（会计学专业论文）基于房地产行业上市公司财务预警的实证研究.pdf

摘蛩 煳愀 论文题目：基于房地产行业上市公司财务预警的实证研究 学科名称：会计学 研究生：张旺菊 指导教师：夏斌副教授 摘要 签名：主豳堡蕴 签名：强 随着我国市场经济改革的深化和资本市场的快速发展，房地产行业企业之间的竞争越 来越激烈，而在日益发展但尚不成熟的中国证券市场中，一些房地产上市公司财务状况频 频陷入困境，这不仅严重损害了广大股票投资者、债权利益，危及其自身的生存和发展， 也严重影响了我国证券市场发展。而上市公司出现财务困境是一个逐步渐进的过程，其所 处不同阶段的危机程度一般都能从企业财务状况的恶化程度中反映出来。因此，如何对房 地产行业上市公司进行财务困境预警成为了近年来经济学家普遍关注的热点问题。 首先，本文对上市公司财务困境、财务预警的含义以及房地产行业的特征等进行了必 要分析，然后在总结国内外有关财务预警研究成果的基础上，提出了主成分分析法和支持 向量机的组合预测方法，并给出了具体的组合原理。其次，本文以9 1 家房地产行业上市 公司为研究样本，同时引入财务指标和非财务指标构建房地产行业财务预警模型。结果表 明：组合预测模型集合了统计模型和支持向量优点，在上市公司财务危机发生前三年，对 训练样本集的判别准确率达1 0 0 ，对测试样本集的判别准确率为9 3 5 5 。为了检验所建 组合模型是否适合房地产行业财务困境预警模型，本文又利用同样的样本及指标数据建立 了l o g i s t i c 回归模型，并将这两种模型的预测效果进行比较，结果表明组合模型的预测精 度高l o g i s t i c 回归模型。再次，结合房地产上市公司财务预警的实证研究给出房地产行业 上市公司的财务预警的对策和建议。最后，得出本文研究结论和展望。 关键词：房地产行业、财务预警、主成分分析法、支持向量机 两安理t 大学硕p | ：究生学位论文 t i t l e ：f i n a n c i a le a r l y w a r n i n ge m p i r i c a lr e s e a r c ha b o u t r e a le s t a t el n d u s t r i e sl l s t e dc o m p a n y m a j o r = a c c o u n t i n g n a m e ： w a n g j uz h a n g s u p e r v i s o r a s s o c i a t ep r o f b i nx i a a b s t r a c t s i g n a t u r e ：世舡冯 s i g n a t u r e ：丕! 竺丛：丝 w i t ht h ed e e p e n i n go fc h i n a sm a r k e te c o n o m ya n dc a p i t a lm a r k e tr e f o r m ，r e a le s t a t e i n d u s t r yc o m p e t i t i o na m o n ge n t e r p r i s e si sb e c o m i n gi n c r e a s i n g l yf i e r c e w h i l ei ni n c r e a s i n g d e v e l o p m e n tb u tn o ty e tm a t u r ec h i n a ss e c u r i t i e sm a r k e t ，s o m er e a le s t a t el i s t e dc o m p a n i e sa r e f r e q u e n t l yi nam e s si nf i n a n c i a ls i t u a t i o n t h i sn o to n l ys e r i o u s l yd a m a g et h es t o c ki n v e s t o r s ， t h ec r e d i t o r sr i g h t sa n dje o p a r d i z et h ei n t e r e s t so ft h e i ro w ns u r v i v a la n dd e v e l o p m e n t ，b u ta l s o s e r i o u s l ya f f e c t s ，t h ed e v e l o p m e n