上市公司财务困境预测实证研究.doc

上市公司财务困境预测实证研究

马喜德
厦门大学金融系
福建厦门，361005
Email:HYPERLINK"mailto:[e-mail]"[e-mail]

工作论文

2003.10.12

内容摘要
财务困境预测是金融领域一个重要的研究课题。自上世纪60年代以来，随着企业破产问题的日益严重，各国学者纷纷试图通过定量分析对企业破产提前作出预测。近五十年来，从多元判别分析等线性预测模型，到以神经网络模型为代表的各种非参数预测模型，相关的研究成果层出不穷。但是，在国内对公司财务困境预测的研究才刚刚起步，其主要原因是1993年7月1日之前我国并没有实施统一的会计准则，缺乏可靠的规范的研究数据。因此，研究如何利用国外现有的研究成果，结合中国的实际对企业破产作出准确的预测，是摆在我们面前迫切需要解决的问题。
中国证券市场历经十三年的发展，规模日益壮大。面对这么庞大的市场，如果能借助财务困境预测模型对上市公司的财务危机提前作出预测，不管对于监管者、银行、上市公司或者投资者来说，都具有重要的意义。
本文以中国上市公司作为研究对象，将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，采用逐步判别分析方法筛选自变量，并利用多元判别分析（MDA）、Logistic回归和BP神经网络三种方法进行财务困境预测，比较其预测结果。研究发现，速动比率、营运资本/流动资产、利息保障倍数、总资产周转率、营业收入净利润率、流动资产净利润率和主营业务利润/利润总额等财务指标具有较强的预测能力；比较三种方法，发现BP神经网络的预测能力最强，Logistic回归模型的预测能力次之，多元判别分析的预测效果最弱；采用BP神经网络模型可以在上市公司被ST的前3年以87％的准确率预测出企业即将陷入财务困境。
本文共分四章，引言部分介绍研究背景和研究意义；第一章是国内外财务困境预测研究概述；第二章介绍本文的主要设计，包括研究样本、财务指标的选取和模型的构建；第三章对实证研究的结果进行分析，比较了多元判别分析、Logistic回归和BP神经网络三种方法的预测效果；第四章是研究结论。

关键词：上市公司、财务困境、实证研究
EmpiricalStudyofFinancialDistressPredictionofPublicCompany
Abstract
FinancialdistressPredictionisanimportantfieldinFinance.Since1960s,moreandmoreresearcherstrytopredictbankruptcythroughquantitativeanalysis.Intherecent50years,manymodelssuchasMultivariateDiscriminantAnalysisandNeuralNetworkcomeout.However,inourcountry,financialdistresspredictionjustbegins.ThemainreasonisthelackofuniformAccountantRulebeforeJuly,1,1993.Thus,ItisurgentforustoworkonfinancialdistresspredictioninChina.
Inthelast13years,theChinesesecuritymarketdevelopedrapidly.Becausetherearesomanypubliccompanies,ifwecanpredictthefailureofthembeforehand,itissignificantnotonlyforsupervisor,bankandinvestors,butalsoforpubliccompaniesthemselves.
Thisstudyregardspubliccompaniesreceivedspecialtreatmentasasignaloffinancialdistress,andtrytopredictfinancialfailureofpubliccompaniesinChina.IusestepwisediscriminantanalysistoselectfinancialratiosanduseMultivariateDiscriminantAnalysis,LogisticRegressionandNeuralNetworkmodeltopredictfinancialdistress.Ifindthatquickratio,workingcapital/curre