全流通條件下上市公司財務(wù)危機(jī)預(yù)警模型的構(gòu)建【畢業(yè)論文+任務(wù)書+開題報告+文獻(xiàn)綜述+外文翻譯】

1、<p>　　本科畢業(yè)論文(設(shè)計)</p><p><b>　　（二零 屆）</b></p><p>　　全流通條件下上市公司財務(wù)危機(jī)預(yù)警模型的構(gòu)建</p><p>　　所在學(xué)院 </p><p>　　專業(yè)班級 會計學(xué)

2、 </p><p>　　學(xué)生姓名 學(xué)號 </p><p>　　指導(dǎo)教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　摘 要</b></p>

3、<p>　　財務(wù)危機(jī)的發(fā)生是一個逐步、漸進(jìn)的過程，因此財務(wù)危機(jī)不但具有先兆，并且是可以預(yù)測的。正確地預(yù)測企業(yè)財務(wù)危機(jī)，對保護(hù)投資者和債權(quán)人的利益，對經(jīng)營者防范財務(wù)危機(jī)，對政府部門監(jiān)管上市公司質(zhì)量和證券市場風(fēng)險，都具有十分重要的現(xiàn)實(shí)意義。隨著股權(quán)分置改革的完成，上市公司的股權(quán)結(jié)構(gòu)發(fā)生了根本性的變化，在這個全新的股權(quán)結(jié)構(gòu)基礎(chǔ)上，有必要重新考慮導(dǎo)致財務(wù)危機(jī)發(fā)生的影響因素。</p><p>　　本文通過選取滬深

4、兩市2010年首次被“ST”的30 家上市公司作為財務(wù)危機(jī)樣本組，選取與財務(wù)危機(jī)樣本組同行業(yè)、資產(chǎn)規(guī)模在10 %差異之內(nèi)的30 家非財務(wù)危機(jī)上市公司作為配對樣本組。并且以綜合反映企業(yè)的盈利能力、償債能力、營運(yùn)能力、發(fā)展能力、獲取現(xiàn)金能力和股票市值的18個財務(wù)指標(biāo)作為解釋變量，運(yùn)用因子分析法縮減因子，在此基礎(chǔ)上建立了Logistic 預(yù)警模型，根據(jù)本文實(shí)證研究所得，上市公司被ST前3年財務(wù)指標(biāo)預(yù)警模型判別精度達(dá)到90.10%。</p

5、><p>　　關(guān)鍵詞：全流通；財務(wù)危機(jī)；預(yù)警模型；實(shí)證研究</p><p><b>　　Abstract</b></p><p>　　Financial crises are a progressive, gradual process, so the financial crisis not only has aura, and is predi

6、ctable. Predicting financial crisis correctly could protect investors and creditors' interests, for the operator preventing financial crisis, and the government department supervising the quality of listed companies

7、 and securities market risk, having very important practical significance. With the completion of share-trading reform of listed companies, equity structure has changed ultimat</p><p>　　This article through

8、selecting Shenzhen and Shanghai two stock exchange area 2010 was "ST" 30 listed companies as a financial crisis sample group, selecting the same area and asset scale in 10 % differences within 30 non financial

9、crisis listed companies as matched sample group. Also, with comprehensive reflection of enterprise's profit ability, solvency, operation ability, development, ability to obtain cash ability and shares 18 financial in

10、dex as repressors, using the factor analysis method, </p><p>　　Keywords: The full circulation; financial crisis; early warning model; Empirical study </p><p><b>　　目 錄</b></p>

11、<p><b>　　1 研究概述1</b></p><p>　　1.1 研究背景與意義1</p><p>　　1.2 研究內(nèi)容3</p><p>　　1.3 研究方法4</p><p>　　2 財務(wù)危機(jī)的定義與成因5</p><p>　　2.1 財務(wù)危機(jī)的定義5</p

12、><p>　　2.2 財務(wù)危機(jī)的成因6</p><p>　　3 研究設(shè)計和預(yù)警指標(biāo)7</p><p>　　3.1 研究設(shè)計7</p><p>　　3.2 樣本選取8</p><p>　　3.3 研究變量9</p><p><b>　　4 實(shí)證研究11</b><

13、/p><p>　　4.1 數(shù)據(jù)處理11</p><p>　　4.2 因子分析11</p><p>　　4.2.1 因子分析的原理及優(yōu)勢11</p><p>　　4.2.2 因子提取11</p><p>　　4.2.3 因子表達(dá)式14</p><p>　　4.2.4 因子解釋15</

14、p><p>　　4.3運(yùn)用Logistic建立預(yù)警模型17</p><p>　　4.3.1 Logistic模型概述17</p><p>　　4.3.2 Logistic模型構(gòu)建17</p><p><b>　　結(jié) 論21</b></p><p><b>　　參考文獻(xiàn)23<

15、/b></p><p>　　隨著國有企業(yè)改革的深入，以產(chǎn)權(quán)明晰，國有股減持為主導(dǎo)的改革方向?qū)ξ覈鲜泄竟蓹?quán)結(jié)構(gòu)產(chǎn)生了根本性的影響。始于2005年5月證券市場的股權(quán)分置改革，使得上市公司股權(quán)結(jié)構(gòu)發(fā)生了根本性的變化。在這個全新的股權(quán)結(jié)構(gòu)基礎(chǔ)上，有必要重新考慮導(dǎo)致財務(wù)危機(jī)發(fā)生的影響因素。</p><p>　　財務(wù)危機(jī)，又稱財務(wù)困境，是指企業(yè)喪失償還到期債務(wù)的能力。企業(yè)陷入財務(wù)危機(jī)對企業(yè)的

16、持續(xù)經(jīng)營帶來嚴(yán)重的影響，企業(yè)需要在危機(jī)發(fā)生前對危機(jī)進(jìn)行預(yù)測、監(jiān)測。目前，多數(shù)學(xué)者對財務(wù)危機(jī)預(yù)警模型的研究都是在非全流通的條件下，建立預(yù)警模型，對上市公司的財務(wù)狀況進(jìn)行監(jiān)控。而本文，是在全流通條件下，股權(quán)的流通性增強(qiáng)，在新的狀況下對上市公司財務(wù)危機(jī)預(yù)警模型進(jìn)行研究，通過模型計算提前獲得財務(wù)狀況惡化的預(yù)警信號，對于投資者、債權(quán)人、經(jīng)營者以及監(jiān)管者等諸多方面無疑都具有重要的現(xiàn)實(shí)意義。</p><p><b>

17、　　1 研究概述</b></p><p>　　1.1 研究背景與意義</p><p>　　從2005年開始的股權(quán)分置改革，把非流通股和流通股權(quán)分置的證券市場改造成全流通的證券市場，這是證券市場根本性的制度變革。通過這幾年的不斷努力，股權(quán)分置改革已接近尾聲，同時也取得了巨大成功，對我國經(jīng)濟(jì)體制和市場運(yùn)行產(chǎn)生了重大影響。</p><p>　　2006年12月

18、30日的統(tǒng)計數(shù)字顯示，滬深兩市共有1301家上市公司已經(jīng)完成股改或進(jìn)入股改程序，股改總市值達(dá)到97.85%。滬市股改市值占比為97.86%，深市股改市值占比為96.76%。滬深兩市應(yīng)股改而未股改公司分別剩18家和22家。同年我國上市公司平均凈資產(chǎn)收益率達(dá)到了11.12%，比2005年增加了2.54%，從而帶來公司治理機(jī)制的重大變化。</p><p>　　在這樣新的條件下，股權(quán)分置改革，不僅改變了上市公司股權(quán)結(jié)構(gòu)的

19、分布，還徹底改變股權(quán)結(jié)構(gòu)中同股不同價，同股不同權(quán)的深層次問題，股權(quán)的流通性增強(qiáng)，股權(quán)結(jié)構(gòu)的變化也導(dǎo)致了各公司治理層的變化，上市公司盈利能力、營運(yùn)能力、償債能力、發(fā)展能力等也都隨之發(fā)生了很大變化。因此，需要在新的條件下探討上市公司財務(wù)危機(jī)的預(yù)測問題，無論是對于上市公司自身，還是對投資者、債權(quán)人都具有十分重要的意義。本文也正是基于這樣的思想，利用統(tǒng)計學(xué)方法，建立上市公司財務(wù)危機(jī)預(yù)警模型，對我國的上市公司財務(wù)狀況進(jìn)行預(yù)警。</p>

