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。     

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%     

现金流量指标的财务信息评价能力分析——基于制造业和零售业企业的实证研究

本文对我国制造业、零售业共173家样本公司的15个现金流量指标进行了因子分析,试图确定现金流量指标的财务信息评价能力。通过定量研究得出：（1）总资产现金流量率、销售现金比率和经营活动现金流入流出比率对于反映企业获现能力具有代表性,现金流增量指标并不能反映企业的获现能力;（2）即付比率和流动资产现金比率对于反映企业偿债能力具有代表性,而现金流动负债比、全部债务现金流比率与获现能力指标具有相似的信息含量;（3）行业差异及企业经营环境对现金流增量指标和盈利质量指标影响较大,应结合行业特征和经营环境对相应的指标的信息含量进行具体的分析评价。     

创业板上市公司财务预警研究

为了对退市前的创业板上市公司进行财务预警,本文选取93家创业板公司,包括64家财务健康公司和29家财务困境公司,分别使用两类人工神经网络模型和支持向量机模型,采用现金流量安全与否作为财务困境的标准,从20个财务指标提取10个,建立财务预警系统。研究结果表明,相对于人工神经网络模型,支持向量机模型能够较好地对小样本进行判别预测,是一种比较理想的财务预警模型。     

内部控制质量与财务困境恢复——基于2007年～2011年沪深A股ST公司数据

笔者以2007年～2011年期间沪深A股ST公司为样本,采用logistic回归模型实证分析内部控制质量与财务困境恢复的关系。研究表明,内部控制总体质量水平对ST公司的财务困境恢复具有显著的积极作用。内部控制中的控制环境、风险评估和来自公司内部的监督相较于其他方面更有利于帮助困境公司恢复。而摘帽ST公司的内部控制质量水平对其是否"再次被ST"具有反向作用,内部控制质量低的摘帽公司再次陷入财务困境的可能性较大。笔者提出继续加强内部控制建设和完善内部控制评价体系等相关策略,从内控角度帮助ST公司尽快摘帽和摆脱财务困境。     

“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。     

基于可变精度粗糙集模型的上市公司财务困境预测

基于可变精度粗糙集模型对上市公司财务困境预测进行的研究表明,可变精度粗糙集模型对ST公司的预测准确度达到了85%,对正常公司的预测准确度达到了65%,总的预测准确度达到了75%;而将ST公司误判为正常公司的错误率为15%,将正常公司误判为ST公司的错误率为35%,平均误判率为25%.因此总体而言,可变精度粗糙集模型具有较好的预测能力.     

我国上市公司财务风险预警的实证研究——以制造行业为例

本文采用了实证分析方法,从我国上市公司中选择了70家制造企业作为样本(包括35家ST企业和35家非ST企业),选定了5个基础分析指标。随机选取50家配对样本,运用logistic回归模型建立财务预警模型,对其余20家检验样本预测准确达到65%以上,这说明logistic模型在预测公司发生财务困境(亏损)方面是比较有效的。     

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.     

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。