to fo u rs e c u r i t ym a r k e t l i s t e dc o m p a n i e sa p p e a rf i n a n c i a l d i f f i c u l t i e si sag r a d u a lp r o c e s s ，i t sc r i s i s i nd i f f e r e n ts t a g e sc a nu s u a l l yr e f l e c t e df r o mt h e s i t u a t i o no fe x a s p e r a t e d e g r e e o f e n t e r p r i s e sf i n a n c i a l t h e r e f o r e ，t o m a k ef i n a n c i a l e a r l y - w a r n i n gf o rr e a le s t a t ei n d u s t r i e sl i s t e dc o m p a n i e sb e c o m ea c o n c e r n e dp r o b l e mi nr e c e n t y e a r sb ye c o n o m i s t s f i r s t l y ， i nt h i sp a p e r ，ii n t r o d u c et h em e a n i n g so fl i s t e dc o m p a n yf i n a n c i a ld i f f i c u l t i e s ， f i n a n c i a lw a r n i n ga n dt h ec h a r a c t e r i s t i c so fr e a le s t a t ei n d u s t r y ，t h e ns u m m a r i z e st h ed o m e s t i c a n df o r e i g nf i n a n c i a lp r e w a r n i n go fr e s e a r c hr e s u l t s ，a tl a s tip u tf o r w a r dc o m b i n a t i o nf o r e c a s t m e t h o da b o u tt h ep r i n c i p a lc o m p o n e n ta n a l y s i sa n ds u p p o r tv e c t o rm a c h i n e ，a tt h es a m et i m e ， g i v e ss o m es p e c i f i cc o m b i n a t i o np r i n c i p l e s e c o n d l y ，is e l e c t 91r e a le s t a t ei n d u s t r i e sl i s t e d c o m p a n i e sa sm yr e s e a r c hs a m p l e ，i n t r o d u c i n gf i n a n c i a li n d e xa n dn o n f i n a n c i a li n d i c a t o r st o c o n s t r u c tf i n a n c i a lp r e w a m i n gm o d e lf o rr e a le s t a t ei n d u s t r y t h er e s u l t so fm yr e s e a r c hs h o w t h a tt h ec o m b i n a t i o nf o r e c a s tm o d e lm a k eg o o du s eo fs t a t i s t i c a lm o d e l sa n ds u p p o r tv e c t o r m a c h i n e ，t h r e ey e a r sp r i o rt ot h el i s t e dc o m p a n yf i n a n c i a lc r i s i sh a p p e n e d ，f o rt r a i n i n gc o r p u s d i s c r i m i n a n ta c c u r a c