引入治理结构的上市公司财务困境预警模型研究

论文摘要

随着我国证券市场的快速发展和规模的不断扩大,上市公司在推动国民经济发展、建设现代企业制度、优化资源配置、筹集资金、提升公司核心竞争力等方面发挥着越来越重要的作用。在证券市场快速发展和上市公司整体经营业绩不断提高的同时,部分上市公司在激烈的市场竞争中由于公司治理结构失衡、公司经营能力不强和管理水平不高等原因,导致公司经营战略和投资决策失误,生产经营管理混乱,公司经营业绩逐年下降,使公司陷入财务困境。上市公司的财务困境是一个逐步恶化的过程,具有渐进性、可预警性等特点,公司在陷入财务困境前一般都会显露出种种迹象,而这些迹象通过财务数据的表现尤其明显。因此,如何利用财务指标和上市公司治理结构等非财务指标,通过建立数学模型对公司陷入财务困境的可能性大小进行预警,成为了上市公司管理当局、投资者、债权人及其他利益相关者共同关注的问题。论文共分为五个部分。第一章导论。在阐明论文的选题背景、研究的目的和意义、总结与评述国内外研究动态的基础上,提出了研究的基本思路和研究方法,以及论文主要的创新之处。第二章财务困境预警模型研究的基本理论。首先对公司财务困境进行了具体界定;其次在对财务困境基本特征分析的基础上,就财务困境进行了规范性的理论解释;再次从宏观和微观角度对导致我国上市公司财务困境的因素进行了理论探析;最后从公司治理角度系统、详细地分析了股权结构、董事会制度、经营者激励等与财务困境的关系。第三章财务困境预警模型的研究样本和研究变量的辨识与选择。本文研究将上市公司的财务状态划分为财务困境、财务健康和财务亚健康三种状态。首先是选取财务困境公司、财务健康公司和财务亚健康公司,组成建模样本和检验样本;然后是研究变量的初步选择。选取财务变量和公司治理等非财务变量作为初选变量,并根据样本公司财务报表等资料,计算初选变量的数据;第三,研究变量的进一步筛选。财务变量和非财务变量等初选变量数据的正态性检验;选取在财务困境公司、财务健康公司和财务亚健康公司之间有显著差异的财务变量和公司治理等非财务变量进行相关关系检验,剔除高度相关的初选变量,并对剔除高度相关变量后的初选变量进行多重共线性检验,将通过多重共线性检验的财务变量和公司治理等非财务变量作为最终研究变量。第四章财务困境预警多类Logistic回归模型的构建与应用结果分析。应用建模样本的T-2年、T-3年和T-4年的财务变量和公司治理等非财务变量数据,分别建立了财务变量的多元多类Logistic回归预警模型和引入公司治理等非财务变量的多元多类Logistic回归预警模型,并应用建模样本和检验样本对模型的预测准确性和外部有效性进行了检验,最后对模型的应用结果进行了分析。第五章研究结论与后续研究的思考。根据实证研究,得出了研究结论;对本文研究构建的财务困境预警多类Logistic回归模型的实际应用提出了应注意的几个问题;最后从财务困境预警模型研究的角度思考,提出了在后续研究中还需要进一步完善的内容。本文研究得出的主要结论如下:（1）随着公司陷入财务困境的临近,在财务困境公司、财务健康公司和财务亚健康公司之间存在显著差异的财务变量的个数逐步增加,反映出公司财务困境的形成是一个逐步积累的过程。在不同年度,财务困境公司、财务健康公司和财务亚健康公司之间的财务变量存在显著差异,说明上市公司公开披露的财务信息具有较强的公司财务状况信息含量和时效性,运用财务变量建立财务困境多类Logistic回归预测模型是可行的。（2）财务变量中,反映盈利能力的资产净利率变量具有较强的长短期财务困境预测能力,并且稳定性较强,而非经常损益比率变量只具有短期财务困境预测能力;反映营运能力的其他应收款周转率变量具有较强的短期财务困境预测信息含量,而总资产周转率变量则长期预测能力较强;反映发展能力的净利润增长率和资本保值增值率变量具有较强的短期财务困境预测能力;反映现金流量的变量,长期财务困境预测能力较强,短期预测能力不明显;反映财务结构的应收账款占流动资产比例变量具有较强的短期财务困境预测能力,其他应收款占流动资产比例变量则长期预测能力较强。（3）财务变量多类Logistic回归预测模型中,资产净利率、其他应收款周转率、总资产周转率、净利润增长率、资本保值增值率、现金再投资比率等财务变量的值越大,发生财务困境的概率就越小,财务健康或亚健康的可能性就越大;非经常损益比率、应收账款占流动资产比例和其他应收款占流动资产比例等财务变量的值越大,发生财务困境的概率就越大,财务健康或亚健康的可能性就越小。（4）只有反映公司股权集中度的非财务变量,在财务困境公司、财务健康公司和财务亚健康公司之间存在显著差异,具有财务困境预测信息含量。而反映公司董事会治理情况、对经营者激励和年度财务报告审计意见等非财务变量在财务困境公司、财务健康公司和财务亚健康公司之间却不存在显著差异,不具有公司财务困境预测信息含量。（5）在引入非财务变量的多类Logistic回归模型中,第一大股东是否绝对控股、机构投资者持股比例等非财务变量具有较强的短期财务困境预测能力,第一大股东绝对控股,机构投资者持股比例越大,公司出现财务健康或亚健康状况的可能性就越大,发生财务困境的可能性就越小。而第一大股东持股比例则具有较强的长期财务困境预测能力,第一大股东持股比例越大,公司出现财务健康或亚健康状况的可能性越大,发生财务困境的可能性就越小。（6）在财务变量多类Logistic回归预测模型中引入非财务变量,能在一定程度上提高模型的预测准确率,表明非财务变量具有一定的预测公司财务状况的信息含量和预测能力。

