淺談基于logistic模型的上市公司財(cái)務(wù)困境預(yù)警論文

《淺談基于logistic模型的上市公司財(cái)務(wù)困境預(yù)警論文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、淺談基于Logistic模型的上市公司財(cái)務(wù)困境預(yù)警論文基于Logistic模型的上市公司財(cái)務(wù)困境預(yù)警論文導(dǎo)讀：本論文是一篇關(guān)于基于Logistic模型的上市公司財(cái)務(wù)困境預(yù)警的優(yōu)秀論文范文,對(duì)正在寫有關(guān)于公司論文的寫有一定的參考和指導(dǎo)作用,一、引言　　隨著我國(guó)資本市場(chǎng)快速發(fā)展，上市公司已經(jīng)成為國(guó)民經(jīng)濟(jì)發(fā)展的重要組成部分，對(duì)上市企業(yè)的直接或間接投資也已成為投資者的重要投資渠道。上市公司的財(cái)務(wù)運(yùn)轉(zhuǎn)狀況不僅關(guān)系到公司的發(fā)展能力，也逐漸成為投資者進(jìn)行投資決策的重要參考因素。隨著我國(guó)上市公司退市制度的健全，能否及時(shí)有效地監(jiān)測(cè)上市公司財(cái)務(wù)狀況，以便預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)并及時(shí)采取有效的措施防范，逐漸成為上

2、市公司管理層、投資者、債權(quán)人十分關(guān)注的理由。對(duì)上市公司管理層而言，可以根據(jù)財(cái)務(wù)預(yù)警系統(tǒng)提供的相關(guān)信息，隨時(shí)發(fā)現(xiàn)企業(yè)財(cái)務(wù)運(yùn)轉(zhuǎn)的各種預(yù)警及惡化信號(hào)，從而可以及早采取應(yīng)策略略。對(duì)投資者或債權(quán)人而言，財(cái)務(wù)預(yù)警可以為投資決策提供依據(jù)，避開(kāi)投資損失或減少損失；債權(quán)人可以根據(jù)財(cái)預(yù)警系統(tǒng)提供的相關(guān)信息，對(duì)貸款決策及債務(wù)風(fēng)險(xiǎn)監(jiān)控，防止因公司破產(chǎn)倒閉而產(chǎn)生壞賬。　　二、文獻(xiàn)綜述　　（一）國(guó)外研究國(guó)外關(guān)于公司困境（或者破產(chǎn)）預(yù)測(cè)的研究較多，其成果比較成熟。最早的代表性研究成果是Fitzpatrick（1932）建立的財(cái)務(wù)預(yù)警模型，他運(yùn)用單個(gè)財(cái)務(wù)比率指標(biāo)將樣本分為破產(chǎn)與未破產(chǎn)兩組，研究發(fā)現(xiàn)判別能力最高的指

3、標(biāo)是凈利潤(rùn)/股東權(quán)益、股東權(quán)益/負(fù)債。不過(guò)，Beave（1966）利用79對(duì)樣本公司數(shù)據(jù)檢驗(yàn)了不同財(cái)務(wù)指標(biāo)對(duì)公司破產(chǎn)的預(yù)測(cè)能力，研究發(fā)現(xiàn)最好的判別指標(biāo)是流量/總負(fù)債與資產(chǎn)負(fù)債率，越臨近破產(chǎn)誤判率越低。當(dāng)然，不同指標(biāo)隨著使用目的不同，判斷的準(zhǔn)確性可能存在較大差別。Altman（1968）根據(jù)行業(yè)和資產(chǎn)規(guī)模差異，選取了33家破產(chǎn)公司與33家非破產(chǎn)配對(duì)公司作為樣本，選用22個(gè)指標(biāo)作為破產(chǎn)預(yù)測(cè)變量，研究結(jié)果顯示，在破產(chǎn)前一年預(yù)測(cè)準(zhǔn)確性較高，但在破產(chǎn)前五年預(yù)測(cè)準(zhǔn)確性較低，該模型即被稱為Z模型基于Logistic模型的上市公司財(cái)務(wù)困境預(yù)警由專注畢業(yè)論文與職稱論文的.zglan模型相類似的還有D