yr e a c h e s10 0 ，t h et e s ts a m p l e sd i s c r i m i n a n tr a t ew a s9 3 5 5 i no r d e rt o b u i l dt h em o d e lw h i c hi ss u i t a b l ef o rf i n a n c i a lr e a le s t a t ei n d u s t r yt oe a r l y w a r n i n gf o r e c a s t i n g ， i nt h ep a p e r ，t h es a m es a m p l ea n di n d e xd a t ai su s e dt oe s t a b l i s h e dl o g i s t i cr e g r e s s i o nm o d e l ， a n dc o m p a r e dt h e s et w ok i n d so fm o d e l sp r e d i c t i o ne f f e c t ，t h er e s u l t ss h o w e dt h a tt h e c o m b i n a t i o nm o d e lo ft h ep r e d i c t i o ni s s u p e r i o r t o l o g i s t i cr e g r e s s i o nm o d e l t h i r d l y ， a c c o r d i n gt o s t u d i e so fr e a le s t a t el i s t e dc o m p a n yf i n a n c i a lp r e w a r n i n g ，g i v eo u tt h e 2 a b s t r a c t c o u n t e r m e a s u r e sa n ds u g g e s t i o n st or e a le s t a t ei n d u s t r y f i n a l l y ，s u m m i n g u pa n dp r o s p e c tt h e p a p e r k e y w o r d s ：r e a le s t a t ei n d u s t r y ，f i n a n c i a le a r l yw a r n i n g ，p r i n c i p a lc o m p o n e n ta n a l y s i s ，s u p p o r tv e c t o r m a c h i n e s 目录 目录 1 导论1 1 1 研究背景和意义1 1 1 1 研究背景1 1 1 2 研究意义2 1 2 国内外财务困境预警研究动态3 1 2 1 国外财务预警研究进展3 1 2 2 国内财务预警研究进展5 1 2 3 对国内外现有文献简评7 1 3 本文的研究方法及创新9 1 3 1 研究方法9 1 3 2 创新之处9 1 4 本文研究主要内容1 0 2 房地产行业财务预警相关理论概述1 2 2 1 财务风险和财务困境1 2 2 1 1 财务风险1 2 2 1 2 财务困境一1 2 2 1 3 财务风险与财务困境的关系1 3 2 2 财务预警理论一1 3 2 2 1 非均衡理论一1 4 2 2 2 期权定价模型理论1 4 2 2 3 契约理论1 4 2 2 4 管理学和企业战略学理论1 4 2 3 房地产行业的特征及风险1 5 2 3 1 房地产行业的特征1 5 2 3 2 房地产行业财务风险的特征1 6 2 3 2 房地产行业财务风险的来源1 6 2 4 房地产行业的财务预警设计1 9 2 4 1 上市公司财务危机预警系统架构的设计2 0 2 4 2 房地产行业上市公司财务预警程序的设计一2 1 3 房地产行业上市公司财务预警方法的选择2 3 3 1 主成分分析方法( p c a ) 2 3 3 1 1 主成分分析的概念2 3 3 1 2 主成分分析的原理2 3 3 1 3 主成分分析的求解过程2 5 3 2 支持向量机( s v m ) 2 6 3 2 1 支持向量机概念2 6 3 2 2 支持向量机理论2 7 3 2 3 支持向量机的核心算法3 0 3 3p c a - s v m 财务困境预警模型的组合模式3 1 3 4p c a - s v m 组合财务危机预警程序3 2 西安理工大学硕士研究生学位论文 4 