论文部分内容阅读
上市公司是我国证券市场的基石，其质量的好坏与证券市场的稳定和发展息息相关。随着我国证券市场的日益成熟与完善，各利益相关方对上市公司的经营管理状况提出了更高的要求，对财务危机也有了更为清醒地认识。为了证券市场的稳定发展，如何为各利益关系方建立一个有效的预警系统，来预测上市公司发生财务危机的可能性，并采取措施避免损失，就显得尤为重要。同时，这也是我国理论界日益重视的一个问题。
企业的财务状况一方面是企业综合经营情况的反映：另一方面决定了企业是否可以继续经营下去，对之进行预警研究，无疑具有提纲掣领的作用。因此本文将重点放在建立企业财务危机预警模型上，希望对提高企业总体管理水平提供一些思路。
财务预警发展至今，经历了从定性分析到定量分析，从采用判别分析模型，多元回归模型到神经网络模型，一步步发展完善，预警精度也在逐渐提高。本文在前人的基础上，旨在介绍推广一种新的预警模型——小波神经网络预警模型。这种模型目前较多地应用于电价、水利、石油期货等方面，尚未引起财务预警研究者的关注。文章采用紧凑型小波神经网络模型，将小波分析和时下流行的神经网络预警模型结合起来，将小波函数引入神经网络，代替原有的S函数，克服了神经网络预警模型的一些劣势。
为证实其优势，本文采用了得到普遍认可和广泛采用的Logistic回归模型，近年来被研究者大力推崇的人工神经网络预警模型与小波神经网络预警模型进行比较。另外，为了使得模型更有说服力，本文选取了2006年被ST的上市公司作为样本，同时为每个公司逐一选取了配对公司，另外选取2005年的部分ST公司作为测试样本，保证了模型的时效性。在指标选取方面，也从表内，表外，还有通过大量计算获取了几乎涵盖盈利能力，偿债能力，成长能力等等各个方面的32个指标作为样本。数据处理方面，通过正态分布检验，显著性检验和因子分析进行了细致的筛选，最后保留了11个显著性较强的指标进入模型，保证了指标的有用性。并且，为了使所得到的结论更加剧有说服力，文章对(t-1)年和(t-2)年的数据同时进行了处理，包括建立模型和检验模型。最后研究证明，小波神经网络在财务预警方面相比人工神经网络能够较显著的提高预警精确度。据此推断，此模型是很有实用价值的。
希望本文的研究能为投资者选择投资对象提供比较科学的选择的方法；为企业财务管理和摆脱财务困境提供一定的指导作用。最后在以上研究的基础上，本文对预警模型自身存在的一些难以克服的局限性加以说明，希望后来的研究者能够引起重视及时避免。