GED參數＝1.324630
在模型的方差方程中，h2,t-1前的系數為0.912673，表示當前方差沖擊的91.2673%在下一期仍然存在。可見，與WTI市場類似，Brent市場同樣存在波動沖擊衰減速度較慢的現象。檢驗模型的殘差，發現其自相關函數都在隨機區間內，取階數為68時，標准殘差的Q統計量的顯著性概率大於50%，而Q2統計量的顯著性概率大於20%，因此經GARCH（1,1）建模後的序列不再存在自相關現象和波動集聚性。另外，殘差的ARCH-LM檢驗結果也表明，它不再存在波動集聚性，因此GARCH（1,1）模型對Brent市場收益率序列的擬合效果也較好。
圖4.21給出了兩個市場的條件異方差的走勢，分別代表著它們的波動水平。從圖中看到，一方面，兩個市場收益率的波動水平基本相當，只是在某些區間WTI市場的波動會更大一些。當然，在海灣戰爭期間，Brent市場的波動程度相比而言更劇烈一點；另一方面，兩個市場都存在一個明顯的現象，那就是在波動比較劇烈的時期，其條件方差最高可達一般水平的20倍以上，這種波動的大規模震盪不但說明了國際石油市場存在顯著的極端風險，而且對於市場波動和風險的預測具有重要的現實意義。
圖4.21 WTI和Brent市場的條件異方差比較
4.4.3.3 WTI和Brent市場收益率的VaR模型估計和檢驗
正如前文所述，石油市場需要同時度量收益率下跌和上漲的風險，從而為石油生產者和采購者提供決策支持。為此，本節將採用上述基於GED分布的TGARCH（1,1）模型和GARCH（1,1）模型，按照方差－協方差方法來分別度量WTI和Brent市場在收益率上漲和下跌時的VaR 風險值。
（1）GED分布的分位數確定
根據GED分布的概率密度函數，使用MATLAB編程，經過多次數值測算，求出GED分布在本節所得自由度下的分位數，如表4.18所示。表中結果顯示，95%的分位數與正態分布的1.645基本相同；但99%的分位數卻明顯大於正態分布的2.326，這也表明了國際油價收益率具有嚴重的厚尾特徵。
表4.18 WTI和Brent市場收益率的GED分布參數及分位數
（2）基於GED-GARCH模型的VaR風險值計算
根據VaR風險的定義，我們得到以下兩個計算VaR風險的公式。其中上漲風險的VaR值計算公式為
國外油氣與礦產資源利用風險評價與決策支持技術
式中；zm,α﹥0，表示第m個市場中（T）GARCH（1,1）模型的殘差所服從的GED分布的分位數；hm,t為第m個市場的收益率的異方差。
同理，得到下跌風險的VaR值計算公式為
國外油氣與礦產資源利用風險評價與決策支持技術
根據上述兩個VaR風險計算公式，本節計算了在95%和99%的置信度下，WTI和Brent市場的上漲風險和下跌風險（表4.19，表4.20）。
表4.19 WTI市場收益率的VaR計算結果
表4.20 Brent市場收益率的VaR計算結果
從表4.19和表4.20的實證結果看到，第一，除95%的置信度下市場收益率上漲風險的LR值略大於臨界值外，其他所有LR統計量的值均小於相應的臨界值，因此按照Kupiec的返回檢驗方法，可以認為基於GED分布的TGARCH模型和GARCH模型基本上能夠充分估計出兩個市場收益率的VaR風險值。從市場收益率與VaR風險值的走勢也可以看到這一點（圖4.22）。第二，在99%的置信度下，兩個市場的VaR 模型對收益率的上漲風險比對收益率的下跌風險的估計精度都更高，這可能是由於收益率分布的左尾比較長，GED分布尚未完全捕捉到所有的厚尾現象。而在95%的置信度下，對下跌風險的估計精度更高。第三，從VaR的均值來看，在相同的置信度下，不管收益率是上漲還是下跌，WTI市場的VaR值都要比Brent市場對應的VaR 風險值大，因此需要更多的風險准備金。當然，從圖4.23的VaR 風險走勢可以發現，事實上，兩個市場的VaR風險基本上相差不大，只是在某些樣本區間內，WTI市場的風險會超過Brent市場。