房地产上市公司研究样本及指标的设计3 4 4 1 研究样本的选取 4 1 1 研究样本的选取 3 4 3 4 4 1 2 样本数据来源3 5 4 2 预警指标的选取- 3 5 4 2 ，1 预警指标的设计原则3 5 4 2 2 预警指标的设计体系3 6 4 2 3 预警指标的检验3 9 5p c a - s v m 模型的应用及结果比较分析4 4 5 1l o g i s t i c 回归模型的分析与应用4 4 5 1 1l o g is t ie 回归的基本思想4 4 5 1 2l o gs te 回归计算4 5 5 2p c a - s v m 模型实证研究4 7 5 2 1 主成分分析处理4 8 5 2 2 支持向量机处理5 3 5 3 模型应用结果比较分析5 5 6 防范房地产上市公司财务困境的对策建议5 6 6 1 成本内控措施5 6 6 。2 完善公司治理机制5 7 6 _ 3 优化财务结构5 8 6 3 1 优化资本结构5 8 6 3 2 优化负债结构5 8 6 3 3 优化资产结构5 8 6 3 4 优化投资结构5 9 6 。4 做好企业经营管理5 9 6 5 抓好现金流量生命线5 9 6 6 拓宽企业的融资渠道6 0 7 结论与展望6 1 7 1 本文研究结论6 1 7 2 本文的不足与展望，6 l 7 ，2 1 本文的不足6 1 7 2 2 展望6 2 致谢6 3 参考文献6 4 在读硕士期间科研成果6 7 附表6 8 导论 1 导论 1 1 研究背景和意义 1 1 1 研究背景 房地产行业作为国民经济体系的重要构成部分，由于具有相关产业链较长的特点，改 革开放以来，在推动我国经济发展方面发挥了重要作用。当前住房问题被置于关系民生的 高度，重点强调，从中共十七大开始，中央和主管部委从不同层面表达了继续加强对土地 和投资控制的意向，2 0 1 0 年4 月出台调控新政中的“严格差别化信贷政策”，以及近期国 家已经把上海和重庆列入首批征收房产税的试点名单，更是让房地产行业成为国内各界争 论的焦点。 当前，在我国经济复苏，国民经济持续增长的形势下，房地产行业迎来了历史上前所 未有的高速发展期。特别是我国房地产消费市场的文化需求和个性化市场需求，为房地产 行业的诸多领域提供了巨大的发展空间。从2 0 1 0 年上半年企业销售业绩看，多数企业销 售额同比保持增长。具体来看，万科实现销售额3 6 8 亿元，同比增长1 9 5 ，成为目前唯 一一家上半年销售额过3 0 0 亿元的企业。中海销售额也接近3 0 0 亿( 2 8 1 亿元) ，同比增 长7 。碧桂园、龙湖销售额同比分别增长5 0 干h3 1 ，保利、绿城同比分别小幅增长3 和4 。值得注意的是，万科6 月实现销售额8 7 7 亿元，是企业历史最高单月水平，环比 增长7 1 6 。积极按市场需求定价、加大中小户型比例是万科5 - 6 月跑赢大势的重要原因；， 尽管如此，房地产上市公司在房地产新政策下面临的流动资金不足的问题却是显而易 见的。例如房地产上市公司2 0 0 9 年报显示，万科、中粮、保利等主流地产公司的速动比 率均低于1 仅为0 5 9 、0 4 6 和o 7 4 ，短期偿债能力较弱。房地产行业上市公司因财务问题 遭到特别处理之后，不但s t 公司本身承受巨大压力，要在证监会的严格监控下努力改善 生产经营状况，清理不良资产，注入优质资产，从而走上良性循环的轨道，以求尽快摘去 s t 帽子、恢复为正常上市公司，而且s t 公司的投资者、债权人的合理收益也将受到威 胁，不仅资产保值增值的目标无法实现，可能还会血本无归。因此，建立一套行之有效的 房地产行业上市公司财务风险预警系统是当前急需解决的问题，而财务预警模型在此系统 中也扮演着不可或缺的角色，建立上市公司财务困境的预测模型，客观、及时、准确判断 上市公司财务风险和危机程度，防范或化解上市公司可能出现的财务危机，保证上市公司 财务健康持续发展，日益受到我国上市公司管理当局以及与公司有利害关系的团体和个人 的重视。此外，随着证券市场的日益规范化，信息披露的标准化，以及国家宏观经济数据 的公布，综合与房地产行业相关的非财务指标信息构建出合理的预警模型也变得可能。 西安理工大学硕士研究生学位论文 1 1 2 研究意义 财务是企业经营的中枢，良好的财务运作是企业发展的基础。财务困境的存在时刻威 胁着企业的生存和发展，因此，研究财务困境是现代企业不能回避的重要课题。本文对房 地产行业上市公司进行财务预警模型的研究，对此行业上市公司本身以及投资者、监管部 门等各方也均有重大意义。 