上市公司严重的财务问题,给证券市场上各相关利益方造成了很大损失,各相关利益方迫切需要建立一个能预先发出财务危机警报信号的财务危机分析系统,因此上市公司财务危机预测成为一个被广泛关注的研究课题。随着相关理论的发展和研究方法的改进,这一研究不断得到推广。上市公司财务危机的预测,它不仅具有较高的学术价值,而且有着巨大的社会应用价值,目前正逐步完善的中国经济,更加迫切地需要完善经济预测方法。建立经济预测系统,取得较为成熟的财务危机预测研究成果,对于我国日益发展但尚不成熟的证券市场、走向市场开始自负盈亏的商业银行和刚刚经历改制开始自担风险的会计师事务所来讲,意义显得非常重大。本文首先对国内外关于上市公司财务危机预测的经典文献进行了回顾和总结,并按照方法的不同分为了统计类财务危机预测与非统计了财务危机预测。统计类财务危机预测包括的方法主要有一元判别法、多元线性判别法、多元逻辑回归法和逐步判别分析法等;非统计类财务危机预测包括的方法主要有递归划分算法、BP神经网络、破产预测法、灾害理论、混沌系统和期权定价法等,在回顾和总结的基础上。同时对这些方法作了一个简要的评价。其次,是对上市公司财务危机的定义、基本特征进行介绍。由于目前上市公司财务危机理论还不成熟,不同学者对财务危机的定义有着不同的理解。在本文中,结合我国的实际情况,作者把上市公司被特别处理(即被ST处理)作为发生财务危机的标志,研究中将财务危机确切界定为财务状况异常而被ST处理。紧接着又分别从宏观的外部因素和微观的内部因素来分析上市公司财务危机的原因。在研究样本的选择上,本文先选择了2006年新增的35家ST公司作为研究样本中的财务危机公司。为了消除行业、规模因素对上市公司的影响,在选择配对非财务危机公司的时候,并严格按照“行业相同,规模相近”的标准,从我国沪深两市中的上市公司中选出了35家配对的非财务危机上市公司。在样本的数据选择方面,考虑到预测模型的精度与财务指标的信息含量和时效性有关,同时结合我国上市公司的年报披露制度,本文中采用上市公司被ST前1年即2005年的年报数据为基础建立预测模型,这样既可以避免由于模型中各样本数据时间跨度太长所带来的诸多问题,如宏观经济形势、通货变化等的影响,又能够提高模型的预测精度,不损害其实际应用性,达到了两者的最佳结合。在指标的选择中,本文作了一定程度的创新。由于本文主要考察是对上市公司财务危机进行预测,因此主要选择财务指标中能够反映出上市公司营运能力、偿债能力、获利能力三个方面的重要指标,同时考虑到指标数据资料收集的难易程度等影响因素,本文没有将尽可能多的财务指标纳入筛选的范围,而且直接选取与财务危机相关性比较强的几个财务指标进行处理和分析,这些指标包括:应收帐款周转率、存货周转率、流动资产周转率、总资产周转率四个指标侧重于考察上市公司的营运能力;流动比率、速动比率、资产负债率三个指标侧重于考察上市公司的偿债能力;营业收入净利润率、总资产净利润率、每股收益三个指标侧重于考察上市公司的盈利能力。此外,除了通过财务指标进行分析以外,还引入了非财务指标进行财务危机的分析,这也是本文的一个创新之一。因为从国内外学者的研究情况来看,对于我国上市公司财务危机的研究,大多数人都是通过财务指标来进行上市公司财务危机的分析和预测,而对于通过非财务指标来对上市公司财务危机预测的研究相对要少一些。这可能会出现两个方面的问题:一方面忽略了上市公司财务报告中其他含有隐含信息的部分;另一方面,其得到的结果必须建立在上市公司财务报告数据能够真实反应公司真实经营状况的假设基础上,在我国进行财务危机预测时对于财务指标的使用尤其要注意这些问题。由于历史原因,我国现有的会计制度还不健全,从业人员素质参差不齐,数据质量不尽如人意,信息有效性不足、信息失真、虚假陈述等问题不容忽视。在这种情况下,完全使用上市公司财务报告数据的财务指标进行分析,存在一些方面的问题:上市公司财务报告是经营的结果,也可能包括管理层操纵的结果。在产生严重后果之前,这些财务报告可能掩盖了某些真实的情况。因此,本文将非财务指标引入到模型中,希望能够挤掉报表中的水分,弥补报表变量真实性方面可能存在的不足,以提高模型的准确率。在通过指标的二次筛选以后,本人运用了两种最典型的统计类方法Fisher判别分析法和Logistic回归分析法对上市公司财务危机预测进行实证性研究。得到的结论是:从纵向上看,对上市公司财务危机预测的分析中,使用Fisher回归模型时,在引入了非财务指标后,可以使判别结果得到一定程度的改善;使用Logistic判别分析模型时,在引入非财务指标后,可以使模型的准确率得到一定程度的提高。这说明在仅使用财务指标建立模型,和引入非财务指标后建立模型,所得到的结果在准确性上有一定程度的差别;而将非财务指标引入模型,可以使得模型的准确性得到一定程度的改善。从横向上看,将使用Fisher回归模型所得到结果和使用Logistic判别分析模型所得到结果进行对比,无论是仅使用财务指标建立模型还是将非财务指标引入模型,都可以发现在整体上使用Logistic判别分析模型进行预测的准确率要明显高于使用Fisher回归模型的准确率,使得预测结果的可信度大幅度增加。