圖4.22 99%的置信度下Brent市場的收益率及其VaR風險值
圖4.23 99%的置信度下WTI和Brent市場收益率上漲和下跌時的VaR風險值
（3）VaR模型比較
在採用GARCH模型計算市場收益率的VaR 風險值時，一般都假設模型的殘差服從正態分布，從而直接令zm,α等於標准正態分布的分位數。但實際上，石油市場的收益率及其模型殘差一般都是非正態分布的，因此得到的VaR 模型往往不夠充分。為此，本節以99%的置信度為例，建立了基於正態分布分位數的VaR 模型，計算結果如表4.21所示，並與表4.19和表4.20中VaR模型的有關結果進行比較。
表4.21 基於正態分布分位數的VaR模型計算結果
結果表明，從VaR均值上看，基於正態分布的VaR模型在兩個市場、兩個方向（即上漲和下跌）上計算得到的VaR風險值均比基於GED分布的VaR 模型的相應結果要靠近零點，這從模型失效次數的比較上也能得到驗證。再者，由於表4.21中的失效次數均超過了99%的置信度下臨界處的失效次數（約為47），因此此時的計算結果低估了市場的實際風險。
而按照Kupiec的返回檢驗方法，可看出與99%置信度下的臨界值6.64相比，不管是WTI市場還是Brent市場，不管是上漲還是下跌方向，採用基於正態分布分位數的VaR模型計算市場風險基本上都不夠合理。其中，盡管WTI市場的上漲風險計算結果基本上可以接受，但與表4.19中對應的LR值相比，發現後者更加充分而准確。因此，總體而言，採用基於GED分布的VaR模型要比基於正態分布的VaR模型更充分而合適，得到的結果更可取。
當然，在95%的置信度下，基於正態分布和GED分布的VaR模型的LR值幾乎一樣，都是比較充分的。這是由於它們的分位數幾乎是一樣的，均為1.645左右。
另外，本節通過計算還發現，如果在建立GARCH模型時假設殘差服從正態分布，而計算VaR時又選擇一般所採用的正態分布分位數，則得到的VaR模型不管是哪個市場、哪個方向的風險都將很不充分，而先前很多研究往往就是這么做的。
（4）VaR模型的預測能力
從上述分析中可以看到，基於GED-GARCH的VaR模型能夠較好地估計和預測樣本內數據。為了更加全面檢驗這種VaR模型的預測能力，接下來本節以95%的置信度為例，採用它來預測樣本外數據的VaR風險值，並與樣本外的實際收益率數據進行比較。結果發現，在WTI和Brent市場上，落在預測得到的正向VaR和負向VaR之間的實際收益率占整個樣本外預測區間所有收益率的比例均為95.76%，接近95%；相應的LR值為0.3409，小於95%置信度下的臨界值3.84，因此是可以接受的（圖4.24，圖4.25）。換言之，根據樣本內數據建立的VaR 模型用於預測樣本外數據的VaR風險時，其預測能力是可以接受的。另外，為了比較，本節也採用了廣受好評的H SAF方法建立模型，並預測了樣本外數據的VaR風險，但檢驗卻發現其在此處的預測結果並不理想。因為不管是WTI市場還是Brent市場，落在預測得到的正向VaR和負向VaR之間的收益率占整個預測區間所有收益率的比例均為91.92%，離95%較遠；相應的LR統計量為4.40，大於臨界值，因此應該拒絕原假設，即認為在此處採用HSAF方法預測市場VaR風險並不妥當。
圖4.24 95%的置信度下WTI市場的樣本外實際收益率與預測VaR值
圖4.25 95%的置信度下Brent市場的樣本外實際收益率與預測VaR值
4.4.3.4 WTI與Brent市場風險溢出效應檢驗