a 理论意义 ( 1 ) 有利于丰富预警理论。预警原义是指在敌人进攻之前发出警报，以做好防守应战 的准备。1 9 世纪末，人们开始把预警思想应用于经济领域，但主要是对宏观经济的预测 与警示，以显示一个国家经济运行过热或过冷的不良状态。直到2 0 世纪6 0 年代，欧美一 些国家才开始将预警思想运用于微观经济领域，对企业的经营状况进行事前监测，以便在 企业经营出现危情之前，发出警告，采取措施加以排除。因此，对于财务困境成因及预警 进行研究，能够完善与丰富预警理论，尤其是微观经济预警理论。 ( 2 ) 有利于公司制定适合自己的发展规划。财务预警是根据现有的财务状况( 包括财 务指标和非财务指标) ，来提示企业是否会有财务风险。如果一个企业警示有财务风险， 那企业管理人应该积极制定一些防御或是抵制风险的战略，然后再进一步策划发展规划； 如果是一个企业没有给它提出财务警示，那么它基本是不会发生财务风险，既可以做一些 扩大规模或是扩大市场等壮大公司的计划。而要做出这些计划都必须有一个理论基础，那 就是财务困境预警的研究。 b 实践意义 ( 1 ) 通过企业的偿债能力、营运能力、盈利能力、成长能力、现金流量能力以及股权 结构、独立董事比例等的量化研究，来建立有效的预警系统来对提高房地产行业上市公司 财务管理水平。我国资本市场还不存在真正意义上的财务预测体系，现有的预测制度仅仅 是停留在业绩预警这一很小的范畴。而且，绝大部分企业并非真正意义上的主动参与，而 是被动应付检查。财务预警的实证研究，可以通过构建有效的预警模型，结合不同企业的 日常经营管理，帮助企业建立适合自己的可操作性预警系统。因此，财务预警管理问题成 为现代公司财务管理的重要课题之一，研究财务困境的成因，进行事前的预测和控制是防 范和化解财务困境的有效手段，也是提高该公司财务管理水平的有效手段。 ( 2 ) 通过分析并寻找影响公司发展的核心财务指标和非财务指标来提高房地产行业上 市公司困境管理水平。实证的研究，不能仅仅停留在构建模型上，同时包括对各个预测因 子的敏感性分析和核心指标的寻求上，而单纯的预测模型却只能提示风险，对指导管理却 显得束手无策。财务预警的最终目的是为了提示风险和指导管理。核心财务指标和非财务 指标的确定将为公司提供追踪指示器，为有效防范和化解财务风险提供可靠的指导意见。 大量实践证明，企业困境在很大程度上源于财务困境，一个企业如果在财务经营上陷入困 境，企业困境就不可避免。目前，我国虽然对财务困境有了一定的认识，但总体来说财务 导论 困境的管理水平不是很高。许多企业财务困境的防范意识比较差，以至于出现财务困境时 措手不及，缺乏应有的应对措施，给企业经营带来严重后果，甚至破产倒闭。如果企业重 视财务困境管理，关注、预测和研究财务困境，形成财务困境管理的有效机制，财务困境 管理的水平就会提高。 ( 3 ) 提高房地产行业上市公司自身的适应能力和竞争能力。当前经济有许多不确定因 素，不可避免的影响我国上市公司的财务经营，况且我国经济本身处在一个转型时期，不 稳定因素更多、更复杂。上市公司只有事先对财务困境进行预测，事先做好对付财务困境 的计划及研究好处理财务困境的措施等，才能不断的提高企业适应环境变化的能力。 1 2 国内外财务困境预警研究动态 1 2 1 国外财务预警研究进展 国外关于财务预警的研究已经有7 0 多年的历史了，主要以财务预警模型研究为主。 财务预警模型，即利用财务指标以及非财务指标建立相关数学模型，判断企业当前的财务 状况和预测未来的财务状况。财务预警模型的种类很多，按模型中指标变量的多少可以分 为一元判定预警模型和多元判定预警模型；按模型中参数的性质可以分为参数模型和非参 数模型；按模型的修正与否可以分为原始模型和修正模型。 ( 1 ) 一元判定预警模型。 f i t z p a t r i c k ( 1 9 3 2 ) 最早利用一元判定预警模型对企业财务困境进行预测。j 他以1 9 家公司作为样本，运用单个财务指标进行预测，结果发现净利润股东权益、股东权益负 债这两个财务指标判别能力最强。而s m i t h 和w i n a k o r ( 1 9 3 5 ) 在类似的研究中发现营运 资本总资产这个指标的预测能力最强。【2 j 此外，m e r v i n ( 1 9 4 2 ) 发现营运资本总资产、股 东权益负债、流动资产流动负债这三个指标能提前6 年对企业破产做出预测。【3 j b e a v e r ( 1 9 6 8 ) 用一元判定预警模型进一步研究发现，除了可以采用财务指标进行财务 困境预测，公司股票价格的变化可用来对企业财务困境进行预测，采用的指标是股票收益 率。