20、<p>　　國外關(guān)于財務(wù)危機(jī)預(yù)警研究影響最廣泛的是威廉·比弗（Willian Beaver）的單一變量模型和阿爾特曼（Edward I .Altman）的“Z-Score”模型。比弗通過對1945年—1964年間79家失敗企業(yè)和對應(yīng)的79家成功企業(yè)的比較研究表明，下列財務(wù)比率對預(yù)測財務(wù)失敗是最有效的：現(xiàn)金流量/債務(wù)總額，凈收益/資產(chǎn)總額（資產(chǎn)收益率），債務(wù)總額/資產(chǎn)總額（資產(chǎn)負(fù)債率）。在國內(nèi)，學(xué)者周首華等（199

21、6）對阿爾特曼的“Z -score”模型進(jìn)行了一定的拓展，建立了“F分?jǐn)?shù)模式”，F(xiàn)分?jǐn)?shù)模式的臨界值是0.0274，此數(shù)值上下0.0775為所謂的不確定區(qū)域，F(xiàn)分?jǐn)?shù)越小，則公司發(fā)生財務(wù)危機(jī)的可能性越大。王琳（2008）根據(jù)2002年至2005年55家樣本企業(yè)財務(wù)資料，分別進(jìn)行了單變量和多變量分析，得出結(jié)論是在宣布前一年預(yù)警模型的成功率較高，離宣布日越遠(yuǎn)，則成功率越低。對于財務(wù)危機(jī)預(yù)警模型的研究還有很多，但是，正如前文所說，現(xiàn)改革已接近尾聲

22、，在全流通條件下，上市公司的財務(wù)狀況等發(fā)生了變化，本文搜集最新的數(shù)據(jù)，對財務(wù)危機(jī)預(yù)警模型進(jìn)行進(jìn)一步的研究是很有必要的。</p><p>　　此外，與以前的研究不同的是，本文還將引入“股票總市值/負(fù)債總額”這個指標(biāo)。在全流通模式下，上市公司市值成為折射公司實(shí)力、反映公司價值、決定公司融資效率、影響公司股權(quán)支付能力和行業(yè)整合能力的重要因素，成為股東考核上市公司經(jīng)營業(yè)績的重要政策取向。在后股權(quán)分置時代，對上市公司的價值

23、評價方式勢必發(fā)生根本性轉(zhuǎn)變，以市值取代凈資產(chǎn)是考核上市公司的必然選擇?？傊魍ㄊ沟梅橇魍ü蛇M(jìn)入證券市場交易流通，上市公司的市值表現(xiàn)與大股東經(jīng)濟(jì)利益緊密相連，企業(yè)價值最大化將成為上市公司財務(wù)管理的目標(biāo)。股權(quán)分置改革解決了各類股東之間的利益沖突，實(shí)現(xiàn)了同股同權(quán)，實(shí)現(xiàn)了各類股東共同的利益基礎(chǔ)，從而理順了上市公司治理結(jié)構(gòu)的基礎(chǔ)，激活了公司控制權(quán)市場，誘發(fā)財務(wù)管理目標(biāo)從控股股東利益最大化轉(zhuǎn)變?yōu)槠髽I(yè)價值最大化，要求公司管理層在確保公司持續(xù)性價值

24、創(chuàng)造、承擔(dān)社會責(zé)任的前提下，為全體股東實(shí)現(xiàn)財富最大化。因此，在全流通這一新的市場模式下，總市值的概念有了真實(shí)的基礎(chǔ)，將股票市值因素引入我們的財務(wù)預(yù)警模型是有意義的，這也是本文的研究目的所在和意義所在。</p><p>　　在全流通條件下，資本市場的創(chuàng)新力度進(jìn)一步加大，多種金融工具被引進(jìn)市場，加大了交易風(fēng)險。在嚴(yán)酷的生存與發(fā)展競爭中，效率、創(chuàng)新能力、管理能力等方面處于劣勢地位的企業(yè)必將被淘汰出局。市場正是通過這種機(jī)

25、制淘汰劣勢企業(yè)，優(yōu)化社會資源配置，促進(jìn)經(jīng)濟(jì)健康發(fā)展。</p><p>　　本文的研究意義主要體現(xiàn)在保護(hù)投資者利益、有利于上市公司管理層進(jìn)行決策、有利于證監(jiān)部門做好監(jiān)管工作這三個方面。</p><p>　　（1）從保護(hù)投資者利益出發(fā)，財務(wù)危機(jī)預(yù)警模型可以為投資者在進(jìn)行投資決策時，提供有效的事前信息，提供給投資者更多的預(yù)測性，反映上市公司真實(shí)價值，以使投資者能較早地得到公司陷入危機(jī)的警告，及早

26、做出出售股票的決策，規(guī)避風(fēng)險。</p><p>　?。?）有利于上市公司管理層防患于未然。建立起上市公司的財務(wù)危機(jī)預(yù)警系統(tǒng)，有助于管理層及時發(fā)現(xiàn)公司財務(wù)經(jīng)營狀況的惡化，以及是何種原因使得公司的財務(wù)狀況出現(xiàn)惡化，從而能夠及時地、有針對性地調(diào)整公司的經(jīng)營方針，扭轉(zhuǎn)公司經(jīng)營狀況惡化的勢頭，防患于未然。</p><p>　?。?）有利于證券監(jiān)管部門更好地推進(jìn)監(jiān)管工作。為了提示不同程度的財務(wù)危機(jī)風(fēng)險

27、，證券監(jiān)管部門制定了一系列制度，如對連續(xù)虧損兩年的上市公司實(shí)行ST制度等等，這些制度所約束的條件都是以上市公司虧損程度為基礎(chǔ)的。通過能夠有效反映上市公司財務(wù)危機(jī)的財務(wù)指標(biāo)，預(yù)警系統(tǒng)能從財務(wù)指標(biāo)的變化中判斷出上市公司未來發(fā)生財務(wù)危機(jī)的概率，從而加強(qiáng)事前監(jiān)管。</p><p>　　因此，及早地發(fā)現(xiàn)財務(wù)危機(jī)，使經(jīng)營者能夠在財務(wù)危機(jī)出現(xiàn)的萌芽階段，采取有效措施改善企業(yè)經(jīng)營，防范財務(wù)危機(jī)。本文正是出于這一動機(jī)，利用最新的財

28、務(wù)數(shù)據(jù)構(gòu)建財務(wù)危機(jī)預(yù)警模型，并且利用模型的預(yù)警功能為上市公司的財務(wù)狀況進(jìn)行監(jiān)控，以達(dá)到減少或降低財務(wù)危機(jī)發(fā)生的可能性。</p><p><b>　　1.2 研究內(nèi)容</b></p><p>　　目前，我國企業(yè)的財務(wù)危機(jī)預(yù)警研究都是在非全流通條件下的，股權(quán)分置改革后，形成了全流通這一新的市場模式，還有許多問題需要進(jìn)行進(jìn)一步的探討。本文在借鑒現(xiàn)有研究成果的基礎(chǔ)上，采用以定

29、量指標(biāo)分析為主，定性指標(biāo)分析為輔，理論分析與實(shí)證研究相結(jié)合的研究方法，從我國上市公司財務(wù)數(shù)據(jù)特征的研究入手，運(yùn)用統(tǒng)計學(xué)中的因子分析法和Logistic回歸，利用研究樣本的財務(wù)數(shù)據(jù)構(gòu)建了上市公司的財務(wù)預(yù)警模型。</p><p>　　本文研究的主要內(nèi)容有：</p><p>　?。?）簡要介紹財務(wù)危機(jī)的定義及研究現(xiàn)狀，較系統(tǒng)地分析上市公司財務(wù)危機(jī)的成因。</p><p>

30、　　（2）介紹本文的研究方法，采用因子分析法進(jìn)行分析，采用多元Logistic回歸模型進(jìn)行財務(wù)危機(jī)預(yù)警研究。</p><p>　?。?）選擇合適的研究樣本和研究變量，并對變量進(jìn)行篩選和處理，為后面</p><p>　　建立預(yù)警模型做好準(zhǔn)備。</p><p>　?。?）建立合適的預(yù)警模型，對上市公司發(fā)生財務(wù)危機(jī)的概率進(jìn)行判斷。</p><p>