论文目录

• 摘要
• ABSTRACT
• 第一章 导论
• 1.1 研究背景
• 1.2 研究的目的和意义
• 1.2.1 研究的目的
• 1.2.2 研究的意义
• 1.3 国内外财务困境预警模型研究动态综述
• 1.3.1 国外财务困境预警模型研究动态综述
• 1.3.2 国内财务困境预警模型研究动态综述
• 1.3.3 国内外财务困境预警模型研究的评述
• 1.4 研究的基本思路与方法
• 1.4.1 研究的基本思路
• 1.4.2 研究方法
• 1.5 论文的创新之处
• 第二章 财务困境预警研究的基本理论
• 2.1 财务困境的界定
• 2.2 财务困境的基本特征
• 2.3 财务困境的规范性理论解释
• 2.4 财务困境形成的原因探析
• 2.4.1 导致我国上市公司财务困境的宏观因素
• 2.4.2 导致我国上市公司财务困境的微观因素
• 2.5 公司治理结构与财务困境的关系
• 2.5.1 股权结构与财务困境的关系
• 2.5.1.1 股权集中度与财务困境的关系
• 2.5.1.2 股权构成与财务困境的关系
• 2.5.2 董事会与财务困境的关系
• 2.5.2.1 董事会规模与财务困境的关系
• 2.5.2.2 独立董事比例与财务困境的关系
• 2.5.2.3 董事长兼任总经理与财务困境的关系
• 2.5.3 经营者激励与财务困境的关系
• 2.6 本章小结
• 第三章 财务困境预警模型的研究样本和研究变量的辨识与选择
• 3.1 样本的辨识与选择
• 3.1.1 财务困境公司的样本辨识与选择
• 3.1.2 配对财务健康公司与财务亚健康公司的样本辨识与选择
• 3.2 变量的辨识与选择
• 3.2.1 变量选择的原则
• 3.2.2 变量的初步选择
• 3.2.2.1 财务变量
• 3.2.2.2 非财务变量
• 3.2.3 变量的进一步筛选
• 3.2.3.1 变量的正态分布检验
• 3.2.3.2 初选变量的均值差异检验
• 3.2.3.3 变量的多重共线性检验
• 3.3 本章小结
• 第四章 财务困境预警多类 logistic 模型的构建与 应用结果分析
• 4.1 对 logistic 回归模型的辩识
• 4.1.1 二类Logistic 回归模型
• 4.1.2 多类Logistic 回归模型
• 4.2 财务变量多类 Logistic 回归预警模型的构建
• 4.2.1 财务变量多类Logistic 回归预警模型的建立
• 4.2.1.1 模型参数估计
• 4.2.1.2 模型似然比卡方检验和拟合优度检验
• 4.2.1.3 财务变量多类 Logistic 回归预警模型
• 4.2.2 财务变量多类Logistic 回归预警模型的检验
• 4.3 引入非财务变量的多类 Logistic 回归预警模型的构建
• 4.3.1 引入非财务变量的多类Logistic 回归预测模型的建立
• 4.3.1.1 模型参数估计
• 4.3.1.2 模型似然比卡方检验和拟合优度检验
• 4.3.1.3 引入非财务变量的多类Logistic 回归预警模型
• 4.3.2 引入非财务变量的多类Logistic 回归预警模型的检验
• 4.4 财务困境预警的多类 Logistic 回归模型的应用结果分析
• 4.4.1 财务变量的多类Logistic 回归预警模型的应用结果分析
• 4.4.2 引入非财务变量的多类Logistic 回归预警模型的应用结果分析
• 4.5 本章小结
• 第五章 研究结论与后续研究的思考
• 5.1 研究结论
• 5.2 模型应用应注意的问题
• 5.3 研究的局限性和后续研究的思考
• 参考文献
• 附录
• 致谢
• 作者简介