【4 j a l t m a n 和b r e n e r ( 1 9 8 1 ) 做了类似研究，采用的指标也是股票收益率【5 j 。 ( 2 ) 多元判定预警模型。 美国纽约大学教授a l t m a n ( 1 9 6 8 ) 在研究中首次使用了多元判定分析技术建立了z 值模型【6 j 。该模型主要针对股票上市公司，用五项财务比率的加权平均数来测试企业财务 困境。他以1 9 4 6 1 9 6 5 年期间提出破产申请的3 3 家财务困境公司和3 3 家非财务困境公司 为研究样本进行研究，在2 2 个初选财务指标中选取能明显区分破产公司与非破产公司的 五种财务比率建立了z 值模型。之后，a l t m a n ，h a l d e m a n ，n a r a y a n a n ( 1 9 7 7 ) 在z 值模 型的基础上又进一步提出了著名的z e t a 模型【7 | 。它包括了经营收益总资产、收益稳定性、 利息保障倍数、留存收益总资产、资产流动率、普通股权益总资本和普通股权益总资产这 西安理工大学硕士研究生学位论文 项比率。他们针对以前研究中的假设，对财务困境和非财务困境的先验概率、预测错误的 误判成本差异进行了调整，发现它的预测效率优二了二z 值模型。 ( 3 ) 多元逻辑模型。 多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况 和经营风险【8 1 。l o g i t 模型假设了企业破产的概率p 破产取1 ，非破产取0 ，并假设l n p ( 1 一p ) 】 可以用财务比率线性解释，假定l n p ( 1 p ) _ a + b x 根据推导可以得出 p = e x p ( a + b x ) 1 + e x p ( a + b x ) ，从而计算出企业破产的概率。1 9 8 0 年o h l s o n 用多元逻辑回归 方法分析了1 9 7 0 1 9 7 6 年间破产的1 0 5 家公司和2 0 5 8 家公司组成的非配对样本，发现利用 公司规模、当前的变现能力进行财务危机的预测准确率达到9 6 1 2 。 9 1 ( 4 ) 多元概率比回归模型。 p r o b i t 模型同样假定企业破产的概率为p ，并假设企业样本服从标准正态分布，其概 率函数的p 分位数可以用财务指标线性解释。 1 0 】其计算方法和l o g i t 很类似，先是确定企 业样本的极大似然函数，通过求似然函数的极大值得到参数a 、b ，然后利用公式 用+ h xr - - - - - - - -， i( 1 x 2 u ) e 一2 衍，求出企业破产的概率。和前面的判别规则一样，如果概率p 小 l 于o 5 ，就判别为财务正常型；如果p 大于0 5 ，则为即将破产型。 ( 5 ) 人工神经网络模型。 1 9 9 0 年代初期，人工神经网络技术被引入到财务困境的预测分析中。其中，比较著 名的有c h i r sc h a r a l a m b o u s 等一些学者建立了人工神经网络系统模型( a n n ) 瑙儿j 。a n n 是一种平行分散处理模式，其构建理念基于人类大脑神经运作的模拟。这方面的研究者认 为，a n n 是一种对数据的分布无任何要求的非线性技术，能有效解决非正态分布、非线 性的预测评估问题。且具有较好的模式识别能力、容错能力、处理资料遗漏或错误的能力 以及自学习能力。因而，人工神经网络系统能够在所提供信息杂乱无章或不完整时，对既 定问题做出正确反应。而进行财务困境预测正是要对大量不完整或无序信息进行分析。 c h i r sc h a r a l a m b o u s 利用a n n 模型进行实证研究的结果为预测正确率达到8 7 。 1 2 1 ( 6 ) 其他模型。l a n e 等人( 1 9 8 6 ) 运用一个比例危害模型对银行破产进行预测，称为 生存分析。【1 3 生存分析假定财务困境和非财务困境的公司都来自同样的总体，公司破产 的风险是通过计算每家公司的生存时间来衡量的。生存分析是一种半参数的方法，用这种 方法处理破产预测问题显得更为现实。生存分析法可以得出期望破产时间，这给决策者提 供了重要的信息。随着统计技术和计算机技术的不断发展，西方学者又开始利用专家系统、 遗传算法等技术进行财务困境的预测研究。m e s s i e r ，h a n s e n ( 1 9 8 8 ) 将专家系统首次引 入到财务困境预测领域【1 4 】。