我国上市公司财务困境预警实证研究

论文摘要

在市场日益激烈的竞争中,企业作为独立的经济实体,必然会面临越来越复杂的经济环境,必将服从优胜劣汰的客观规律。在现实社会中,由于外界环境的多变性、内部环境的复杂性和对这种不确定性认识能力的有限性,又由于企业内部管理不善而导致了危机,而企业却没有意识到危机的到来,更没有采取有效措施加以解决和控制,最终导致企业管理失败甚至破产的例子屡见不鲜。因此,认真研究企业财务管理失败的原因和预防措施,即进行企业财务困境预警研究,则显得尤为重要。随着经济理论的发展和学术研究方法的改进,企业财务困境预警系统这一研究不断地深化,而实务界的强烈需求更是推动了学术界的研究进程。国外对这一问题的研究起步较早,并且已经取得了相当显著的成果。然而在我国,财务困境预警系统的研究无论是研究方法还是研究成果都与国外存在着一定的差距。正因为如此,笔者才对企业财务困境预警系统进行了深入的研究,期望能为企业管理层以及各种关系人决策时提供一定的依据和参考。本文的研究首先从财务困境的定义入手,最早研究财务困境的学者Altman(1968)将财务困境定义为“企业失败包括在法律上的破产、被接管和重组等”。可以看出,他基本上是将破产作为财务困境公司的主要标志。国外学者对财务困境的定义的另一种观点就是将财务困境的概念广泛化,认为财务困境是一种由轻到重的变化过程。轻的财务困境也许仅仅就是资金的流动性差,变现困难,出现了不能偿还债务或者不能支付股利的现象,而严重的财务困境才是经营失败最终陷入破产清算的境地。由于实证研究样本的选择问题,我国的研究者一般以上市公司被特别处理,特别是财务状况异常而被特别处理作为界定财务困境的标志,即把上市公司实行特别处理视为发生财务困境。综合以上观点,笔者认为,财务困境是指企业无力支付到期债务或股利,资产的流动性不足,出现资不抵债等一系列经济现象,其最严重的情况为破产清算。考虑到我国的具体情况,将我国上市公司中被实行特别处理的公司作为研究的对象。本文的第二部分介绍了进行实证研究的一元判别模型、多元线性判别模型、多元回归模型和人工神经网络判别法的适用情况和判别原理,并对其使用的优缺点进行了剖析,从其适用的范围等方面做了分析和比较。由于多元线性判别模型不需要自变量符合正态分布,不需要严格的假设条件,虽然计算过程较为复杂,但具有可操作性,并且还具有较为广泛的使用范围和预测精度较高的优点。因此,本文选择多元线性判别模型来进行我国上市公司财务困境的实证分析研究。本文的第三、第四部分是本文的主体实证研究部分。以我国沪深两市的上市公司为研究对象,以是否因最近两年连续亏损而被实行“退市风险警示”,作为其是否陷入财务困境的标志,选取了上市公司中在2006年被处以退市风险(即*ST)的上市公司作为研究样本,并给选出的30个财务困境公司一一配对,运用多元线性判别分析的方法,从涵盖上市公司财务状况各个方面的20个变量中,筛选出6个解释能力和显著性较强的变量,利用各上市公司连续三年的财务报表的数据,进行实证分析。而后,将原始数据回代入方程式,发现连续三年的判别准确率分别是91.67%、88.33%和80%。本文的研究得到如下结论:第一,我国证券市场中的ST公司和非ST公司有着较为显著的区别,是可以用预警模型予以预测和区分的。第二,本文在进行财务困境预警实证分析后,发现这样的一个规律:即越接近ST的年份,预测成功率越高。这说明距离ST的时间越近,财务指标所包含的信息越多,越全面。第三,实证结果的高度预测能力较好的说明了我国上市公司公开披露的财务信息是具有较高的价值相关性的,可以较好的帮助投资者、债权人和监管机构来识别企业的营运健康程度、发展状况及未来的发展趋势。第四,本文将注册会计师的审计意见作为虚拟变量引入到预测变量中来,发现注册会计师的审计意见类型对模型有较高的预测能力。本文的研究,在许多方面都进行了新的尝试,希望对今后的研究做出一些贡献。主要表现在:首先,在对财务困境公司的选择标准上,之前国内绝大部分学者没有在实际样本确定中对被特别处理的原因加以具体区分。本文将公司被特别处理的原因加以区分,剔除了诸多非财务因素造成戴帽的上市公司,选择由于“连续两年会计年度净利润为负”而被处以退市风险警示的公司。本文对财务困境公司的界定更加严格和科学。其次,在样本时间的选择上,文章选择在被特别处理前两年的数据作为样本。在已经连续两年亏损的公司中预测出财务困境公司,有高估预测准确率之嫌。但在*ST公司首次出现亏损的这一年,如果公司在以后的年度里发生亏损,则为财务困境企业,如果公司是由于偶然原因出现亏损,在下一个年度却扭亏为盈,就不符合本文对财务困境公司的定义,因此这一年可以视为一个转折年份。本文就是从这个年份来对财务危机公司与财务健康公司进行识别。再次,在预测变量的选择方面,除了按照以往的经验选择了考察公司的偿债能力、经营能力、营运能力和成长能力的指标以外,还将注册会计师的审计意见类型作为虚拟变量纳入了被选项。审计意见是注册会计师对公司财务会计报告在重大方面是否公允反应其财务状况的一种职业判断,能从独特的视角反映公司财务状况,本文特地将其纳入到初选变量中,希望对其进行考察,看其是否能对财务困境公司有显著的判断。本文的研究不可避免的存在许多的局限性,主要表现在以下方面: 1.财务变量的选择。纵观前人的研究,没有一个理论能够完全认定公司财务困境预警模型中应当包含哪些预警指标,研究者们都是在相关的理论的指导下,根据自己的理解和经验,并结合前人的研究,来选择财务指标的。因此,在预警模型建立过程中的财务指标选择的合理性和普遍性,极有可能有失偏颇。本文的研究也有类似的缺陷。为此,我们还有待于数学和计量经济学的提高。同时,我们还应当加强这一领域的基础理论研究,使财务预警理论在指标选择上更为客观和科学。2.判定点的选择问题。本文在对数据进行回代判定时,假设上市公司发生财务困境与不发生财务困境的概率均为50%,因此选择0.5为判定点,而事实上却并非如此。就整个资本市场而言,不破产公司的数量显然要多于破产公司的数量,因而公司不破产概率也显然要高于破产的概率。这在一定程度上影响了预警模型的有效性。由此,在今后的研究中,根据我国资本市场的现实状况,科学合理的估计我国上市公司财务困境的可能性,找出一个较为符合我国上市公司现状的分隔点,从而充分发挥财务预警系统强大的预测作用,应当是今后研究和努力的方向。3.未分类选样的局限性。本文的样本选择是在全部财务困境公司中进行选择并建立起来的预警模型,它的适用范围较广,可以帮助各类上市公司进行财务困境的预测。但是,对于处于同一行业的上市公司,其经营环境、生产特点与其他行业不同,每一个行业的财务状况都有其自身的特点。而对特定行业的上市公司根据其自身特点,对其进行预测,本文的模型就很难做到。因此最理想的办法是分行业进行财务困境的预测,结合各个行业和领域自身的特点选择变量,构建模型,这样才能做出正确的预测,采取有效的措施,避免财务困境或更大损失的发生。

