全流通条件下上市公司财务危机预警模型的构建开题报告.doc

开题报告 全流通条件下上市公司财务危机预警模型的构建 一、立论依据 1.研究意义、预期目标 研究意义：随着股权分置改革的完成，上市公司的股权结构发生了根本性变化，在，有必要 财务危机的预警研究是一项在中西方国家中都广泛进行的应用研究，通过多年的努力取得了众多研究成果，由于市场需求巨大，无论是学术界还是实物界仍在不懈得探索和改进研究方法，以提高预警的准确性。 （1）国外研究动态： 最早的财务危机预警研究Fitzpatrick（1932）开展的单变量破产预警研究。他以19对破产和非破产公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，发现判别能力最高的是净利润/股东权益和股东权益/负债这两个比率。尽管Fitzpatrick研究的结果很不错，但一直到30多年后的1966年才有人沿着他的这条思路继续研究财务危机的预警问题。 Beaver使用由79对经营失败和经营未失败的公司组成的样本，分别检验了反映公司不同财务特征的6组30个变量在公司破产前1一5年的预警能力，他发现最好的判别变量是营运资本/流动负债（在公司破产的前一年成功地判别了90%的破产公司）和净利润/总资产（在同一阶段的判别成功率是88%）。Beaver还发现越临近破产日，误判率越低，预见性越强。自从Beaver的这项研究之后，很少再有专门的单变量研究出现，大多数研究人员更倾向于采用多变量分析方法，这主要是因为公司的财务特征不可能由一个变量充分反应出来。 美国学者Altman博士（1968）首次使用了多元线性判别分析对财务危机预警进行了研究。根据行业和资产规模，他为33家破产公司选择了33家非破产配比公司，采用了22个财务比率经过数理统计筛选建立了著名的5变量Z一Score模型，根据判别分值，以确定的临界值对研究对象进行财务危机判别。在估计样本中，其模型在破产前一年成功地判别出33家破产公司中的31家，而对于由25家破产公司和56家非破产公司组成的样本中，从25家破产公司中判别出24家，从56家非破产公司中判别出52家。Altman的研究成果克服了单变量模型出现的对于同一公司，不同比率预测出不同结果的现象。与此同时，在西方掀起了公司财务危机预警的研究热潮。 （2）国内研究动态： 吴世农、黄世忠（1986）曾介绍企业的破产分析指标和预测模型。周首华、杨济华和王平（1996）在Z分数模型的基础上进行改进，考虑了现金流量变动情况指标，建立了F分数模型，并使用Computation PC Plus会计数据库中1990年以来的4160家公司的数据进行了验证。我国台湾的陈肇荣应用中国台湾地区企业财务资料，重选了相关指标，建立的适合台湾地区使用的财务预警模型。 周毓萍（1998）结合我国企业实际分别建立了两变量(速动比率和总资产收益率)的判别模型和即神经网络对企业破产进行了预测，其研究成果对我国破产预测有一定的借鉴作用。 陈静在（1999）首次对我国上市公司的财务危机进行了实证分析，她以上市公司被特别处理(ST)作为财务危机的标志，结合1995一1997年的财务报表数据对1998年的27家TS公司和27家非ST公司，进行了单变量分析和二类线性判定分析。在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低;在多元线性判定分析中，发现由负债比率、净资产收益率、总资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。模型可以准确判别88.9%的ST公司和96.3%的非ST公司，总体正确率为92.6%。但不足之处是用于检验判别模型正确率的样本就是用于估计模型参数的样本，而且，根据我国上市公司的年报披露制度，公司1997年度的财务报表和公司在1998年是否被特别处理这两条信息几乎是同时得到的，因此使用1997年报判别1998年上市公司的ST状态，就预警目的而言缺乏实际意义。 吴世农、卢贤义（2001）选取70家处于财务困境的公司和70家对照公司为样本，检验了Fisher线性判定分析、多元线性回归分析和逻辑回归分析三种方法，并结合中国的实际情况建立了相应的模型。 卢声（2001）运用Fisher判别对上市公司中的制造业企业进行了实证分析。张爱民等(2001)采用多元统计分析中的主成分分析法对企业财务预警进行了研究。他们选用了8个企业财务指标，选择了40家我国的上市公司为估计样本，进行了主成分分析。 杨华（2006）以2004年-2005年部分首次被ST的A股上市公司为研究对象，结合经过无量纲化处理的财务指标和非财务指标，使用主成分分析法和Logit回归建立财务危机前2年的预警模型。研究显示，引入非财务指标后的财务危机预警模型在一定程度上提高了预测准确率。 [1]陈晓、陈治鸿