31、<b>　　1.3 研究方法</b></p><p>　　對于本文的研究，可以采用單變量分析法、多元判別分析、人工神經(jīng)網(wǎng)絡(luò)、因子分析等等。單變量分析法割裂了各個財務(wù)分析指標(biāo)之間的內(nèi)在整體聯(lián)系，在實(shí)際應(yīng)用中有很大的局限性，并預(yù)警的準(zhǔn)確性較差。多元判別分析模型是根據(jù)特定樣本建立起來的判別模型，因而根據(jù)一個地區(qū)（或時期）樣本企業(yè)建立的判別分析模型可能無法有效地對另一個地區(qū)（或時期）的企業(yè)進(jìn)行預(yù)測。

32、此外，多元判別分析模型的有用性差，實(shí)際應(yīng)用較少。人工神經(jīng)網(wǎng)絡(luò)法適用范圍較廣，對自變量沒有嚴(yán)格的假設(shè)條件，但同時學(xué)習(xí)速度慢、容錯能力差、所需要的數(shù)據(jù)準(zhǔn)備量很大，不適合我們應(yīng)用。</p><p>　　因此，本文將采用因子分析法對財務(wù)危機(jī)預(yù)警指標(biāo)進(jìn)行提取，最終確定研究變量和財務(wù)指標(biāo)。因子分析法最大優(yōu)勢在于各綜合因子的權(quán)重不是主觀賦值而是根據(jù)各自的方差貢獻(xiàn)率大小來確定的，方差越大的變量越重要，從而具有較大的權(quán)重；相反，方

33、差越小的變量所對應(yīng)的權(quán)重也就越小。這就避免了人為確定權(quán)重的隨意性，使得評價結(jié)果唯一，而且較為客觀合理。此外，因子分析的整個過程都可以運(yùn)用計算機(jī)軟件方便快捷地進(jìn)行，可操作性強(qiáng)。因此，與其他方法相比，因子分析法是一種科學(xué)、實(shí)用、簡便的綜合評價方法。</p><p>　　因子分析是首先對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，求出指標(biāo)變量的相關(guān)矩陣R，再根據(jù)相關(guān)矩陣R解出特征值和特征向量，然后進(jìn)行方差最大化旋轉(zhuǎn)使因子之間盡量不相關(guān)，根據(jù)不

34、同因子得分求出原始樣本組樣本個體的綜合因子得分。我們也可以這樣理解，因子分析是從研究相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把眾多關(guān)系復(fù)雜的觀測變量進(jìn)行結(jié)構(gòu)化處理，并最終歸結(jié)為少數(shù)幾個主因子（不相關(guān)）的高效統(tǒng)計分析方法。其基本思想是根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，不同組的變量之間相關(guān)性較低，每組變量代表一個基本結(jié)構(gòu)。這個基本結(jié)構(gòu)稱為公共因子或主因子。</p><p>　　由于各財務(wù)指標(biāo)之間存在著較多

35、的相關(guān)關(guān)系，信息重復(fù)較多，直接用它們分析現(xiàn)實(shí)問題，不但模型復(fù)雜，而且還會因?yàn)槎嘀毓簿€性問題而引起極大的誤差。因此，本文采用因子分析法，利用因子分析使變量簡化降維，用少數(shù)因子代替所有變量去分析整個問題。</p><p>　　2 財務(wù)危機(jī)的定義與成因</p><p>　　2.1 財務(wù)危機(jī)的定義</p><p>　　財務(wù)危機(jī)又稱財務(wù)困境或財務(wù)問題，最嚴(yán)重的財務(wù)危機(jī)是財務(wù)失

36、敗或破產(chǎn)。企業(yè)因財務(wù)危機(jī)導(dǎo)致破產(chǎn)實(shí)際上是一種違約行為，所以財務(wù)危機(jī)又可稱為“違約風(fēng)險”。無論在理論上還是實(shí)踐中，對財務(wù)危機(jī)的定義都是一個有爭議的問題，國內(nèi)外學(xué)術(shù)界有許多不同的定義。下面是幾個典型的觀點(diǎn)：</p><p>　?。?）威廉·比弗（William·Beaver，1966）認(rèn)為陷入財務(wù)危機(jī)的企業(yè)具有破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)等特征。</p><p>　?。?

37、）奧特曼（Altman，1968）認(rèn)為進(jìn)入法定破產(chǎn)的企業(yè)是財務(wù)危機(jī)企業(yè)。</p><p>　　（3）《中國注冊會計師獨(dú)立審計具體準(zhǔn)則》第17號《持續(xù)經(jīng)營》第八條，列示了上市公司財務(wù)危機(jī)的跡象，包括：資不抵債；營運(yùn)資金出現(xiàn)負(fù)數(shù)；無法償還到期債務(wù)；無法償還即將到期且難以展期的借款；過度依賴短期借款籌資等等。</p><p>　?。?）我國學(xué)者陳曉、陳治鴻（2000）認(rèn)為上市公司中被宣布特別處理

38、的公司（ST公司）為財務(wù)危機(jī)上市公司。張鳴、張艷（2001）等人也認(rèn)同這種觀點(diǎn)。</p><p>　　可見，理論界較為公認(rèn)的是把財務(wù)危機(jī)定義為企業(yè)償付能力的喪失，即喪失償還到期債務(wù)的能力。企業(yè)償付能力的喪失可以從存量和流量兩個角度來度量。從存量的角度，喪失償付能力是指企業(yè)的資產(chǎn)價值低于負(fù)債價值，從而凈資產(chǎn)是負(fù)值，資不抵債；從流量的角度，喪失償付能力是指企業(yè)缺乏償還當(dāng)前到期債務(wù)的現(xiàn)金流。</p>&l

39、t;p>　　對于財務(wù)危機(jī)，通常公認(rèn)有兩種確定的方法：一是法律對企業(yè)破產(chǎn)的定義，企業(yè)破產(chǎn)是用來衡量企業(yè)財務(wù)危機(jī)最常用的標(biāo)準(zhǔn)，也是最準(zhǔn)確和最極端的標(biāo)準(zhǔn)；二是以證券交易所對持續(xù)虧損、有重大潛在損失或者股價持續(xù)低于一定水平的上市公司給予特別處理或退市作為標(biāo)準(zhǔn)。</p><p>　　本文也認(rèn)同第二種觀點(diǎn)，即財務(wù)危機(jī)是以證券交易所對持續(xù)虧損、有重大潛在損失或者股價持續(xù)低于一定水平的上市公司給予特別處理或退市作為標(biāo)準(zhǔn)。破

40、產(chǎn)是一種法律行為，除了受經(jīng)濟(jì)因素影響外，還受政治和其他非市場因素影響。另外，陷入財務(wù)危機(jī)與企業(yè)是否破產(chǎn)并無確定的一一對應(yīng)關(guān)系，在我國這一情況尤為突出。財務(wù)危機(jī)是導(dǎo)致企業(yè)生存危機(jī)的重要因素。因此，需要針對可能造成財務(wù)危機(jī)的因素，采取監(jiān)測和預(yù)防措施，及早防范財務(wù)風(fēng)險，控制財務(wù)危機(jī)。</p><p>　　2.2 財務(wù)危機(jī)的成因</p><p>　　近年來，國有企業(yè)改制力度在加大，不少大中型企業(yè)也

41、進(jìn)入破產(chǎn)行列，與此同時陷入財務(wù)危機(jī)的公司數(shù)量也在急劇上升。財務(wù)危機(jī)嚴(yán)重影響企業(yè)的生產(chǎn)經(jīng)營狀況，以及上市公司持續(xù)、穩(wěn)定、健康的發(fā)展。</p><p>　　從各個角度考慮，形成財務(wù)危機(jī)的原因有：</p><p>　?。?）內(nèi)部財務(wù)關(guān)系混亂。企業(yè)與內(nèi)部各部門之間及企業(yè)與上級企業(yè)之間，在資金管理及使用，利益分配等方面存在權(quán)責(zé)不明，管理混亂的現(xiàn)象，造成資金使用效率低下，資金流失嚴(yán)重，資金的安全性，完

