基于判别分析法的上市公司财务困境预警研究

从财务困境的界定、样本的设计、变量的选择、实证方法的应用等方面系统的回顾了相关的主要成果和问题。以我国上市公司为研究对象,选取了2004年到2006年深沪股市A股市场43家ST公司和43家非ST公司为样本,56家上市公司为检验样本。以被ST的前3年为限,9个财务指标作为判别变量,应用判别分析法建立模型。并用检验样本对模型进行检验。     

我国上市公司财务困境的预测模型研究

本文以我国上市公司为研究对象 ,选取了 70家处于财务困境的公司和 70家财务正常的公司为样本 ,首先应用剖面分析和单变量判定分析 ,研究财务困境出现前 5年内各年这二类公司 2 1个财务指标的差异 ,最后选定 6个为预测指标 ,应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法 ,分别建立三种预测财务困境的模型。研究结果表明 :(1 )在财务困境发生前 2年或 1年 ,有 1 6个财务指标的信息时效性较强 ,其中净资产报酬率的判别成功率较高 ;(2 )三种模型均能在财务困境发生前做出相对准确的预测 ,在财务困境发生前 4年的误判率在 2 8%以内 ;(3)相对同一信息集而言 ,Logistic预测模型的误判率最低 ,财务困境发生前 1年的误判率仅为 6 .47%     

“掏空”行为与上市公司财务困境预测

文章以中国上市公司为研究对象,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司陷入财务困境的标志,从公司治理和经济原因的角度研究财务困境,尤其考察了大股东"掏空"行为对上市公司的影响。采用多元逻辑回归模型寻找利用公开的财务数据预测中国上市公司财务困境的预测模型和变量。文章所建立的模型能准确预测出81.25%的在下一年进入ST板块的公司,模型表明控股股东的"掏空"行为是导致上市公司陷入财务困境的重要原因。     

关于财务困境预测问题的探讨

财务困境作为一个前沿的课题,已经得到了长足的发展。本文主要针对财务困境预测的理论依据、预测变量选择以及多分类问题分析探讨。根据对国内外文献梳理,提出后续展望。     

基于价值创造和公司治理的财务状态分析与预测模型研究

我国约70%的上市公司处于价值损害状态。考虑到公司在对债权人违约之前,必先经历损害股东价值的阶段。因此,本文根据“价值创造观”(Value-Creation)来考察“价值损害型公司”的动态变化及其影响因素,并收集我国1998—2003年540家价值损害型上市公司的有关财务变量,首次引入公司内外部治理变量,应用“排序因变量模型”分析财务状态变化的影响因素,并采用“人工神经网络技术”,预测价值损害型企业的五种变化趋势:财务康复、财务转好、财务维持、财务转差或财务困境。结果表明:(1)总资产收益率等财务指标的改善,公司治理水平的提升或投资者保护程度的增强都有助于公司财务康复,反之则将导致公司陷入财务困境。(2)若公司在T年被界定为价值损害型公司,当采用T年和T+1年的数据分别构造“LMBP神经网络模型”来预测企业T+2年的财务状况的五种态势时,则预测准确率分别为55.1%和77.8%。(3)除财务指标外,股票超额收益率、本文构造的公司治理指数和投资者利益保护指数有助于预测价值损害型企业未来财务状态的变化趋势。     

高管成群离职行为在财务困境预警中的信息含量实证研究——基于中国2008-2009年制造业新增ST公司的证据

以2008-2009年中国制造业新增ST公司为样本,按同行业原则选取对照样本,根据上市公司公布的财务指标和高管离职率作为预警变量,构建Logistic回归预警模型,比较预警效果.研究发现,制造业上市公司财务困境形成路径清晰;高管离职率对财务困境具有显著预警作用;高管成群离职的首要因素不是报酬偏低,而是对公司的困境预期;公司陷入财务困境的潜在因素是大股东的过度干预.     

上市公司财务困境预测模型的再比较

该文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic 回归和改进型 BP 神经网络三种方法进行财务困境预测.比较其预测结果发现,BP 神经网络模型的预测准确率明显优于多元判别分析和Logistic 回归模型,而后两者的判别效果接近,可见改进型 BP 神经网络模型更适合于企业财务困境预测.但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性.     

现金流量信息含量与财务困境预测--基于2003年度ST公司的实证研究

本文以2003年度40家ST公司和80家非ST公司为研究样本,考察了现金流量信息在财务困境预测中的信息含量,研究发现：(1)在我国上市公司陷入财务困境前1年,经营性现金流量的相对信息含量仅次于资产报酬率,而在财务困境前2年,经营性现金流量的相对信息含量仅次于资产周转率,经营性现金流量的相对信息含量具有一定的稳定性;(2)无论在财务困境前1年还是前2年,经营性现金流量在会计比率的基础上均具有显著的增量信息含量,而在财务困境前2年,投资性现金流量也具有增量信息含量;(3)同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据。     

基于粗糙集与信息熵的上市公司财务困境预警指标的确立

本文以界定因财务状况异常而被列为特别处理公司作为财务困境标志来研究中国上市公司的财务困境预警指标的确立.运用粗糙集和信息熵原理,基于沪深两市所有A股上市公司数据,我们提出了一种客观选择财务困境预警模型指标的方法.并且通过实证分析证明了财务指标作为建立财务困境预警模型基本指标的不可替代作用、分行业分资产规模建立上市公司财务困境预警模型的合理性以及现金流量指标引入预警模型的重要性.     

现金流量信息含量与财务困境预测

本文选取40家ST公司和80家非ST公司作为财务困境与非财务困境样本，考察了现金流量信息在财务困境预测中的信息含量．研究发现：(1)在我国上市公司陷入财务困境前1年，经营性现金流量的相对信息含量仅次于资产报酬率，而在财务困境前2年，经营性现金流量的相对信息含量仅次于资产周转率，因此经营性现金流量的相对信息含量具有一定的稳定性；(2)无论在财务困境前1年还是前2年，经营性现金流量在会计比率的基础上均具有显著的增量信息含量，而在财务困境前2年，投资性现金流量也具有增量信息含量，同时加入经营性现金流量和投资性现金流量可使模型总误判率最低。本文的研究结果为今后财务困境预测研究充分挖掘现金流量的预测价值提供了实证依据?