论文部分内容阅读
在世界各地，每年都有大量的企业陷入财务困境。财务困境给相关的利益人造成重大的损失，给社会经济造成了负面的影响，也使之成为经济界广泛关注的热点。如何客观评价一个企业财务经营状况的好坏，使企业财务状况还未发展到恶化的时候，就能揭示其潜在的风险，预示其危机的发生，提前向经营者发出警告，使其能够早作准备或者及时采取对策，阻止财务状况进一步恶化，避免严重的财务危机真正发生，就显得格外重要。
自上世纪60年代以来，随着企业破产问题的日益严重，各国学者纷纷试图通过定量分析对企业破产提前做出预测。近五十年来，从多元判别分析等线性预测模型，到以神经网络为代表的各种非参数预测模型，相关的研究成果层出不穷。但是在国内，财务危机的预测研究才刚刚起步。我国的资本市场发展不过十几年的时间，对于公司财务预警的研究无论在宏观上，企业微观中，研究角度上，研究方法上都和国外存在较大的差距。随着我国资本市场的发展，经济体制改革的深化，对公司财务预警的需求也日益迫切，亟须通过完善的经济预测方法，建立有效的经济财务预警系统，满足各方面的需要。目前，对于财务企业危机的问题，大家关注的焦点又都集中在中国的上市公司，上市公司良莠不齐，部分上市公司为了达到包装上市的目的，利用市场本身法规的不健全和监管的不成熟恶意造假，损坏了投资者的利益，扰乱了证券市场的秩序。从而给投资者带来了巨额损失。市场监管的不完善，加上上市公司的虚假行为，沉重打击了投资者的投资信心。通过对企业财务状况的分析鉴别质地不同的上市公司，成为摆在我们面前迫切需要解决的问题。
针对这一问题，本文旨在运用支持向量机这种方法，尝试建立起基于SVM的上市公司财务预警模型，同时，结合实际数据进行财务预警的实证分析，以达到理论与实践的结合。本文首先介绍了国内外相关研究文献，阐述了企业财务预警的意义，并对财务危机预警的现有相关理论及模型进行了简单的介绍与比较。在此基础上，根据财务状况恶化(以被ST为标志)前四年到前一年的数据，即根据2001年至2006年沪、深两市公布的有关我国上市公司的资料信息，选取了13个指标变量并进行了检验分析，再利用因子分析法对初选的变量进行筛选，然后以最终确定的6个财务指标变量为基础，通过建立支持向量机预测函数分别对样本企业的财务状况进行了检验、预测。通过实证研究对比，发现采用最小二乘支持向量机建立财务危机预警模型，预测精度高，而且这一方法不需要对变量作任何特殊假设前提，能够很好的对企业财务状况的好坏进行识别。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，并对后续研究提出了自己的见解。从本文的研究可以得到的结论是：上市公司公开的指标中包含有关于公司财务健康状况的有效信息，可以建立针对上市公司整体的有效的财务困境预测模型；我国上市公司财务数据的使用者可以根据资产负债表、利润表和现金流量表，通过一定的方法，来对未来的财务危机进行预测；预测模型从T-4到T-1年都具有预测能力，随着财务危机的临近，预测整体正确率增加，且回判的效果好于预测的效果。
本文在前人研究的基础之上，对财务困境预测模型的研究进行了深入的探讨，对以往的研究进行了修正和创新，收集了最近四年出现的，*ST和ST公司的相关数据，建立了相应的财务困境预测模型。在研究中本文在以下几方面进行了重要的修正和创新：
第一，收集T-4年到T-1年的数据进行模型的建立、检验，修正了以往研究在数据采集方面的问题。
第二，采用了非参数方法代替T检验进行显著性检验，并将因子分析作为筛选变量的方法。
第三，采用的是独立样本来验证模型的适用性，检验的结果更可靠。
第四，采用中期报表的数据，提高了预测的及时性。
第五，在公司选择上考虑了行业和公司规模的影响。