论文目录

• 中文摘要
• ABSTRACT
• 1. 引言
• 1.1 研究的背景和意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 本文的结构安排和贡献点
• 1.2.1 本文的结构安排
• 1.2.2 本文的贡献点
• 2. 文献综述及评价
• 2.1 财务困境的涵义
• 2.1.1 国外学者对财务困境的定义
• 2.1.2 我国学者对财务困境的定义
• 2.1.3 本文对财务困境的定义
• 2.2 财务困境预警的研究回顾
• 2.2.1 国外研究回顾
• 2.2.2 国内研究回顾
• 2.2.3 小结
• 3. 财务困境预警模型的分析与比较
• 3.1 一元判别模型
• 3.2 多元线性判别模型
• 3.3 多元回归判别法
• 3.3.1 多元逻辑回归模型
• 3.3.2 多元概率比（Probit）回归模型
• 3.3.3 Logit 和Probit 模型的优缺点比较
• 3.4 人工神经网络模型
• 3.5 研究小结
• 4. 样本与变量的选取
• 4.1 研究对象的确定
• 4.2 研究样本的选取
• 4.2.1 样本的抽取程序
• 4.2.2 样本的时间选择
• 4.2.3 样本的配对
• 4.2.4 样本的数据来源
• 4.3 财务变量的选取
• 4.3.1 初始财务变量的选取
• 4.3.2 财务变量的筛选
• 5. 预警模型的建立及实证结果
• 5.1 财务困境预警模型的建立
• 5.1.1 模型的建立
• 5.1.2 模型的回代检验
• 5.2 研究结论与建议
• 5.2.1 研究结论
• 5.2.2 研究的局限性和建议
• 参考文献
• 实证研究附录
• 后记
• 致谢
• 在读期间科研成果目录