我国上市公司财务危机预警模型比较研究

论文摘要

随着中国资本市场的日益发展,上市公司的数量不断增加,其在整个企业和社会经济中的地位越来越重要。上市公司经营的好坏将直接影响投资人、债权人的相关利益,甚至会影响整个社会和经济的发展。因此,在公司临破产之前进行预警具有重要的理论和现实意义。由于盈余操纵、信息披露的滞后性等原因,财务信息的真实性和及时性受到限制,因此仅包括财务指标的预警模型难以完全准确的作出预测。本文在应用多种方法进行比较研究的同时,将公司治理变量引入财务危机的研究中,目的是通过比较,找出最佳的预测上市公司财务危机的指标体系和方法,为上市公司各方利益相关者提供一个有益的决策辅助工具。本文选取了2006和2007年我国上市公司中92家首次被ST的公司和92家非ST公司,利用上市公司公开披露的年报信息和数据,选取了20个财务指标和7个公司治理变量,利用正态性检验和均值差异检验选取均值差异显著的变量,并利用因子分析和相关性检验分别对财务指标和公司治理变量进行筛选,最终建立了两个指标体系—财务指标体系和引入公司治理变量的指标体系。之后,本文运用Fisher判别、Logistic回归和支持向量机建立多变量财务危机预警模型,并从理论和实证的角度对三个模型进行比较分析。研究发现,财务指标体系下三种模型的总体判别率分别为：75.54%、89.67%、99.46%；引入公司治理变量后三种模型的总体判别率为：77.17%、90.22%、100%。总体来看,支持向量机的总体判别准确率最高,第1类错误率最低,而引入公司治理变量模型的预测准确率都要高于原始的基于财务指标的模型。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景与意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 文献综述
• 1.2.1 财务危机预警模型研究综述
• 1.2.2 财务危机预警指标选择研究综述
• 1.2.3 小结
• 1.3 研究思路和方法
• 第2章 财务危机预警的模型与方法
• 2.1 传统财务危机预警模型
• 2.1.1 单变量模型
• 2.1.2 多变量线性模型
• 2.2 现代财务危机预警分析方法
• 2.2.1 判别分析法
• 2.2.2 logistic回归分析
• 2.2.3 人工神经网络分析法
• 2.2.4 支持向量机分析法
• 第3章 研究样本设计
• 3.1 研究样本选择
• 3.1.1 ST样本选择
• 3.1.2 配对样本选择
• 3.2 指标的选择与检验
• 3.2.1 财务指标选择
• 3.2.2 公司治理变量的选取
• 3.2.3 变量时间截面的选取
• 3.2.4 变量指标的正态性和均值差异检验
• 3.3 因子分析与相关性检验
• 3.3.1 因子分析的基本思想
• 3.3.2 因子分析法浓缩财务指标
• 3.3.3 公司治理指标的相关性分析
• 3.4 指标体系的建立
• 第4章 上市公司财务危机预警模型的实证分析
• 4.1 Fisher判别预警模型的实证分析
• 4.1.1 财务指标体系下的Fisher判别分析
• 4.1.2 引入股权结构变量的Fisher判别分析
• 4.2 Logistic回归模型的实证分析
• 4.2.2 财务指标体系下的Logistic回归分析
• 4.2.3 引入股权结构变量的Logistic回归分析
• 4.3 支持向量机预警模型的实证分析
• 4.3.1 财务指标体系下的支持向量机
• 4.3.2 引入股权结构变量的支持向量机
• 第5章 财务危机预警模型比较分析
• 5.1 财务危机预警模型理论分析比较
• 5.2 财务危机预警模型实证分析比较
• 5.2.1 总体判别准确率的比较分析
• 5.2.2 考虑错误成本后的比较分析
• 5.3 小结
• 第6章 研究结论、局限及展望
• 6.1 研究结论
• 6.2 研究局限及展望
• 参考文献
• 致谢
• 附录
• 个人简历及发表论文情况