42、整性無法得到保證。</p><p>　?。?）過度負(fù)債。適度負(fù)債，企業(yè)可以獲取財務(wù)標(biāo)桿利益，但過度負(fù)債則會使企業(yè)的支付能力變得極為脆弱，甚至發(fā)生支付危機(jī)。偏高的負(fù)債一方面會弱化企業(yè)的支付能力，蘊(yùn)含著財務(wù)危機(jī)；另一方面，一旦信用鏈條上某一環(huán)節(jié)出現(xiàn)故障，或?qū)嶋H現(xiàn)金流量比預(yù)期凈流量相差較大，影響即期債務(wù)償付，必然會出現(xiàn)財務(wù)危機(jī)。</p><p>　?。?）效益下滑。收益率是衡量一個企業(yè)經(jīng)營狀況，

43、發(fā)展?jié)摿挖呄虻木C合指標(biāo)，如果效益急劇滑坡，表明企業(yè)經(jīng)營不善，或無投資回報，這樣必然影響投資者的信心。如果投資者產(chǎn)生不信任態(tài)度，就會嚴(yán)重影響企業(yè)吸納資金的能力，融資能力銳減，也就必然影響支付能力。</p><p>　　（4）主營業(yè)務(wù)不明，追求外延擴(kuò)張。企業(yè)為了防范和化解經(jīng)營風(fēng)險，往往開展多元化經(jīng)營，不斷開拓新市場，培育新的經(jīng)濟(jì)增長點(diǎn)。然而多元化經(jīng)營并不意味著以主導(dǎo)產(chǎn)品為中心。有的企業(yè)表面上看是多元化經(jīng)營，注重外延

44、性擴(kuò)張，實(shí)際上并無突出主營業(yè)務(wù)，沒有企業(yè)特色形象，不能形成資金的合力，投資分散，機(jī)會成本增大，往往出現(xiàn)市場占有率下降的情況。這種情況勢必導(dǎo)致企業(yè)現(xiàn)金流入量減少，支付能力弱化，最終難逃財務(wù)危機(jī)的厄運(yùn)。</p><p>　　（5）重復(fù)建設(shè)，惡性競爭。企業(yè)為了做大，常常不計成本，不擇手段進(jìn)行融資，不顧風(fēng)險盲目擴(kuò)大規(guī)模。例如家電業(yè)，有關(guān)數(shù)據(jù)表明，有些產(chǎn)品需求已趨飽和，但各大廠商仍在加大生產(chǎn)，展開一輪又一輪降價大戰(zhàn)，使企業(yè)

45、融資成本，銷售成本升高而收益減少，有的甚至收不抵支，現(xiàn)金流量銳減。長此以往，財務(wù)危機(jī)的爆發(fā)是必然的結(jié)果。</p><p>　?。?）受關(guān)聯(lián)企業(yè)倒閉的牽連。目前，由于企業(yè)經(jīng)營方式中賒銷業(yè)務(wù)的大量存在，企業(yè)間相互形成了密切的債權(quán)債務(wù)關(guān)系，有的企業(yè)之間甚至形成了“三角債”關(guān)系。因此，一旦關(guān)聯(lián)企業(yè)倒閉，必然產(chǎn)生一系列的財務(wù)危機(jī)。</p><p>　　3 研究設(shè)計和預(yù)警指標(biāo)</p>&

46、lt;p><b>　　3.1 研究設(shè)計</b></p><p>　　本文采用多元Logistic回歸模型進(jìn)行研究，進(jìn)而判斷上市公司發(fā)生財務(wù)危機(jī)的概率。選用Logistic回歸模型是基于以下原因：</p><p>　?。?）Logistic回歸對于變量的分布沒有具體要求，適用范圍更廣，而判別分析則要求變量服從多元正態(tài)分布，這在現(xiàn)實(shí)中一般達(dá)不到。</p>

47、<p>　?。?）Logistic回歸建立好模型后，具體公司代入模型得到的是一個概率值，給人直觀明了的感覺，在實(shí)際運(yùn)用中非常簡單、方便。</p><p>　　Logistic模型將問題轉(zhuǎn)化為根據(jù)公司的財務(wù)狀況，計算其在一定時間內(nèi)陷入財務(wù)危機(jī)的概率。如果此概率大于某一設(shè)定值，則判斷該公司將陷入財務(wù)危機(jī)。由于多元Logistic回歸不要求數(shù)據(jù)的正態(tài)分布，因而它比多元判別分析更加穩(wěn)健，也比BP神經(jīng)網(wǎng)絡(luò)容易

48、掌握，一般不需要很長的訓(xùn)練時間。</p><p>　　Logistic回歸模型是對二分類因變量進(jìn)行回歸分析時最普遍使用的多元統(tǒng)計方法。它根據(jù)樣本數(shù)據(jù)使用最大似然估計法估計出個參數(shù)值，經(jīng)過一定的數(shù)學(xué)推導(dǎo)運(yùn)算，可求得響應(yīng)變量取某個值的概率。</p><p>　　Logistic模型的數(shù)學(xué)表達(dá)式為：</p><p><b>　　可等價地表示為：</b>

49、;</p><p>　　在這里，表示某一事件發(fā)生的次數(shù)，表示發(fā)生，表示不發(fā)生，表示事件發(fā)生的概率。為待估參數(shù)，為自變量。</p><p>　　和其它多元回歸方法一樣，Logistic回歸模型也對多重共線性敏感。當(dāng)變量的相關(guān)程度較高時，樣本的較小變化，將會帶來系數(shù)估計的較大變化，從而降低模型的效果。而各項財務(wù)指標(biāo)都是相互聯(lián)系的，它們之間的相關(guān)程度往往較高。為了克服多重共線性的影響，一個簡單的

50、辦法是從模型中刪除某些變量，但這樣又會損失較多的財務(wù)信息。為此，本文先對財務(wù)指標(biāo)進(jìn)行因子分析，然后根據(jù)一定的貢獻(xiàn)率選出若干因子變量進(jìn)行Logistic回歸。</p><p><b>　　3.2 樣本選取</b></p><p>　　本研究在樣本選擇方面具有樣本新、針對性強(qiáng)等特點(diǎn)，所選定的樣本為中國證券市場深市和滬市的ST公司2007年至2009年的歷史數(shù)據(jù)。在這里之所

51、以將特別處理（ST）作為深滬市證券交易所上市公司陷入財務(wù)危機(jī)的標(biāo)志，是基于以下考慮：</p><p>　?。?）ST公司事實(shí)上面臨著嚴(yán)重的財務(wù)危機(jī)，有的甚至已經(jīng)資不抵債，實(shí)質(zhì)上已經(jīng)處于破產(chǎn)狀態(tài)。</p><p>　?。?）從中國證監(jiān)會對ST公司進(jìn)行特別處理的具體運(yùn)作過程來看，深滬兩個證券交易所是根據(jù)上市公司（t-1）年的財務(wù)狀況來決定在第t年是否對該公司實(shí)施特別處理，如果能夠獲得某上市公司

52、（t-1）年的財務(wù)報告，那么就可以確定該公司是否會因“財務(wù)狀況異?！倍惶貏e處理，預(yù)警就失去了應(yīng)用價值。因此，不能選取上市公司被特別處理前1年的財務(wù)指標(biāo)來構(gòu)建財務(wù)預(yù)警模型。</p><p>　?。?）從中國證監(jiān)會對ST公司進(jìn)行特別處理的判別標(biāo)準(zhǔn)來看，“ 連續(xù)兩年虧損”是上市公司被特別處理的前2年已發(fā)生了虧損，Ohlson（1980年）曾經(jīng)指出，如果采用失敗過程的財務(wù)信息來預(yù)測失敗，那么會高估預(yù)警模型的預(yù)警能力。因

