论文部分内容阅读
在研究财务相关的风险时，财务预警模型是进行财务风险预测的重要组成部分。财务预警是根据企业的财务会计信息，通过观察敏感性预警指标的变化，对企业可能面临的财务危机进行监测和预警。
本文将是否会被判为ST作为企业财务状况是否良好的标准，研究目的是在给定各家上市公司前几年之内的财务报表的数据，找到能够显著区分ST上市公司和非ST上市公司的财务指标，构建合理科学的预警模型，希望能够判定上市公司在未来的几年内被判定为ST的可能性有多大，从而为今后的财务状况分析提供借鉴。即，利用ST与非ST企业的历史财务数据的对比得出最能够区别ST与非ST企业的相关财务指标，从而形成Logistic回归模型。
例如，某一家上市企业在T年被判定为ST，根据证监会相关规定，符合ST的条件是连续两年负盈利。那么可以知道T年该公司所公布的财务报表，即T—1年的企业经营状况，是亏损的。根据ST的定义可知，该公司T—1年公布的报表，即T—2年的企业经营状况也是亏损的。将这家企业同另外一家规模相似行业相同的非ST企业相比，我们有理由相信，T—2年的经营状况，两者是有区别的，我们可以找到相关的财务指标来表示企业的经营状况，从而很好的区分公司在T年是否被ST。而T—2年公布的报表，即T—3年的企业经营状况是盈利的，但是由于T—2年公司从盈利转为亏损，由此我们相信可以从针对T—3年企业经营的财务报表中也可以找到相关指标来区别在T年是否会被ST。
所以T—2年和T—3年中的8个季度均可以纳入我们的研究范围内。本文选取了2005年至2008年期间的上市公司作为研究样本。其中每个季度均采用80家ST公司和160家非ST公司，一共选取了财务报表中16个指标在T—2年四个季度和T—3年四个季度的数据来表达企业总体财务状况。T年指的是ST组中被判为ST的年份。在借助统计软件SPSS13.0的计算分析下，发现大多数指标未能通过正态性检验，本文采取了非参数检验法对16个变量进行显著性检验，并且运用向后逐步剔除法选取了几个能够充分反映企业财务状况是否良好的指标，最终针对这八个季度分别筛选了三到五个指标来表达当
在分析过程中结合了Logistic回归估计模型，将财务预警系统表达成了在未来被判定为ST的概率是多少。最后在模型检验过程中，本文采用了相同数量的检验样本，同时包括ST的与非ST的检验样本，结果显示，在被判为ST的前两年和前三年的八个季度的报表数据中，使用估计出来的模型检验的正确率均为70％以上，个别季度达到了90％以上。而且越接近被ST的年份，准确率越高。可见Logistic模型在财务预警过程中具有非常好的实用性，具有较好的预测能力。
本文第一章首先阐述了选题的意义及背景，和截止到目前为止国内外的研究状况。同时进行了相关的国内外文献回顾。
第二章中介绍了财务预警理论发展以来所使用过的模型。包括单变量判别模型，经典Zscore多变量模型，财务指标与非财务指标的选择，Probit模型，Logistic模型以及非统计类财务预警模型。
第三章是关于模型构建的前期准备，包括研究对象的界定，上市公司的分析，研究思路以及财务指标的选取。本文把处于财务危机的公司定义为被判为ST的上市公司。根据相关规定，当上市公司的财务状况出现异常时，证券交易所需要对其交易进行特别处理(被ST)，以保障投资者的权益。因此，可以认为，被ST的公司是处于财务危机的上市公司。另外，和以往研究单一行业不同，本文选取的上市公司基本上涵盖了所有的行业，具体的行业分类参照证监会行业分类标准，一共有23个行业。具体的备选财务指标参照了上市公司发布的季报中所公布的所有指标。
在第四章中，本文基于80家ST公司与160家非ST公司构建了Logistic回归模型。首先从财务危机的定义出发，阐述了选择样本的标准，分析了我国上市公司的大体分布情况后，以T—3年第四季度为例，在运用非参数检验法(Kolmogorov—Smiroy检验和Kruskal—Wallis H检验)和向后逐步剔除法(Backward Stepwise)在16个财务指标中选取了较为能够表达财务状况的几个指标，构建了一个logistic模型。接下来是模型的检验。本文选取了和模型估计组的上市公司处于相同行业的，相同规模的对照组最为模型的检验组，用于检验模型的预警能力。结果表明该模型具有良好的预警能力。
最后一章是结论，财务预警模型的一些优缺点以及改进的建议，包括指标的选取，公司的选取上有很多问题值得商榷。