论文部分内容阅读
自20世纪90年代以来，中国的证券市场得到了快速发展，并已初具规模，上市公司已达1000余家，与此同时，上市公司陷入财务困境、出现ST的情况也日益突出，对投资者、上市公司、乃至整个宏观经济都产生了不利的影响，如何科学评价上市公司财务状况，有效预警企业所面临的财务困境也显得更加迫切。 企业陷入财务困境是一个渐进的过程，财务困境不但具有先兆，而且是可预测的。建立财务预警模型正是解决预测财务困境的有效措施。无论在国际还是国内都处在一种前沿性和创新性研究阶段。随着资本市场的完善及信息披露制度的健全，近几年，国内学者对财务预警的研究重点也逐渐从理论研究转移到实证研究上来。 本文运用实证研究的方法，对上市公司财务困境预警问题进行研究。其研究目的是通过实证研究构建一个适合我国上市公司的财务困境预警模型，希望为我国上市公司的财务预警研究提供有意义的参考。 在研究方法的选择上，本文经过对国内外学者各种财务预警参考文献的分析和比较，选择了多元线性回归和Logistic回归判定模型的方法。并借鉴国内相关研究，根据我国的现实情况，将被特别处理(ST)作为公司陷入财务困境的标志。 研究样本和研究指标是模型的两个重要前提。本文采用1∶1的比例配对抽取的方法，选取了128家互相配对的ST和非ST公司作为研究样本，并把样本分为估计样本与检验样本。在研究指标方面，由于迄今为止还没有一个有效的选取标准确定预警模型应包括的财务变量，考虑到上市公司财务数据的可获得性、可靠性和完整性等实际情况，选取了5个维度21个财务指标作为财务预警的研究变量。 本文首先采用t检验的方法判别ST公司和非ST公司之间21个财务指标的显著性，从而筛选出8个具有显著判别能力的财务指标。接着以ST公司与非ST公司作为因变量，筛选出的8个财务指标作为自变量，分别运用多元线性回归和Logistic回归两种方法构建了两个预警模型，并对其进行了检验。结果表明Logistic回归模型的预警效果要优于多元线性回归模型的预警效果。 此外本文还把上市公司样本细分为制造业样本和非制造业样本两个样本，并运用Logistic回归模型方法分别构建预警模型，然后分别用不同的样本对每一个模型进行检验，并对结果进行分析，从而验证了样本细分可以提高预警的准确率的观点。