53、此，上市公司被特別處理前2年的財務(wù)指標(biāo)也同樣不適合用來構(gòu)建財務(wù)預(yù)警模型。</p><p>　　所以，真正有意義的財務(wù)危機(jī)預(yù)警分析是根據(jù)（t-3）年的年度財務(wù)數(shù)據(jù)來預(yù)測在第t年是否成為ST公司。</p><p>　　另一方面，在現(xiàn)實(shí)經(jīng)濟(jì)生活中，經(jīng)營業(yè)績好的公司在下一年度突然成為財務(wù)失敗公司的概率是極小的，因此，財務(wù)危機(jī)預(yù)警的根本目的是從經(jīng)營業(yè)績較差的上市公司中來預(yù)測未來會發(fā)生財務(wù)危機(jī)的公司。

54、</p><p>　　基于上述分析，可根據(jù)以下標(biāo)準(zhǔn)選擇研究樣本：</p><p>　?。?）財務(wù)危機(jī)公司（ST公司）：該類上市公司在t年由于“財務(wù)狀況異?！倍惶貏e處理，且可以獲得（t-3）年的財務(wù)報表數(shù)據(jù)。</p><p>　　（2）正常公司（非ST 公司）：該類上市公司在（t-3）年1月1日前上市，且可以得到（t-3）年的財務(wù)報表數(shù)據(jù)。</p>&

55、lt;p>　?。?）為了剔除不同年份、行業(yè)和資產(chǎn)規(guī)模等因素對財務(wù)危機(jī)預(yù)測的影響，選擇的上述兩類樣本公司行業(yè)類型應(yīng)相同或相近、總資產(chǎn)規(guī)模應(yīng)相當(dāng)。</p><p>　　根據(jù)上述標(biāo)準(zhǔn)，本文選擇了中國證券市場深市和滬市30家公司作為研究樣本（見表1），按照行業(yè)相同、資產(chǎn)規(guī)模相似等以上原則進(jìn)行配對，找到對應(yīng)的30家非ST公司作為參照樣本，以確保兩組樣本之間的相互可比性。</p><p>　　表

56、1 財務(wù)危機(jī)預(yù)警研究樣本</p><p>　　資料來源：巨潮資訊網(wǎng)、上海證券交易所、證券之星數(shù)據(jù)中心等。</p><p><b>　　3.3 研究變量</b></p><p>　　考慮到企業(yè)財務(wù)危機(jī)的直接原因和根本原因以及財務(wù)指標(biāo)之間的相關(guān)性，在總結(jié)前人研究成果的基礎(chǔ)上，且根據(jù)我國上市公司的特點(diǎn)，本文從償債能力、營運(yùn)能力、盈利能力、發(fā)展能力、現(xiàn)

57、金流量、股票市值等6個方面選擇了18個財務(wù)指標(biāo)作為構(gòu)建財務(wù)危機(jī)預(yù)警模型的預(yù)選指標(biāo)(見表2)。</p><p>　　表2 上市公司財務(wù)危機(jī)預(yù)警指標(biāo)</p><p><b>　　續(xù)表</b></p><p>　　資料來源：巨潮資訊網(wǎng)、上海證券交易所、證券之星數(shù)據(jù)中心等。</p><p>　　表2所示的基礎(chǔ)指標(biāo)體系，是進(jìn)行指標(biāo)

58、篩選的基礎(chǔ)。但是，現(xiàn)在還不能說明財務(wù)危機(jī)型企業(yè)與健康型企業(yè)在這些指標(biāo)上存在著重大差異。</p><p>　　我們應(yīng)該選出對ST公司和非ST公司區(qū)分能力最強(qiáng)的指標(biāo)變量，并且這些變量之間盡量互不相關(guān)。但由于我們所選取的財務(wù)指標(biāo)個數(shù)（變量）比較多，并且這些財務(wù)指標(biāo)之間存在著一定的相關(guān)性，因而使得選取的樣本數(shù)據(jù)在一定程度上所反映的信息有所重疊。另外，當(dāng)變量較多時，在高維空間研究樣本的分布規(guī)律比較復(fù)雜，勢必增加分析問題的復(fù)

59、雜性。解決這個問題的辦法是我們選用較少的綜合變量來代替原來較多的變量，而這幾個綜合變量又能夠盡可能多的反映原來變量的信息，并且彼此之間互不相關(guān)，以上我們介紹的因子分析可以幫助我們解決這個問題。</p><p><b>　　4 實(shí)證研究</b></p><p><b>　　4.1 數(shù)據(jù)處理</b></p><p>　　由于各

60、財務(wù)指標(biāo)之間存在著較多的相關(guān)關(guān)系，信息重復(fù)較多，直接用它們分析現(xiàn)實(shí)問題，不但模型復(fù)雜，而且還會因?yàn)槎嘀毓簿€性問題而引起極大的誤差。</p><p>　　因此，我們運(yùn)用SPSS軟件（SPSS13.0 For Windows）對樣本中的60家公司（t-3）年的18個財務(wù)指標(biāo)進(jìn)行因子分析，使變量簡化降維，用少數(shù)因子代替所有變量去分析整個問題。</p><p>　　但是，由于所選的財務(wù)指標(biāo)數(shù)據(jù)具有

61、不同的單位（如有的是比率，有的是次數(shù)或者倍數(shù)）因此在進(jìn)行數(shù)理統(tǒng)計之前，往往需要進(jìn)行處理，使數(shù)據(jù)在平等的條件下進(jìn)行分析，故首先應(yīng)該對所選去的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。</p><p><b>　　4.2 因子分析</b></p><p>　　4.2.1 因子分析的原理及優(yōu)勢</p><p>　　因子分析由Hotelling于1933年首先提出的，其主要思想

62、是：通過對原始指標(biāo)（本文為財務(wù)指標(biāo)）相關(guān)矩陣內(nèi)部結(jié)構(gòu)關(guān)系的研究，找出影響某一因素（本文為公司的財務(wù)狀況）的幾個綜合指標(biāo)（主成分），使綜合指標(biāo)為原始指標(biāo)的線性組合，綜合指標(biāo)不僅保留了原始指標(biāo)的主要信息，彼此又完全不相關(guān)，同時比原始指標(biāo)具有某些更優(yōu)越的性質(zhì)，使得我們在研究復(fù)雜的經(jīng)濟(jì)問題時能夠容易抓住主要因素。</p><p>　　因子分析著重在于如何轉(zhuǎn)換原始變量，使之成為一些互相獨(dú)立的線性組合變量，而且經(jīng)由線性組合而

63、得的主成分仍保有原變量最多的信息。因子分析的作用主要有：概述變量間的關(guān)系；可將原來變量轉(zhuǎn)換成新的沒有相關(guān)的變量；可用來簡化多變量數(shù)據(jù)的維度，即降低變量個數(shù)，但保留主要信息；可解決回歸分析、多元判別分析中的多重共線性問題；可用來做一組變量的綜合指標(biāo)。</p><p>　　4.2.2 因子提取</p><p>　　由于財務(wù)指標(biāo)之間相關(guān)性較強(qiáng)，存在多重共線性。為消除多重共線性的影響，保證模型的穩(wěn)

64、健性，對上述18個解釋變量進(jìn)行因子分析，提取公共因子。</p><p>　?。?）計算KMO值和Bartlett檢驗(yàn)值，如表3。KMO是Kaiser-Meyer-Olin所提出的取樣適當(dāng)性量數(shù)，當(dāng)KMO值愈大時，表示變量間的共同因素愈多，愈適合進(jìn)行因子分析，根據(jù)專家Kaiser（1974）觀點(diǎn)，如果KMO的值小于0.5時，不宜進(jìn)行因子分析，此處的KMO值為0.63，表示適合因子分析。</p><

65、;p>　　表3 巴特利特球度檢驗(yàn)和KMO檢驗(yàn)</p><p>　　此外，樣本分布的球形Bartlett's卡方檢驗(yàn)值為1044.27，顯著性為0.000，代表母群體的相關(guān)矩陣間有共同因素存在，適合進(jìn)行因子分析</p><p>　?。?）提取因子，如表4所示。我們?nèi)±鄯e貢獻(xiàn)率為82.959%，則主成分因子個數(shù)為7，即用7個綜合因子來代替原來的18個解釋變量，這7個綜合因子包含原

66、來解釋變量信息的82.959%。</p><p>　　表4 主成分特征值與貢獻(xiàn)率</p><p>　　因子分析是以最少的信息損失，將眾多的原始變量濃縮成為少數(shù)幾個因子變量，使得變量具有更高的可解釋性的一種多元統(tǒng)計方法。因子變量并非原始變量的簡單取舍，而是通過新的綜合找到幾個概念上有意義的可以影響原始變量的共同因素，同時因子變量之間是近乎獨(dú)立的，因此可以有效地克服原始變量之間的多重共線性。本

