上市公司财务危机预警.docx

上市公司财务危机预警摘要本文选取在2004—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。通过比较两类公司的财务指标均值，以及对t值的分析，总结了危机公司的财务指标特征。力图在分析上市公司财务危机成因的基础上，探讨各财务指标对上市公司发生财务危机的预警作用。关键词财务危机；上市公司；财务指标一、引言随着资本市场的不断发展与完善，对上市公司财务危机进行预警研究一直是国内外学术界的热点问题之一。企业陷入财务危机对企业投资者、债权人、公司内部员工及其他相关利益者都有不同层次的影响，因此，能够利用财务信息准确预测财务危机，对于企业和社会各个方面都具有重要的意义。财务危机(Financialcrisis)又称财务困境(FlnanciaIdjstress)，国外的学者一般以破产为标准展开研究。由于我国的破产机制不健全。目前国内的学者绝大多数以特别处理的上市公司作为研究对象(朱家安、陈志斌。2007)。二、文献回顾与研究方法(一)国外文献回顾与研究方法Fitzpatrick(1932)开展单变量破产预测研究。他以19家公司作为样本。运用单个财务比率将样本划分为破产和非破产两组，他发现判断能力最高的是净利润／股东权益和股东权益／负债两个比率。Beaver(1966)提出了单变量判定模型。他使用现金流／负债、流动资产／流动负债、净收入／资产、资产负债率、营运资本／资产等5个财务比率作为变量，运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况。其次是资产负债率。AItman(1968)提出了多元Z值模型。将若干变量合并入一个函数方程。用Z值进行判定，结果表明。在破产前一年的预测准确性较Beaver的研究有很大的提高。AItman、Haldeman和Narayanan于1977年又提出一种能更准确预测企业财务失败的新模型——ZETA模型。BIum(1974)以现金流量观点来评估企业发生财务危机的可能性。他以多元判别分析为研究方法，构建了一个包括“流动性、获利性及变异性等共12个财务比例与6个变异性指标”的财务危机预测模型。研究结果显示，模型在企业发生财务危机前5年的预测正确率较高。1977年Marttin在财务危机预警研究中首次采用了多元Logit回归法，取得了良好的预测效果。OhIson(1980)利用9个财务比率建构3个Logit模型，实证结果表明，其中4项财务资料对评估破产概率具有统计显着性。Odom和Sharda(1990)首先成功运用人工神经网络(ANN)进行财务危机预测。Coats和Fant(1991)对47家财务危机公司和47家正常公司运用神经网络模型进行判别时。对财务危机公司的预测准确率明显高于多元判别法的准确率。(二)国内文献回顾与研究方法国内学者陈静(1999)使用Beaver和Altman的模型。选用了1995-1997年3年的27家危机公司和27家同行业、同规模的公司的财务数据进行实证研究。得出了预测模型对中国市场有效的结论。陈晓、陈治鸿(2000)将多元逻辑回归模型引入上市公司的财务危机预测。张玲(2000)以120家上市公司为对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验。发现模型具有超前4年的预测结果。吴世农、卢贤义(2001)应用单变量判定、多元线性判别和多元逻辑回归方法。分别建立危机公司预测模型。结果证明。这些模型均获得较高的判定精度，在财务危机发生前4年的误判率在28％以内。张爱民、祝春山(2001)将主成分分析与Z分数模型相结合建立预警模型。实证检验表明通过此法处理研究变量后建立的模型具有较好的预测能力。杨保安(2001)、薛锋(2002)探讨了基于BP算法和LM算法的神经网络在企业财务危机预测上的应用。何沛俐、章早立(2002)建立了以时序立体数据空间为基础的财务危机判别模型，他们在Logit回归分析之前使用全局主成分分析，从而增强了模型的有效性。模型的准确率达到％。吕长江、周现华(2005)采用制造业上市公司1999-2002年4年的数据分别运用多元判别分析、逻辑线性回归模型和人工神经网络模型对财务状况处于危机的公司进行预测比较分析。结果表明：尽管各模型的使用有其特定的前提条件，但3个主流模型均能较好地在公司发生危机前1年和前2-3年较好地进行预测。其中。多元判别分析法要逊色于逻辑模型，神经网络模型的预测准确率最高。肖艳(2004)将传统财务指标与现金流指标结合起来，利用Logit方法构建了一个上市公司财务危机预警模型，建模样本的预测准确率为％，检验样本的预测准确率为％。张鸣(2004)研究认为审计意见能够在一定程度上揭示企业潜在的风险。在财务危机预警方面具有一定的