得到WTI和Brent兩個市場的收益率上漲和下跌時的VaR風險值之後，本節根據Hong（2003）提出的風險－Granger因果檢驗方法，構造相應的統計量Q1（M）和Q2（M），並通過MATLAB編程求出統計量的值及其顯著性概率，從而檢驗兩個石油市場之間的單向和雙向風險溢出效應。計算結果如表4.22所示，其中M分別取10,20和30。
表4.22 WTI與Brent市場風險溢出效應檢驗結果
從表4.22看到，一方面，在95%和99%的置信度下，不管是上漲風險還是下跌風險，WTI和Brent市場都具有顯著的雙向Granger因果關系，即兩個石油市場之間存在強烈的風險溢出效應；另一方面，為了進一步確定風險溢出的方向，我們從利用單向風險－Granger因果檢驗的統計量Q1（M）計算得到的結果看到，不管置信度是95%還是99%，不管是上漲風險還是下跌風險，都存在從WTI到Brent市場的風險溢出效應。而若Brent到WTI市場的風險溢出情況稍微復雜，在95%的置信度下，只存在收益率下跌方向的風險溢出，而收益率上漲時並不存在；在99%的置信度下，情況則相反，只存在收益率上漲方向的風險溢出，而不存在下跌方向的風險溢出效應。前者可能是由於95%的置信度下收益率上漲方向的VaR 模型不夠充分導致，而99%的置信度下VaR模型是非常充分的，因此後者更為可信。換言之，可以認為在99%的置信度下，不存在從Brent市場到WTI市場的風險溢出效應。
這表示，當市場出現利空消息從而導致油價收益率下跌時，WTI市場的風險狀況有助於預測Brent市場的風險，而反之不然。當市場出現利好消息從而導致油價收益率上漲時，兩個市場的風險的歷史信息均有助於預測彼此未來的市場風險。這對有關政府和企業的科學決策具有一定的借鑒意義。
『伍』 上市公司利潤操縱的相關實證以及對它們的分析
利用會計報表識別上市公司利潤操縱 傅繼波 （一） 利潤操縱可以定義為公司管理層違反一般會計准則人為調節利潤的行為。證券市場上的廣大投資者主要是通過上市公司披露的會計信息來評價公司經營狀況和發展潛力，並決定其資金投向的。如果上市公司的會計信息失真，特別是經過利潤操縱行為後的會計報表信息，投資者據以推測、判斷公司未來業績的水平，將變得毫無意義，投資者的利益必將受到侵害。更為嚴重的是，錯誤的信息將導致資金非合理的流動，使證券市場喪失了有效配置資源的功能。因此有效識別上市公司的利潤操縱行為，無論是對廣大投資者、注冊會計師，還是市場監管者，都有重要的意義。 上市公司利潤操縱的手法很多，往往又比較隱蔽，不了解公司實際情況的外部人員很難發現，這就是證券市場上的信息不對稱。上市公司的會計報表是廣大投資者可以直接以較低成本獲取的公開信息。所以如何從公司的會計信息來辨別公司的利潤操縱行為，就有十分重要的現實意義。 （二） 為了識別公司的利潤操縱行為，我們可以將會計報表提供的信息分成兩類：第一類反映公司操縱利潤的傾向。實證研究表明，具有某些特徵的公司容易發生利潤操縱行為。例如增長較快而規模較小的公司為了保證較高的增長率以維持其股價，往往會發生利潤操縱行為；同樣的情況也存在於那些前景堪憂的公司中。第二類信息是會計報表中與現金流有關的科目和各類應計科目。上市公司常常是通過虛增收入、虛計存貨、虛減成本等手段操縱利潤，任何利潤操縱行為必然會影響到會計報表的某些科目。這樣，就為利用會計報表來識別公司的利潤操縱行為提供了可能。綜合兩類信息，我們可以重點考慮以下幾個指標： 1、應收帳款周轉率指標。該指標等於第t年與第t－1年應收帳款周轉率之比，反映了連續兩年應收帳款和銷售收入之間是否保持相對的穩定。應收帳款周轉率的大幅下降，可能是因為公司為應付激烈的競爭而改變公司銷售信用政策來擴大銷售，也可能是公司通過虛增應收帳款增加收入。無論是哪種情況，公司操縱利潤的可能性增大。 2、毛利率指標。該指標等於第t年與第t－1年毛利率之比。