基于财务与非财务指标的财务困境预警研究——以制造业上市公司为例

本文以沪深A股市场2005-2009年294家制造业上市公司为样本,以因财务状况异常而被ST作为公司发生财务困境的标志,分别建立了仅包含财务比率指标的单一模型和同时包含财务和非财务指标的综合模型。研究结果表明,加入非财务类指标后的综合模型,无论是在预测能力方面还是在误判成本方面均得到显著优化。     

特别处理公司财务特征分析

选择在2004年—2006年,因财务状况异常而被特别处理的上市公司（简称ST公司）,同时选取同行业、规模相近的正常公司（简称nst公司）作为配对样本。通过比较两类公司财务报表项目均值,以及对t值的分析,总结出了财务困境公司的会计报表项目特征。力图在分析上市公司财务困境成因的基础上,探讨了各财务报表项目之间的关系以及它们对上市公司发生财务困境的预警作用。     

国有上市公司财务危机综合预警实证研究

本文采用多分类方法将样本公司分为财务危机公司、财务状况不稳定公司和财务健康公司,再利用2005~2010年的国有上市公司数据,运用主成分分析、因子分析和多项Logistic回归构建了综合财务危机预警模型。模型综合考量了财务指标、公司治理和金融生态环境三方面变量对于公司财务风险的影响,使综合预警取得了满意的预测精度。     

股票市场因素在财务困境风险评价中的应用——基于风险模型的实证分析

本文以Logistic离散时间风险模型为评价工具,检验了股票市场因素变量对中国上市公司财务困境风险的解释力与识别力.实证结果显示:公司的相对市值规模、股票换手率及股票收益率的波动性与财务困境风险显著相关.这说明股票市场生成与扩散信息及外部治理的功能发挥了一定作用.决策者应根据型Ⅰ类与型Ⅱ类错误成本的比率选择合适的截点.加入了股票市场因素变量后,与只包含财务变量模型的评价结果相比,模型的总体解释能力有了很大的提高,识别能力也有所增强.     

ST公司财务特征分析

本文选择在2005年因财务状况异常而被特别处理（ST）的上市公司,同时选取同行业、规模相近的非ST公司作为配对样本。通过比较两类公司财务报表项目均值,以及对t值的分析,总结出ST公司的财务报表项目特征。力图在分析上市公司财务困境成因的基础上,探讨各财务报表项目之间的关系以及它们对上市公司发生财务困境的预警作用。     

基于支持向量机财务预警模型的实证研究

本文结合主成分分析法和支持向量机模型,构建了一种新的上市公司财务困境预警模型,并对我国A股上市公司中80家因为“财务状况异常”而被“ST”的公司进行预测,结果表明效果理想。     

持续经营审计意见、公司治理和企业价值——基于财务困境公司的经验证据

以2003—2013年沪深A股财务困境类上市公司为研究样本，检验持续经营审计意见及公司治理对企业价值的影响。研究发现，持续经营审计意见与财务困境类上市公司未来企业价值显著负相关；公司治理水平与财务困境类上市公司被出具持续经营审计意见的概率显著负相关；然而高质量的公司治理水平会缓解持续经营审计意见对企业价值的负面影响。进一步研究发现，当上市公司为非国有时，高质量的公司治理水平缓解持续经营审计意见与企业价值关系的负面影响程度比国有企业更明显。     

我国信息技术类上市公司财务预警研究

<正>财务预警模型是指借助企业财务指标和非财务指标体系,识别企业财务状况的判别模型。建立财务预警模型,可以发现企业运行中存在的问题,及时采取措施,减少企业的损失。关于财务预警模型的研究始于Fitzpatrick(1932),在国内,选取上市公司财务指标建立通用模型的研究较多,但针对具体行业的财务预警模型研究较少。本文针对信息技术类上市公司构建财务预警模型。一、样本公司的选取我国证劵市场上市公司没有因财务问题而被破产清算的,所以选择上市公司中的ST公司作为陷入财务危机的企业。样本按照《上市公司行业分类指导》对行业的分类选择信息技术类上市公司进行研究。选取2012年被特别处理的7家信息技术类上     

上市公司财务困境与资产替代行为研究

在我国国有股“一股独大”以及债权人保护较弱的制度背景下,大股东侵占债权人利益的动机和能力同时存在。鉴于证交所对财务困境公司的ST处理规定,这类公司为了避免退市,须在较短的时间内扭亏为盈。为此,其大股东更易通过资产替代行为对债权人利益进行侵占。本文以沪深两市2002年至2006年的A股上市公司为研究样本,考察了不同财务状况下大股东的资产替代行为。发现财务困境企业的资产替代行为确实比非困境企业严重,且财务状况越差,资产替代行为越严重.     