f r a n c o ，v a r e t o o ( 1 9 9 8 ) 进行了遗传算法在这方面的尝试等等， 这些研究推动了财务困境预测在西方的发展【i 5 | 。 s e r p i l 、y i l d i r i m 和h a t i c e ( 2 0 0 6 ) 运用主成分分析法和判别分析法建立了预警模型 【1 6 【1 7 】。并选取土耳其伊斯坦布尔股票交易市场的上市公司进行实证研究，采用的指标包括 4 导论 资产收益率、总负债总资产、净利润、销售增长率、股东权益增长率、资产增长率、短 期借款长期负债、净资产收益率、每股收益率、速动比率、应收账款周转率、存货周转 率、净利润增长率、坏账比率、利息偿付比率、流动比率。 1 2 2 国内财务预警研究进展 国内学者对财务困境预测研究起步较晚，从上世纪九十年代中后期才开始，不过近年 来还是取得了一些显著的成果。在研究中一般以上市公司作为研究对象，以其财务状况异 常而被特别处理( s t ) 作为公司陷人财务困境的标志。众多学者大都是以国内证券市场 的公司作为研究对象，利用公司财务报表提供的会计信息对公司陷入财务困境的可能性建 立预测模型，采用单变量分析、多元判别模型和多元逻辑回归模型建立上市公司财务困境 预测模型。 ( 1 ) 一元判定预警模型。陈静( 1 9 9 9 ) 以1 9 9 8 年3 7 家s t 公司和非s t 公司为样本，利 用其1 9 9 5 1 9 9 7 年的财务报表数据进行了一元判别分析，研究认为：在流动比率、负债 比率、总资产收益率、净资产收益率4 个指标中，前两者的判别更准确8 | 。在判别分析中， 依据费雪准则得出s t 组和非s t 组的判定函数为： z 1 = 5 6 7 3 x 1 + 1 2 6x 2 2 5 7 9x 3 + 4 0 6x 4 0 2 4x 5 + l o 5 9 x 6 z 2 = 1 6 4 4x 1 + 4 3 1 9x 2 1 1 5 8x 3 6 5 8x 4 + 3 5 3x 5 + 1 1 3 9 x 6 其中：x l 为资产负债率；x 2 为净资产收益率；x 3 为净利润年末总资产；x 4 为流动 比率；x 5 为营运资本总资产；x 6 为总资产周转率。 研究结果显示，在上市公司发生财务困难前t 3 年判定正确率分别为9 2 6 ，8 5 2 ， 7 9 6 。表明其判定的正确率还是比较高的。陈静的研究是国内第一个以上市公司为本判 定企业财务困境的成果，虽然方法选择、样本的构造、判别的标准等方而待深入，但其意 义却是重要的，标志着国内研究财务困境问题的开始。 吴世农、卢贤义( 2 0 0 1 ) 取1 9 9 8 - - 2 0 0 0 年我国证券市场上7 0 家s t 公司和7 0 家非 s t 公司为样本，收集的样本数据延至公司被s t 前5 年【1 9 j 。在研究中分别1 1 从企业的盈 利能力、长短期偿债能力、营运能力、成长能力和企业规模等角度选取了盈利增长比率、 股东权益收益率等2 1 个财务指标中选定6 个预测指标，在研究中运用多元判别分析、线 性概率分析、l o g i s t i c 回归分析模型分别对财务困境进行了预测，研究结果表明：( 1 ) 在 财务困境发生前2 年或1 年，有1 6 个财务指标的信息时效性强，其中净资产报酬率的判 别成果率较高；( 2 ) 三种模型均能在财务困境发生前做出相对准确的预测，在财务困境发 生前4 年的误判率在2 8 以内。( 3 ) 相对同一信息集而言，逻辑预测模型的误判率最低， 财务困境发生前年的误判率仅为6 4 7 。 ( 2 ) 多元判定预警模型。彭韶兵、邢精平( 2 0 0 4 ) 在企业财务预警模型设计中采用 的原始财务指标如表1 1 所示 2 。杨华( 2 0 0 7 ) 采用l o g i s t i c 回归法构建了财务危机预警 西安理工炙学硕士研究生学位论文 模型1 2 1 1 ，按照企业效绩评价操作细则( 修订) 和证监会对上市公司信息披露的要求， 选取了反映企业偿债能力、营运能力、盈利能力、成长能力和现金流量这几个方面的财务 指标，又选取了反映企业股权结构、年报披露、公司治理、地域因素、资产规模这几个方 面的非财务指标，详见表l 一2 【2 2 。 