如果該指標小於1，說明公司的盈利能力下降，這是公司前景不妙的一個信號。因為前景不好的公司容易發生利潤操縱，所以該指標和利潤操縱的可能性呈負相關，即指標越小於1，公司利潤操縱的可能性越大。 3、資產質量指標。資產質量是指資產給公司帶來利潤的能力，公司帳面上的有些資產能否為公司盈利並不確定，如無形資產、待攤費用等，所以往往用這些盈利能力不確定的資產占總資產的比例作為衡量資產質量的指標。如果公司將應該攤入本期的費用資本化，或推遲確認費用，以達到提高利潤的目的，那麼資產的質量就會下降。因此我們可以通過比較公司連續兩年的資產質量，來分析公司操縱利潤的可能性。 4、銷售額增長指標。該指標等於第t年與第t－1年的銷售額之比，反映了公司的成長性。銷售額的增長本身並不意味著利潤操縱，但是成長型的公司較其他公司更容易發生利潤操縱，因為這類公司的財務狀況和對資本的需求給公司的管理層施加了巨大的壓力，要求公司達到一定的利潤。當公司的增長率達不到市場的預期時，公司的股價會大幅下降，這使得這類公司有更強烈的動機操縱利潤。 5、折舊率指標。該指標是第t年與第t－1年的折舊率之比，折舊率=本期折舊／（本期折舊＋固定資產凈值）。折舊率指標小於1，說明公司折舊的速度下降了，可能是由於公司增加了固定資產的折舊年限或改變了折舊的方法以提高利潤水平，所以公司利潤操縱的可能性增大了。 6、費用率指標。該指標是第t年與第t－1年的費用率之比，費用率為公司銷售費用、管理費用和財務費用之和占銷售收入的比例。該指標大於1，說明公司的費用率上升，這是公司前景悲觀的一個信號。所以該指標和公司利潤操縱的可能性呈正相關。 7、資產負債率指標。該指標是第t年與第t－1年的資產負債率之比。一般來說，公司的資產負債率保持相對的穩定。所以如果兩年間公司資產負債率發生較大的變化，就要考慮公司是否存在利用債務合同操縱利潤的行為。 8、應計項目占總資產比例指標。應計項目的會計處理常帶有一定的隨意性，所以管理者往往通過這些科目進行利潤操縱。如果應計項目占總資產的比例變化較大，公司就有利潤操縱的嫌疑。我們可以用下面一個指標來反映應計項目占總資產的比重： （流動資產－貨幣資金－流動負債－一年內到期的長期負債－本期折舊與攤銷）＋總資產 我們很容易從公司連續兩年的會計報表中獲取上述的指標。這些指標給我們分析上市公司的利潤操縱提供了一個有益的參考。但是值得注意的是，其他非利潤操縱因素也可能會導致上述指標的波動。因此，上面的分析只是給出了公司利潤操縱的可能性，不能僅憑這些指標就斷定公司有利潤操縱的行為，還要綜合考慮公司的實際情況。總而言之，我們不但可以從會計報表中獲取上市公司的資產狀況和經營成果的信息，還可以通過分析會計報表，對其本身的准確性和可靠性做出一定的判斷。
滿意請採納
『陸』 最優投資組合的風險，收益實證分析怎麼做高人幫幫忙~~~急求~~~
實證。。。按照你的要求好像不是把。。。。
首先找幾個好點的股票（隨專機也行，挑個7-8個）
然後把每個股票的歷史屬數據找出來（不用太長時間的1年就夠了）
再算出每個股票的方差、收益率、協方差求出來，構造方差協方差矩陣
最好求解出兩個方向向量，用你希望的收益率去構造有效組合就行了
只是思路具體你慢慢做吧
『柒』 我在看一些實證論文時發現，在對上市公司進行實證分析時經常要剔除金融行業，這是為什麼
那要看看你說的論文才能知道了,
但是一般而言,金融行業尤其是銀行業跟一般行業比較版起來卻權是特殊,比如銀行的收入很多來自表外業務,因此僅僅根據三大表來分析銀行類上市公司,恐怕很難令人完全信服.
金融行業的財務報表要求和一般非金融企業的要求不一樣。原因在於金融行業商業模式有別於其他行業，因此報表結構和主要會計項目也異於一般行業。因此一般不在一起比較分析。
『捌』 有公司金融實證分析類畢業論文題目推薦嗎
你好，對格式與字數上有要求的。