基于Logistic模型的上市公司風(fēng)險(xiǎn)預(yù)警研究【開題報(bào)告+文獻(xiàn)綜述+畢業(yè)論文】

《基于Logistic模型的上市公司風(fēng)險(xiǎn)預(yù)警研究【開題報(bào)告+文獻(xiàn)綜述+畢業(yè)論文】》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、本科畢業(yè)論文開題報(bào)告會(huì)計(jì)學(xué)基于Logistic模型的上市公司風(fēng)險(xiǎn)預(yù)警研究一、立論依據(jù)1.研究意義、預(yù)期目標(biāo)隨著國(guó)際金融市場(chǎng)的發(fā)展，多元化的金融工具和衍生工具在資本市場(chǎng)中得以運(yùn)用和發(fā)展。而在中國(guó)逐漸放開國(guó)門，使越來(lái)越多的領(lǐng)域出現(xiàn)多種資本合作經(jīng)營(yíng)的時(shí)代，企業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)也越來(lái)越復(fù)雜和多樣，企業(yè)發(fā)生財(cái)務(wù)困難甚至破產(chǎn)的現(xiàn)象越來(lái)越多，給企業(yè)和社會(huì)帶來(lái)嚴(yán)重的影響。上市公司作為自主經(jīng)營(yíng)、自負(fù)盈虧、自我發(fā)展的市場(chǎng)主體，面臨著日益多變的市場(chǎng)環(huán)境，隨時(shí)都要經(jīng)受財(cái)務(wù)危機(jī)的考驗(yàn)。因此，對(duì)于上市公司來(lái)說(shuō)，預(yù)防重于治療，在財(cái)務(wù)

2、危機(jī)發(fā)生前洞察先機(jī)，迅速采取相應(yīng)的措施進(jìn)行有效預(yù)防，具有重大的現(xiàn)實(shí)意義。對(duì)于企業(yè)自身發(fā)展來(lái)說(shuō)，首先，如何通過(guò)財(cái)務(wù)風(fēng)險(xiǎn)管理，建立內(nèi)部控制制度，找出內(nèi)部控制存在的問(wèn)題和缺陷，從而促使企業(yè)完善內(nèi)部控制制度，使其能夠全面、真實(shí)、準(zhǔn)確的反映企業(yè)的財(cái)務(wù)狀況和經(jīng)營(yíng)成果。實(shí)現(xiàn)科學(xué)決策、科學(xué)管理，形成完整的決策機(jī)制和制約機(jī)制。其次，強(qiáng)化風(fēng)險(xiǎn)意識(shí)，健全企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)控制，完善風(fēng)險(xiǎn)分析、評(píng)估的報(bào)告制度，提高對(duì)風(fēng)險(xiǎn)的敏感性，成為企業(yè)日益關(guān)注的重點(diǎn)。此外，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)成因的研究有助于企業(yè)價(jià)值最大化，價(jià)值最大化決定于企業(yè)未來(lái)獲利能

3、力和所面臨的風(fēng)險(xiǎn)。最后，企業(yè)可以利用此模型作為防范財(cái)務(wù)風(fēng)險(xiǎn)的手段，及時(shí)調(diào)整財(cái)務(wù)戰(zhàn)略和經(jīng)營(yíng)戰(zhàn)略，防患于未然；對(duì)于投資者來(lái)說(shuō)，通過(guò)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型及時(shí)掌握企業(yè)的發(fā)展現(xiàn)狀和未來(lái)的財(cái)務(wù)趨勢(shì)，可以為防范投資風(fēng)險(xiǎn)提供有益的參考，從而使有限的資金合理配置；對(duì)于債權(quán)人來(lái)說(shuō)，通過(guò)此模型可以判斷借款和債權(quán)投資的安全性和信用風(fēng)險(xiǎn)，決定是否為上市該公司融資，減少因錯(cuò)估財(cái)務(wù)風(fēng)險(xiǎn)所引起的損失。對(duì)于政府來(lái)說(shuō)，通過(guò)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型可以及時(shí)動(dòng)態(tài)掌握上市公司企業(yè)的現(xiàn)狀，了解關(guān)系國(guó)計(jì)民生的各個(gè)領(lǐng)域的發(fā)展情況，進(jìn)行有力的監(jiān)督和及時(shí)的宏觀調(diào)控