4、eakin（1972）建立的概率模型等。此外，具有代表性的研究是Ohlsom（1980）建立的模型，他使用邏輯回歸策略研究了破產(chǎn)概率分布、判別錯(cuò)誤概率以及分割點(diǎn)關(guān)系，研究發(fā)現(xiàn)公司規(guī)模、資產(chǎn)結(jié)構(gòu)、公司業(yè)績(jī)和資產(chǎn)變現(xiàn)能力對(duì)公司破產(chǎn)概率具有較大影響。其他學(xué)者，大多以上述研究為基礎(chǔ)，分別建立了多指標(biāo)模型等?！　。ǘ﹪?guó)內(nèi)研究國(guó)內(nèi)關(guān)于上市公司財(cái)務(wù)困境的研究起步相對(duì)較晚，但也取得了不錯(cuò)的成果。陳靜（1999）首次利用上市公司的配對(duì)數(shù)據(jù)研究了公司財(cái)務(wù)困境理由，利用27家ST公司和27家非ST公司的財(cái)務(wù)數(shù)據(jù)，分別進(jìn)行了單變量分析與二類線性判定分析。張玲（2000）利用60家公司的財(cái)務(wù)數(shù)據(jù)計(jì)量估計(jì)了

5、二類型線性判別模型，并使用其他60家公司對(duì)模型進(jìn)行檢驗(yàn)，研究發(fā)現(xiàn)二類型模型具有較強(qiáng)的預(yù)測(cè)能力。吳世農(nóng)和盧賢義（2001）利用140家上市公司為研究對(duì)象，應(yīng)用了剖面分析和單變量判定分析法研究了財(cái)務(wù)困境發(fā)生前5年公司財(cái)務(wù)指標(biāo)的變動(dòng)，進(jìn)而構(gòu)建三種預(yù)測(cè)財(cái)務(wù)困境模型，為后續(xù)研究提供了較好的基礎(chǔ)。就具體研究策略來(lái)看，眾多學(xué)者相繼采用了各種策略建立了財(cái)務(wù)預(yù)警模型，主要包括神經(jīng)X，絡(luò)策略（楊保安，2002；馬超群、吳麗華，2009；周昊旬，2011；等）、灰色理論策略（秦小麗、田高良，2011）、統(tǒng)計(jì)分析策略與Logistic模型（孔寧寧、魏韶巍，2010；汪超群、黃曉莉，2011；張恒等，201

6、1）?！　【C上所述，財(cái)務(wù)預(yù)警的主要目的是尋找一套有效預(yù)測(cè)上市公司財(cái)務(wù)狀況的策略，以避開(kāi)上市公司破產(chǎn)導(dǎo)致經(jīng)濟(jì)發(fā)展不穩(wěn)定等現(xiàn)象。Logistic模型是采用一系列財(cái)務(wù)比率變量來(lái)預(yù)測(cè)公司破產(chǎn)或違約的概率，然后根據(jù)公司、投資者的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警界線，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決策，其與多元判別分析法的本質(zhì)區(qū)別在前者不要求滿足正態(tài)分布。因此，本文采取Logistic回歸作為研究模型，利用2002-2010年上市公司的財(cái)務(wù)數(shù)據(jù)建立模型、以及模型檢驗(yàn)。　　三、研究設(shè)計(jì)　?。ㄒ唬颖具x擇本文從2002-2010年被特別處理上市公司中選取ST公司共60家、非ST公司60家，樣本總量為120家上

7、市公司，并將其作為樣本建立模型。（1）為獲得足夠的樣本數(shù)據(jù)進(jìn)行比較，將公司被特別處理前3年的數(shù)據(jù)作為樣本的時(shí)間范圍，這需要樣本必須具有較好的時(shí)間連續(xù)性和可比性。為表述方便，本文把公司被特別處理當(dāng)年稱t年，其中（t-1）、（t-2）、（t-3）分別代表被特別處理的前一年、前兩年和前三年。（2）在選取被特別處理公司時(shí)，需要剔除了上市兩年就被特別處理的公司。主要考慮到這些公司財(cái)務(wù)數(shù)據(jù)過(guò)少和存在嚴(yán)重包裝上市嫌疑，使得這些公司與樣本中其他公司不具有同質(zhì)性，也可能降低模型的可靠性