中國(guó)上市公司財(cái)務(wù)困境預(yù)警指標(biāo)研究.pdf

1、根據(jù)中國(guó)證監(jiān)會(huì)相關(guān)規(guī)定，上市公司連續(xù)兩年凈利潤(rùn)為負(fù)則對(duì)其采取一系列懲罰措施，包括公司股票漲停限制和股票代碼加注“ST”等。如何能夠在企業(yè)發(fā)生財(cái)務(wù)困境之前盡可能早地預(yù)測(cè)出這一變故，從而為實(shí)施相應(yīng)措施贏得寶貴時(shí)間一直是企業(yè)管理層、投資者和監(jiān)管者急需解決的問(wèn)題。本文結(jié)合中國(guó)上市公司實(shí)際狀況，首次使用統(tǒng)計(jì)模型與非統(tǒng)計(jì)模型（人工神經(jīng)網(wǎng)絡(luò)模型）相結(jié)合的方式構(gòu)造了一個(gè)能夠比較準(zhǔn)確地預(yù)測(cè)出企業(yè)未來(lái)是否會(huì)發(fā)生財(cái)務(wù)困境的組合預(yù)測(cè)模型。 本文首先回顧

2、了國(guó)內(nèi)外學(xué)者對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)的研究成果，在此基礎(chǔ)之上提出20個(gè)財(cái)務(wù)指標(biāo)作為構(gòu)建組合預(yù)測(cè)模型的備選指標(biāo)。為了盡可能消除對(duì)企業(yè)財(cái)務(wù)狀況反應(yīng)不夠靈敏的指標(biāo)對(duì)模型預(yù)測(cè)能力的干擾，本文采用基于雙樣本的t檢驗(yàn)法和主成份分析法對(duì)20個(gè)備選指標(biāo)逐一過(guò)濾，最后篩選出流動(dòng)比率、總資產(chǎn)報(bào)酬率、每股收益增長(zhǎng)率、主營(yíng)業(yè)務(wù)利潤(rùn)率、總資產(chǎn)周轉(zhuǎn)率、每股經(jīng)營(yíng)性現(xiàn)金流、審計(jì)意見(jiàn)類型和主營(yíng)業(yè)務(wù)收入增長(zhǎng)率等8個(gè)財(cái)務(wù)指標(biāo)用于模型構(gòu)建。 本文選取的研究樣本為2006年和

3、2007年滬深兩市所有新增加的ST公司以及它們的配對(duì)公司共計(jì)248 家公司，樣本數(shù)據(jù)為樣本公司發(fā)生ST前兩年的8 項(xiàng)財(cái)務(wù)指標(biāo)數(shù)據(jù)。構(gòu)造組合模型之前，本文首先使用Logistic和Fisher方法構(gòu)建統(tǒng)計(jì)模型對(duì)訓(xùn)練樣本公司和測(cè)試樣本公司分別預(yù)測(cè)，然后在統(tǒng)計(jì)模型預(yù)測(cè)的結(jié)果之上使用Matlab工具構(gòu)建了一個(gè)神經(jīng)網(wǎng)絡(luò)模型對(duì)統(tǒng)計(jì)模型的處理結(jié)果進(jìn)行修正。實(shí)證表明：這種基于神經(jīng)網(wǎng)絡(luò)方法的組合預(yù)測(cè)模型對(duì)上市公司財(cái)務(wù)困境的預(yù)測(cè)能夠取得比統(tǒng)計(jì)模型更加準(zhǔn)確的