67、文用SPSS軟件進(jìn)行因子分析，首先得到以下結(jié)果（如表5）。 </p><p>　　表5 因子解釋原有變量總方差的情況</p><p><b>　　續(xù)表</b></p><p>　　由表5中可以看出，前7個因子的特征根大于1，累積方差貢獻(xiàn)率為82.959%，即前7個變量解釋了原有變量總方差的82.959%。在因子旋轉(zhuǎn)后，累積方差比沒有改

68、變，沒有影響原有變量的共同度?？傮w上，原有變量的丟失信息較少，因子分析效果理想。</p><p>　　選取因子的常用方法有累積貢獻(xiàn)率法和凱澤法。凱澤法則是將特征值大于1的因子列出，小于1的則排出。經(jīng)驗(yàn)表明，凱澤法要求較嚴(yán)，能選出較好的因子。累積貢獻(xiàn)率是要使所選取的主成分滿足累積貢獻(xiàn)率達(dá)到一定百分比以上，一般選取80%。一般來說，凱澤法要求較嚴(yán)。為了盡可能地保留原始指標(biāo)的信息，本文基于累積貢獻(xiàn)率法≥80%來確定主成

69、分的個數(shù)。</p><p>　　因?yàn)楦髫攧?wù)指標(biāo)變量的量綱不同，所以要將變量標(biāo)準(zhǔn)化后，從相關(guān)矩陣進(jìn)行因子分析。因子旋轉(zhuǎn)分為正交旋轉(zhuǎn)和斜交旋轉(zhuǎn)。本文采用的方差最大法屬于正交旋轉(zhuǎn)法，主要是因?yàn)檎恍D(zhuǎn)保持了坐標(biāo)軸的正交性，并且旋轉(zhuǎn)后因子之間保持不相關(guān)，而斜交旋轉(zhuǎn)則因?yàn)樾D(zhuǎn)后因子之間的相關(guān)性，同時在實(shí)際應(yīng)用中，斜交旋轉(zhuǎn)的結(jié)果容易受主觀意愿的影響，這兩點(diǎn)原因限制了它的適用范圍。而且方差最大正交旋轉(zhuǎn)法可以使在保證各因子正交的

70、同時，是各因子的方差差異達(dá)到最大，從而方便對因子的解釋。如表5所示，本文采用正交旋轉(zhuǎn)法提取了7個主成分Fl—F7，對原始數(shù)據(jù)的信息涵蓋率達(dá)到了82.959%。</p><p>　　4.2.3 因子表達(dá)式</p><p>　　表6 因子得分系數(shù)矩陣</p><p>　　根據(jù)表6的結(jié)果，因子分析的得分系數(shù)矩陣，我們可以寫出以下F1-F7的數(shù)學(xué)表達(dá)式：

71、 F1=0.294X1+0.267X2-0.052X3+0.023X4-0.059X5+0.014X6-0.053X7+0.03X8+0.022X9+0.029X10-0.067X11-0.077X12+0.044X13+0.109X14+0.063X15+0.285X16+0.056X17+0.174X18</p><p>　　F2=-0.043X1-0.031X2+0.019

72、X3-0.022X4-0.051X5+0.027X6-0.026X7+0.016X8+0.172X9+0.267X10+0.3X11+0.312X12+0.123X13+0.066X14-0.031X15-0.045X16-0.031X17+0.004X18</p><p>　　F3=0.031X1+0.021X2+0.27X3-0.003X4-0.027X5-0.019X6-0.003X7-0.014X8+0.

73、006X9+0.022X10-0.052X11-0.045X12-0.056X13+0.089X14+0.4X15+0.034X16+0.397X17+0.043X18</p><p>　　F4=0.04X1+0.03X2-0.142X3+0.03X4+0.013X5+0.383X6+0.03X7+0.395X8+0.02X9+0.067X10-0.057X11-0.129X12-0.444X13+0.256X1

74、4+0.05X15+0.02X16+0.107X17-0.103X18</p><p>　　F5=-0.027X1-0.054X2-0.073X3-0.003X4+0.596X5-0.271X6-0.003X7+0.065X8+0.451X9+0.033X10-0.063X11-0.062X12+0.074X13+0.104X14+0.012X15-0.069X16+0.022X17+0.009X18</p

75、><p>　　F6=-0.176X1+0.005X2-0.07X3-0.033X4+0.008X5+0.046X6+0.867X7-0.027X8-0.005X9-0.037X10-0.01X11-0.022X12-0.032X13+0.004X14+0.055X15-0.121X16+0.008X17+0.296X18</p><p>　　F7=-0.012X1-0.1X2+0.087X3+

76、0.868X4-0.003X5-0.013X6-0.06X7+0.276X8+0.004X9+0.021X10-0.042X11-0.008X12+0.171X13-0.122X14-0.048X15+0.072X16-0.042X17+0.192X18</p><p>　　4.2.4 因子解釋</p><p>　　表7 旋轉(zhuǎn)后的因子載荷矩陣</p><p><

77、;b>　　續(xù)表</b></p><p>　　在載荷表中載荷系數(shù)越大，表明綜合因子對相應(yīng)的原始指標(biāo)解釋能力越強(qiáng)。將上述18個研究變量依次定義為分析變量，記為Xi，i取1，2，3，……18。由表7可知：</p><p>　?。?）因子F1主要由反映償債能力的變量X1（速動比率）、X2（流動比率）反映現(xiàn)金流量獲取能力的比率X16（現(xiàn)金比率）以及反映股票市值的變量X18（股票總市

78、值/負(fù)債總額）所解釋；</p><p>　?。?）因子F2主要由反映盈利能力的變量X10（總資產(chǎn)利潤率)、X11(銷售利潤率)、和X12(銷售收入報酬率)所解釋；</p><p>　?。?）因子F3主要由反映發(fā)展能力的變量X15（銷售收入增長率）和反映現(xiàn)金流量獲取能力的比率X17（現(xiàn)金周轉(zhuǎn)率）以及反映償債能力的變量X3（資產(chǎn)負(fù)債率）所解釋；</p><p>　　（4

79、）因子F4主要由反映營運(yùn)能力的變量X6（總資產(chǎn)周轉(zhuǎn)率）、X8（存貨周轉(zhuǎn)率）反映盈利能力的變量X13（主營業(yè)務(wù)利潤率）以及反映發(fā)展能力的變量X14（凈利潤增長率）所解釋；</p><p>　?。?）因子F5主要由反映償債能力的變量X5（股東權(quán)益負(fù)債率）和反映盈利能力的變量X9（凈資產(chǎn)收益率）所解釋；</p><p>　?。?）因子F6主要由反映營運(yùn)能力的變量X7（應(yīng)收賬款周轉(zhuǎn)率）所解釋；&l

80、t;/p><p>　　（7）因子F7主要由反映償債能力的變量X4（營運(yùn)資金與流動負(fù)債比率）所解釋。</p><p>　　4.3 運(yùn)用Logistic建立預(yù)警模型</p><p>　　4.3.1 Logistic模型概述</p><p>　　Logistic回歸模型是對二分類因變量進(jìn)行回歸分析時最普遍使用的多元統(tǒng)計方法。它根據(jù)樣本數(shù)據(jù)采用一系列財務(wù)

81、比率變量，使用最大似然估計法估計出個參數(shù)值，經(jīng)過一定的數(shù)學(xué)推導(dǎo)運(yùn)算，可求得響應(yīng)變量取某個值的概率。如果算出的概率大于設(shè)定的分割點(diǎn)，則判定該公司將陷入財務(wù)危機(jī)。</p><p>　　設(shè)P為某事件y發(fā)生的概率，取值范圍為0—1，1-P為該事件不發(fā)生的概率，將比數(shù)P/1-P取自然對數(shù)的ln(P/(l-p))，即對P做Logit轉(zhuǎn)換，則ln(P/(l-P))的取值范圍在之間。影響y取值的因素記為X1 ，…，Xk，以ln

