论文部分内容阅读
本文以证券市场上发生过内幕信息操纵的案件为样本,并选取同时期同行业相似资产规模的没有或可能没有发生过内幕信息操纵的股票作为基准样本,通过Logistic逐步回归和均值差异检验,发现变量贝塔系数(BETA)和变量累积超常收益率(CAR)能有效地识别出内幕信息操纵的发生,并且变量BETA在识别能力上要优于变量CAR。通过Logistic和BP神经网络两个判别模型的对比分析,肯定了BP神经网络模型更优越的判别能力;同时还发现加入各自变量的交叉项后均能提高两个模型的判别率特别是对内幕信息操纵的正确判别率。