三元财务困境预警模型的样本分类探讨

财务困境预测是评判上市公司未来经营走势的重要理论。本文对三元财务困境预警模型的样本分类提出了一些新的看法,通过多因素方差分析提取若干对经营成败具有显著影响的财务指标,并依据各财务指标与经营成败之间的相关性大小,建立函数关系式,最后根据函数值大小将非ST公司分为两类,从而将全部上市公司分为3类．     

上市公司财务困境与资产替代行为研究

在我国国有股一股独大以及债权人保护较弱的制度背景下,大股东侵占债权人利益的动机和能力同时存在。鉴于证交所对财务困境公司的ST处理规定,这类公司为了避免退市,须在较短的时间内扭亏为盈。为此,其大股东更易通过资产替代行为对债权人利益进行侵占。本文以沪深两市2002年至2006年的A股上市公司为研究样本,考察了不同财务状况下大股东的资产替代行为,发现财务困境企业的资产替代行为确实比非困境企业严重,且财务状况越差,资产替代行为越严重。     

电力行业上市公司股票价格影响因素实证分析

影响上市公司股票价格波动的因素很多,其中财务业绩无疑是最重要的。利用统计和计量方法对上市公司财务状况进行分析,进而找出与股票价格的关系,我们发现股票价格与反映公司盈利能力的每股收益变量呈显著正相关,与流通股本规模呈显著负相关。     

引入非财务变量的上市公司财务困境预警

本文选取沪深两市A股2010~2013年52家首次ST公司和52家从未被ST公司作为研究样本,引入盈利能力、股东获利能力、营运能力、发展能力、风险水平和偿债能力六个方面的财务变量,以及股权结构、公司治理、重大事项、人力资本4个方面的非财务变量,使用Fisher判别与Logistic回归两种方法建立ST前3年的财务困境预警模型。实证研究表明,加入非财务指标可以提高财务困境预警的准确率,且Logistic回归方法建立的预警模型的预测效果更好。     

基于多层感知器的上市公司财务危机预警研究

基于可持续发展理论,对财务危机进行了量化界定,以我国资本市场的200家首次因连亏两年而被*ST的上市公司为研究对象,使用财务与非财务变量,利用多层感知器构建了财务危机预警模型,测试样本的验证准确率达78％,效果较为理想,但也说明想进一步提升财务危机预警的准确率,除考虑公司内部因素的影响外,公司外部的其他因素,尤其是不可控因素也会对公司的财务状况产生影响.     

EVA视角的上市公司财务预警实证研究

本文以我国A股上市公司为研究对象,选取了65家处于财务困境的公司和75家财务正常的公司为样本,在传统财务指标的基础上引入EVA,运用主成分分析法构建了财务困境模型。结果表明,相对于传统的财务指标,EVA对企业的财务困境具有较强的判别能力,模型具有超前的预测能力。     

上市公司财务困境比率征兆研究

财务困境征兆是指企业陷于财务困境之前的某些特征,主要表现为财务困境与非财务困境企业的某些财务指标、财务项目具有显著差异。陈晓(《中国财务与会计研究》2000年9月)研究ST与非ST公司八大类财务指标后,发现ST公司财务指标在被特别处理前的(t-2)财政年度具有如下特征:ST公司的流动比率、速动比     

上市公司财务困境的回归预测

在合理选择财务指标的基础上,利用因子分析计算个体综合因子得分,并在综合因子得分与财务指标之间建立回归预测模型;最后,择取2003年“财务状况异常”的上市公司来检验模型的合理性,证明了模型对陷入财务困境的公司有较高的预测准确性。判断财务困境的回归模型引入和其较方便的操作性,可以使证券市场及时发现财务失败公司,市场监管者可以减少公司违规、违法的监督成本,证券投资者可以缩小择股范围、加大投资的准确性。同时,通过上市来融资的股份公司也可以利用其预警作用,提前采取对策,防止出现因财务进一步恶化而被退市的命运。     

遗传算法优化上市公司财务预警的实证研究

<正>一引言企业进行预测、防范、控制和处理财务危机,迫切需要建立一个有效的财务困境预测系统,以便对公司的未来财务状况进行分析和预测,及时将企业财务困境扼杀在萌芽状态。本文针对我国目前上市公司的具体情况,利用我国上市公司近几年的数据资料,分别采用BP神经网络和遗传算法优化BP神经网络的方法,构建了基于财务指标和引入非财务信息的财务危机预警模型,旨在财务危机模型系统的实证研究方法上有所创新,提高模型预测的准确度和建模速度,同时扩大模型的适用性。     

上市公司财务预警机制指标选择的实证研究——基于ST与非ST企业的GLM与二元Logit模型分析

本文选取上市公司2009年ST与非ST企业的杜邦财务指标体系进行多元标准化处理后分别建立多元形象分析与二元Logit模型。发现二元Logit模型对上市公司财务困境境况有明显的判别作用;财务指标有助于企业、投资者以及监管机构考察上市公司财务状况以便进行决策判断。     

上市公司财务预警研究——基于新疆的数据分析

财务危机预警是防范财务危机发生的重要手段。本文2009年对新疆上市公司财务状况进行了实证研究。结果发现:上市公司盈利能力、成长能力、营运能力、偿债及资本结构指标。越好,发生财务困境可能性越小;反之则越大。