82、(P/(l-P))為因變量，建立線性回歸方程。</p><p>　　Logistic模型的數(shù)學(xué)表達(dá)式為：</p><p><b>　　可等價地表示為：</b></p><p>　　由上可見，Logistic回歸模型實(shí)際上是普通多元線性回歸模型的推廣，但它的誤差項服從二項分布而非正態(tài)分布，因此在擬和時采用最大似然估計法進(jìn)行參數(shù)估計。</p&

83、gt;<p>　　Logistic回歸對于變量的分布沒有具體要求，適應(yīng)范圍更廣，而且Logistic回歸建立好模型后，具體公司數(shù)據(jù)代入模型得到的是一個概率值，給人直觀明了的感覺，在實(shí)際運(yùn)用中非常簡單、方便。財務(wù)危機(jī)企業(yè)和健康型企業(yè)的財務(wù)指標(biāo)大多數(shù)不服從正態(tài)分布且兩組的財務(wù)比率具有顯著性差異，因而應(yīng)該采用Logistic回歸來建立預(yù)警模型。</p><p>　　4.3.2 Logistic模型構(gòu)建&l

84、t;/p><p>　　本文引入虛擬變量Y用以表示是否出現(xiàn)財務(wù)危機(jī)。Y取1表示ST公司， Y取0 表示非ST公司。將因子分析得到的7個因子與因變量Y作為引入變量，利用二分類Logistic回歸建立預(yù)警模型并預(yù)測。</p><p>　　Logistic模型的數(shù)學(xué)表達(dá)式為：</p><p>　　其中，P是上市公司發(fā)生財務(wù)危機(jī)的概率；Xi是影響財務(wù)危機(jī)的第i個因素，i=1，2，

85、…，n；a，bi（i=1，2，…，m）是待估參數(shù)。</p><p>　　運(yùn)行SSPS13.0，得到的結(jié)果如下：</p><p>　　表8 模型估計及系數(shù)檢驗(yàn)</p><p>　　從表8的結(jié)果可以看出，所有系數(shù)均通過了檢驗(yàn)，可建立如下Logistic回歸方程：</p><p>　　這里P 表示為ST公司概率的預(yù)測值。大于0.5的被判為ST公司，

86、而小于0.5的則被歸為非ST公司。我們看到，模型中常數(shù)項變量F1—F7的系數(shù)的統(tǒng)計量檢驗(yàn)在0.05的顯著性水平上是顯著的，而且，數(shù)值越大，則該公司的經(jīng)營能力越好；數(shù)值越小，則該公司有可能是ST公司。從表中看出，第二個因子的影響最大，即代表盈利能力的變量影響最大；第六個因子的影響最小，即代表營運(yùn)能力的變量影響最小。</p><p><b>　　表9 模型總體檢驗(yàn)</b></p>

87、<p>　　表9輸出了模型的似然值（-2 Log）和兩個偽決定系數(shù)Cox & Snell R Square和Nagelkerke R Square，后兩者從不同角度反映了當(dāng)前模型中自變量的變異占因變量總變異的比例。我們看到，這兩個偽決定系數(shù)分別達(dá)到0.69和0.92，說明此模型中自變量對因變量的解釋程度良好。</p><p>　　以0.50為概率最佳分割點(diǎn)進(jìn)行預(yù)測，P大于0.50判斷為ST公司。

88、得到以下模型預(yù)測結(jié)果（見表10）。</p><p>　　表10 模型預(yù)測結(jié)果</p><p>　　從表10的預(yù)測結(jié)果來看，該模型的整體預(yù)測效果為90.10%，其中ST公司的預(yù)測準(zhǔn)確率為93.33%，非ST公司的預(yù)測準(zhǔn)確率為86.67%。</p><p><b>　　結(jié) 論</b></p><p>　　本文基于最新的發(fā)生

89、財務(wù)困難的上市公司數(shù)據(jù)，通過了由定性到定量的逐步分析過程，利用多元回歸建立了財務(wù)危機(jī)的預(yù)警模型。經(jīng)過分析研究，得出以下結(jié)論：</p><p>　?。?）上市公司財務(wù)危機(jī)是個時期概念，而不是個時點(diǎn)概念。公司陷入財務(wù)危機(jī)是個逐步的過程，從財務(wù)危機(jī)出現(xiàn)的那一時點(diǎn)起，直至公司破產(chǎn)都屬于財務(wù)危機(jī)的范疇。上市公司陷入財務(wù)危機(jī)可能是由外部經(jīng)營環(huán)境和企業(yè)內(nèi)部管理等多方面因素導(dǎo)致的，上市公司陷入財務(wù)危機(jī)，在經(jīng)營和管理上會在早期出現(xiàn)

90、一些征兆，上市公司可以通過及早發(fā)現(xiàn)經(jīng)營管理中存在的危機(jī)征兆來發(fā)現(xiàn)問題，及時規(guī)避風(fēng)險。</p><p>　?。?）通過實(shí)證研究論證，從總體來說，我國上市公司的財務(wù)危機(jī)是可以通過財務(wù)危機(jī)預(yù)警模型預(yù)測其發(fā)生概率的。實(shí)證研究模型表明，ST與非ST公司的財務(wù)數(shù)據(jù)差異是比較明顯的，建立的實(shí)證預(yù)警模型區(qū)分是有效的。</p><p>　?。?）本文認(rèn)為，由于模型的結(jié)果受到了歷史數(shù)據(jù)的局限，股票市值對于財務(wù)

91、預(yù)警模型的作用尚未得到體現(xiàn)。未來隨著全流通市場的進(jìn)一步規(guī)范和成熟，市值考核為指標(biāo)的股權(quán)價值激勵政策的逐步推廣，股票市值對于財務(wù)預(yù)警模型的作用繼續(xù)值得我們進(jìn)一步深入研究。</p><p>　　（4）Logistic多元回歸模型在我國上市公司財務(wù)危機(jī)預(yù)警模型的建立過程中，具有準(zhǔn)確實(shí)用，解釋性強(qiáng)，利于操作的優(yōu)點(diǎn)。由于財務(wù)危機(jī)預(yù)警模型僅僅是作為初步分析的工具，以實(shí)用性和可操作性強(qiáng)為特點(diǎn)建立的回歸分析模型，更適合我國現(xiàn)在的

92、證券市場分析。根據(jù)本文實(shí)證研究所得，上市公司被ST前3年財務(wù)指標(biāo)預(yù)警模型判別精度達(dá)到90.10%。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]陳曉，陳治鴻．中國上市公司的財務(wù)困境預(yù)測[J]．中國會計與財務(wù)研究，2000（9）．</p><p>　　[2]吳世農(nóng)，黃世忠．企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型[J]．中國經(jīng)濟(jì)問

93、題，1986（6）．</p><p>　　[3]周首華，楊濟(jì)華和王平．論財務(wù)危機(jī)的預(yù)警分析—F分?jǐn)?shù)模型[J]．會計研究，1996（8）．</p><p>　　[4]薛野等．淺論我國企業(yè)破產(chǎn)預(yù)警[J]．四川會計，1999（2）．</p><p>　　[5]周毓萍．企業(yè)破產(chǎn)預(yù)警模型實(shí)證分析[J]．武漢工業(yè)大學(xué)學(xué)報，1998（9）．</p><p>

94、;　　[6]陳靜．上市公司財務(wù)惡化預(yù)警的實(shí)證分析[J]．會計研究，1999（4）．</p><p>　　[7]陳曉，陳治鴻．企業(yè)財務(wù)困境研究的理論、方法及應(yīng)用[J]．投資研究，2000（6）．</p><p>　　[8]張玲．財務(wù)危機(jī)預(yù)警分析判別模型及其應(yīng)用[J]．預(yù)測，2000（6）．</p><p>　　[9]吳世農(nóng)，盧賢義．我國上市公司財務(wù)困境的預(yù)測模型研究[

95、J]．經(jīng)濟(jì)研究，2001（6）．</p><p>　　[10]盧聲．中國上市公司財務(wù)困境模型的研究[J]．北京航空航天大學(xué)學(xué)報，2001（4）．</p><p>　　[11]張愛民等．上市公司財務(wù)失敗的主成分預(yù)測模型及其實(shí)證研究[J]．金融研究，2001（3）．</p><p>　　[12]楊華．上市公司財務(wù)危機(jī)預(yù)警模型效果比較研究[J]．中國計量學(xué)院學(xué)報，2006