4、，保證社會(huì)的穩(wěn)定和各行業(yè)的有序發(fā)展。由此可見，財(cái)務(wù)風(fēng)險(xiǎn)管理是企業(yè)價(jià)值管理不可分割的一部分，是關(guān)系企業(yè)、國(guó)家、社會(huì)的重大命題。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究有助于對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，動(dòng)態(tài)了解企業(yè)發(fā)展的現(xiàn)狀和未來(lái)的趨勢(shì)，及時(shí)發(fā)現(xiàn)和解決企業(yè)財(cái)務(wù)管理中存在的問(wèn)題。本次研究通過(guò)Logistic模型選取我國(guó)深滬兩市最新的財(cái)務(wù)報(bào)表數(shù)據(jù)，從上市公司的制造行企業(yè)財(cái)務(wù)狀況的盈利能力、償債能力、發(fā)展能力和營(yíng)運(yùn)能力角度，揭示財(cái)務(wù)指標(biāo)在企業(yè)發(fā)展中所起的信號(hào)作用，說(shuō)明上市公司披露的財(cái)務(wù)指標(biāo)能為各利益相關(guān)者提供企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的實(shí)證依據(jù)

5、，以證明在現(xiàn)有會(huì)計(jì)制度和會(huì)計(jì)準(zhǔn)則下，財(cái)務(wù)報(bào)表能提供預(yù)測(cè)財(cái)務(wù)危機(jī)的大量有用信息，幫助利益相關(guān)者提高決策的科學(xué)性和合理性。2.國(guó)內(nèi)外研究現(xiàn)狀最早由Fitzpartrick（1932）運(yùn)用單變量進(jìn)行企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)以及財(cái)務(wù)困境預(yù)測(cè)研究。其后，以Beaver（1966）為代表的學(xué)者們運(yùn)用單變量模型（即通過(guò)單一的財(cái)務(wù)比率值或者趨勢(shì)來(lái)預(yù)測(cè)或判定企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能性。）對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。分別選擇了79家1954-1964年財(cái)務(wù)困境企業(yè)和非財(cái)務(wù)困境企業(yè)。比弗選出了5個(gè)財(cái)務(wù)比率進(jìn)行一元判別分析，根據(jù)觀察值的預(yù)測(cè)能

6、力大小，發(fā)現(xiàn)隨著時(shí)間的發(fā)展，誤判率越低，預(yù)測(cè)能力越強(qiáng)。其中，負(fù)債保障率（即現(xiàn)金流量與負(fù)債總額的比率）能夠最好地判別企業(yè)的財(cái)務(wù)狀況（誤判率最低），其次是資產(chǎn)負(fù)債率。Altman(1968),首次使用多元判別分析預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)。他根據(jù)行業(yè)和資產(chǎn)規(guī)模選取33家破產(chǎn)企業(yè)和33家非破產(chǎn)企業(yè)作為研究樣本，通過(guò)前24年至前3年11年的數(shù)據(jù)分析，他提出了著名的5變量Z值判定模型。發(fā)現(xiàn)Z值越大，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)越小，出現(xiàn)財(cái)務(wù)危機(jī)的概率越低。Ohlson(1980)首次將邏輯回歸方法引入財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，應(yīng)用二元概率函數(shù)計(jì)算危

7、機(jī)事件發(fā)生的概率，提出條件概率模型，運(yùn)用Logistic建立了回歸分析，選取了105家破產(chǎn)企業(yè)和2058家非破產(chǎn)企業(yè)，通過(guò)分析發(fā)現(xiàn)公司規(guī)模、資本結(jié)構(gòu)和當(dāng)前的變現(xiàn)能力最能反映企業(yè)財(cái)務(wù)狀況，從此回歸分析的研究開始進(jìn)入財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警領(lǐng)域。Coat和Fant(1993)比較類神經(jīng)網(wǎng)絡(luò)模型和判別分析模型的預(yù)測(cè)能力，認(rèn)為該模型優(yōu)于判別分析模型。Boritz,Kennedy和Albuquerque(1995)以兩種類腦神經(jīng)網(wǎng)絡(luò)模型與Altman（1968）以及Ohlson(1980)預(yù)測(cè)模型進(jìn)行比較，結(jié)果類神經(jīng)模型并

8、不能提高預(yù)測(cè)準(zhǔn)確率。陳靜（1999）選取27家ST公司和27家非ST公司，使用了1995-1997年的報(bào)表數(shù)據(jù)，進(jìn)行了單變量分析和多元線性分析。通過(guò)資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率和流動(dòng)比率財(cái)務(wù)指標(biāo)，進(jìn)行單變量分析。研究發(fā)現(xiàn)，在ST前一年，流動(dòng)比率和資產(chǎn)負(fù)債率的誤判率最低；在ST前3年時(shí)，總資產(chǎn)收益率和流動(dòng)比率的預(yù)測(cè)能力最強(qiáng)，同時(shí)發(fā)現(xiàn)凈資產(chǎn)收益率的預(yù)測(cè)準(zhǔn)確度極不穩(wěn)定。多元線性分析中，仍采用單變量線性分析所采用的樣本，但分為ST和非ST組，在剔除權(quán)益