表1 1 企业财务预警财务指标 t a b l e1 1t h ef i n a n c i a li n d e xo ff i n a n c i a lp r e w a r n i n gf o re n t e r p r i s e 内容 指标内容指标 内容指标 净资产收益率资产总资产周转率短期偿已获利息倍数 财务 总资产报酬率营运流动资产周转率债能力流动比率 销售( 营业) 利润率 状况 存货周转率 偿 速动比率 效益 成本费用利润率 应收账款周转率 债 营运资本总资产 留存盈余总资产 能 长期偿资产负债率 销售( 营业) 增氏率 其他资产总额 力 债能力长期资产适合率 发展 总资产增长率负债权益比 固定资产成新率销售( 营业) 收入实收资本所有者权 能力 资本积累率总额 益 表1 2 企业财务预警财务指标和非财务指标 t a b l e1 - 2t h ef i n a n c i a li n d e xa n dn o n f i n a n c i a li n d i c a t o r go fe n t e r p r i s ef i n a n c i a lp r e w a m i n g 内容指标内容指标 流动比率每股经营现金净流量 偿债能力 营运资本比率 现金流量 全部资产现金回收率 资产负债率现金负债总额 应收账款周转率第一大股东持股比例 营运能力 存货周转率 股权结构国有股股东持股比例 总资产周转率是否存在控股股东 资产净利率 年报披露审计意见类型 盈利能力净资产收益率公告日是否延迟 总资产收益率 独立董事比例 主营业务增长率 公司治理 董事长和总经理是否为同一人 成长能力 资本积累率资产规模总资产 净利润增长率地域因素是否位于经济发达地区 ( 3 ) 多元逻辑模型。 陈晓( 2 0 0 0 ) 以3 8 家s t 公司为研究对象，运用l o g i t 回归研究结果表明：负债权益 比率、应收账款周转率、主营业务利润总资产、留存收益总资产具有较强的预测能力2 3 1 。 程涛( 2 0 0 2 ) 以1 9 9 8 2 0 0 0 年被s t 的a 股上市公司为研究样本，运用时间序列回归和l o g i t 回归方法，从财务指标角度和现金流量角度分别构建预警模型，并在此基础上构建综合预 警模型【2 4 】。 ( 4 ) 人工神经网络模型。 杨保安( 2 0 0 1 ) 针对判别分析法在财务困境预测模型构建中存在的问题，引入了人工 导论 神经网络分析方法 2 5 1 。利用3 0 个原始样本作为学习样本，1 5 个样本作为测试样本，选用 b p 神经网络法构建模型，结果显示对训练集的判断准确率高达9 5 ，对1 5 个测试样本 也具有较好的判断准确率。 ( 5 ) 其他模型。 施锡铨、邹新月( 2 0 0 1 ) 采用典型判别分析法对我国a 股市场1 9 9 9 年至2 0 0 0 年间 部分上市公司的信用状况进行了实证分析和检验，选择5 6 家s t 和p t 公司作为违约组， 同时根据1 9 9 9 年年报评选出来的前1 0 0 强上市公司中选择7 2 家企业作为典型判别分析中 的信用非违约组，共计样本1 2 8 个【26 | 。分析结果显示，所得到的典型判别模型对我国证 券市场的信用情况具有较强的解释能力。 张爱民等( 2 0 0 1 ) 在借鉴判定模型的基础上，运用主成分分析的方法，建立了预测企 业财务困境的主成分预测模型【27 1 。他们认为，当采用多个财务指标进行财务困境的分析 时，需要解决财务指标的相关性问题，而主成分分析法通过对原始数据相关矩阵内部结构 关系的研究，找出影响企业财务状况的综合指标，使综合指标为原始指标的线性组合。综 合指标不仅保留了原始指标的主要信息，而且彼此又完全不相关。在样本的选择上，选择 了4 0 家s t 公司，并按照同行业、同规模的原则，选择了对应的4 0 家非s t 公司。在财 务指标的选取上，研究者认为要按照全面性、有效性、同趋势性三条标准选择，初步选取 1 1 个财务比率指标，它们分别是净资产收益率、总资产报酬率、销售( 营业) 利润率、存货 周转率、应收账款周转率、总资产周转率、股本权益比率、流动比率、利润增长率、总资 产增长率、资本积累率。对上述1 1 个财务指标又通过t 检验选出在s t 公司和非s t 公司 之间存在明显差异的8 个指标。之后，运用样本组企业财务比率数据进行了主成分分析， 结果表明，用5 个因素可解释9 2 7 7 的信息，新因素是原来8 个财务比率的线性组合， 通过分析主成分与财务指标的关系，作者认为5 个因素分别代表企业成长能力、偿债能力 和盈利能力。 吕长江、赵岩( 2 0 0 4 ) 在国内首次使用生存分析方法建立财务困境的预测模型【2 8 i 。 模型选取2 0 0 2 年年底的全部上市公司为样本，发现企业的获利能力、成长性、营运能力、 资产规模以及前期利润等因素对于公司是否进入s t 具有决定和预测作用，并指出上市公