96、（1）．</p><p>　　[13]耿貴彬，田璇．上市公司財務(wù)危機(jī)預(yù)警模型構(gòu)建[J]．財會通訊，2007（10）．</p><p>　　[14]王琳．中國上市公司財務(wù)危機(jī)預(yù)警模型及實(shí)證[J]．山西財經(jīng)大學(xué)學(xué)報，2008（2）．</p><p>　　[13]高培業(yè)等．企業(yè)失敗判別模型實(shí)證研究[J]．統(tǒng)計研究，2000（10）．</p><p>

97、;　　[14]楊保安．即神經(jīng)網(wǎng)絡(luò)在企業(yè)財務(wù)危機(jī)預(yù)警之應(yīng)用[J]．預(yù)測，2001（2）．</p><p>　　[15]周首華等．現(xiàn)代財務(wù)理論前沿專題[M]．大連：東北財經(jīng)大學(xué)出版社，2000．</p><p>　　[16]王玉榮．商務(wù)預(yù)測方法[M]．北京：對外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2003．</p><p>　　[17]張鳴，張艷，程濤．企業(yè)財務(wù)預(yù)警研究前沿[M]．北京

98、：中國財政經(jīng)濟(jì)出版社，2004．</p><p>　　[18]Altman. Financial Ratios, Discriminate Analysis and the Prediction of Corporate Bankruptcy [J]. Journal of finance, 1968(13).</p><p>　　[19]Ohlson. Financial Ratios

99、and the probabilistic Prediction of Bankruptcy [J]. Journal of Accounting Researeh, 1980(18).</p><p><b>　　畢業(yè)論文任務(wù)書</b></p><p><b>　　會計學(xué)</b></p><p>　　全流通條件下上市公司

100、財務(wù)危機(jī)預(yù)警模型的構(gòu)建</p><p><b>　　畢業(yè)論文開題報告</b></p><p><b>　　會計學(xué)</b></p><p>　　全流通條件下上市公司財務(wù)危機(jī)預(yù)警模型的構(gòu)建</p><p><b>　　一、立論依據(jù)</b></p><p>　

101、　1.研究意義、預(yù)期目標(biāo)</p><p>　　研究意義：隨著股權(quán)分置改革的完成，上市公司的股權(quán)結(jié)構(gòu)發(fā)生了根本性的變化，在全流通條件下，有必要對財務(wù)危機(jī)預(yù)警模型進(jìn)行進(jìn)一步的探索。 </p><p>　　本文的研究意義主要體現(xiàn)在保護(hù)投資者利益、有利于上市公司管理層進(jìn)行決策、有利于證監(jiān)部門做好監(jiān)管工作這三個方面。</p><p>　?。?）從保護(hù)投資者利益出發(fā)

102、，財務(wù)危機(jī)預(yù)警模型可以為投資者在進(jìn)行投資決策時，提供有效的事前信息，提供給投資者更多的預(yù)測性，反映上市公司真實(shí)價值，以使投資者能較早地得到公司陷入危機(jī)的警告，及早做出出售股票的決策，規(guī)避風(fēng)險。</p><p>　?。?）有利于上市公司管理層防患于未然。建立起上市公司的財務(wù)危機(jī)預(yù)警系統(tǒng)，有助于上市公司及時發(fā)現(xiàn)公司財務(wù)經(jīng)營狀況的惡化，以及是何種原因使得公司的財務(wù)狀況出現(xiàn)惡化，從而能夠及時地、有針對性地調(diào)整公司的經(jīng)營方

103、針，扭轉(zhuǎn)公司經(jīng)營狀況惡化的勢頭，防患于未然。</p><p>　?。?）有利于證券監(jiān)管部門更好地推進(jìn)監(jiān)管工作。為了提示不同程度的財務(wù)危機(jī)風(fēng)險，證券監(jiān)管部門制定了一系列制度，如對連續(xù)虧損兩年的上市公司實(shí)行ST制度等等，這些制度所約束的條件都是以上市公司虧損程度為基礎(chǔ)的。通過能夠有效反映上市公司財務(wù)危機(jī)的財務(wù)指標(biāo)，預(yù)警系統(tǒng)能從財務(wù)指標(biāo)的變化中判斷出上市公司未來發(fā)生財務(wù)危機(jī)的概率，從而加強(qiáng)事前監(jiān)管。</p>

104、<p>　　預(yù)期目標(biāo)：通過本文的研究，一方面，利用最新的財務(wù)數(shù)據(jù)構(gòu)建財務(wù)危機(jī)預(yù)警模型，使得上市公司得到警示，借鑒失敗案例，對財務(wù)危機(jī)進(jìn)行防范。另一方面，利用模型的預(yù)警功能為上市公司的財務(wù)狀況進(jìn)行監(jiān)控，對日常經(jīng)營管理過程中各項活動進(jìn)行監(jiān)督和檢測，對財務(wù)風(fēng)險增大導(dǎo)致的不穩(wěn)定運(yùn)作狀態(tài)和不正常的征兆進(jìn)行分析，以達(dá)到減少或降低財務(wù)危機(jī)發(fā)生的可能性。 </p><p><b>　　2.國內(nèi)外研究現(xiàn)狀&

105、lt;/b></p><p>　　財務(wù)危機(jī)的預(yù)警研究是一項在中西方國家中都廣泛進(jìn)行的應(yīng)用研究，通過多年的努力取得了眾多研究成果，由于市場需求巨大，無論是學(xué)術(shù)界還是實(shí)物界仍在不懈得探索和改進(jìn)研究方法，以提高預(yù)警的準(zhǔn)確性。</p><p>　　（1）國外研究動態(tài)：</p><p>　　最早的財務(wù)危機(jī)預(yù)警研究Fitzpatrick（1932）開展的單變量破產(chǎn)預(yù)警研究

106、。他以19對破產(chǎn)和非破產(chǎn)公司作為樣本，運(yùn)用單個財務(wù)比率將樣本劃分為破產(chǎn)和非破產(chǎn)兩組，發(fā)現(xiàn)判別能力最高的是凈利潤/股東權(quán)益和股東權(quán)益/負(fù)債這兩個比率。盡管Fitzpatrick研究的結(jié)果很不錯，但一直到30多年后的1966年才有人沿著他的這條思路繼續(xù)研究財務(wù)危機(jī)的預(yù)警問題。</p><p>　　Beaver使用由79對經(jīng)營失敗和經(jīng)營未失敗的公司組成的樣本，分別檢驗(yàn)了反映公司不同財務(wù)特征的6組30個變量在公司破產(chǎn)前1

107、一5年的預(yù)警能力，他發(fā)現(xiàn)最好的判別變量是營運(yùn)資本/流動負(fù)債（在公司破產(chǎn)的前一年成功地判別了90%的破產(chǎn)公司）和凈利潤/總資產(chǎn)（在同一階段的判別成功率是88%）。Beaver還發(fā)現(xiàn)越臨近破產(chǎn)日，誤判率越低，預(yù)見性越強(qiáng)。自從Beaver的這項研究之后，很少再有專門的單變量研究出現(xiàn)，大多數(shù)研究人員更傾向于采用多變量分析方法，這主要是因?yàn)楣镜呢攧?wù)特征不可能由一個變量充分反應(yīng)出來。</p><p>　　美國學(xué)者Altma

108、n博士（1968）首次使用了多元線性判別分析對財務(wù)危機(jī)預(yù)警進(jìn)行了研究。根據(jù)行業(yè)和資產(chǎn)規(guī)模，他為33家破產(chǎn)公司選擇了33家非破產(chǎn)配比公司，采用了22個財務(wù)比率經(jīng)過數(shù)理統(tǒng)計篩選建立了著名的5變量Z一Score模型，根據(jù)判別分值，以確定的臨界值對研究對象進(jìn)行財務(wù)危機(jī)判別。在估計樣本中，其模型在破產(chǎn)前一年成功地判別出33家破產(chǎn)公司中的31家，而對于由25家破產(chǎn)公司和56家非破產(chǎn)公司組成的樣本中，從25家破產(chǎn)公司中判別出24家，從56家非破產(chǎn)公司