论文部分内容阅读
财务危机不仅危及到企业自身的生存与发展,而且还影响到投资人、债权人和国家的利益。随着我国市场经济体制改革的深化和资本市场的快速发展,经济领域中的复杂性、不确定性日益凸显,企业发生财务危机乃至破产倒闭的情形越来越多。因此,建立财务预警系统,有效地防范财务危机的出现,已是刻不容缓的财务管理研究课题之一。 本文采用实证分析的方法对我国上市公司财务危机进行预测研究。以净资产收益率为配对样本的选取标准,选择了24家处于财务危机的公司和24家财务正常的公司为样本。利用判别分析(Fisher判别)、Logistic判别、神经网络以及数据挖掘四种方法对上市公司财务危机进行预测研究,并对运用不同方法建立的模型的预测效果进行比较,建立了时间跨度为6年的上市公司财务危机预测模型。 与以往的研究不同的是,本文在研究思路和研究方法上进行了创新。考虑到在建立财务危机预测模型时,无论国外还是国内学者,他们的研究都是以会计信息是真实的这一假设为前提条件来建立财务危机预警模型的,然而事实上国内外的上市公司都不同程度的存在着会计信息虚假利润操纵等行为,这就使财务危机预警系统的应用缺乏实际意义。因此,本研究把非财务指标纳入到了财务危机预测体系中。此外,本文还尝试把数据挖掘技术的成熟算法C5.0引入到财务危机的建模过程中。 从研究的结果上看:第一,引入非财务指标后建立的模型的预测能力均要比仅使用财务指标而建立的模型更为理想。本文共采用了四种方法对上市公司财务危机进行预测,包括两种统计方法和两种非统计方法,除了数据挖掘的方法以外,均发现引入非财务指标之后模型的预测能力增强。但数据挖掘的方法对于引入非财务指标并不敏感。这说明在建立财务危机预警模型时,考虑财务指标以外因素的影响并通过一些技术手段来减轻其对建立模型的影响,是可行的、其效果也是明显的。 第二,从本研究运用的四种技术手段建立模型的结果上看,这四种方法都具有较好的预测效果。另外,数据挖掘的方法预测效果要好于神经网络模型和Logistic模型,多元判别分析方法的预测效果则次之。