全流通条件下上市公司财务危机预警模型的构建文献综述.doc

文献综述 全流通条件下上市公司财务危机预警模型的构建 随着国有企业改革的深入，以产权明晰，国有股减持为主导的改革方向对我国上市公司股权结构产生了根本性的影响。始于2005年5月证券市场的股权分置改革，使得上市公司股权结构发生了根本性的变化。在这个全新的基础上有必要重新考虑导致财务危机的影响因素。财务危机，又称财务困境，是丧失偿还到期债务的能力。除了受经济因素影响外，还受政治和其他非市场因素影响另外陷入财务危机与企业是否破产并无确定的一一对应关系，在我国这一情况尤为突出。财务危机是导致企业生存危机的重要因素，因此，需要针对可能造成财务危机的因素，采取监测和预防措施，及早防范财务风险，控制财务危机Ohlson（1980）首先将多元逻辑回归模型应用于财务危机预警领域，他使用逻辑回归方法和由在1970一1976年间破产的105家公司和2058家非破产公司组成的非配对样本，分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系，发现至少存在四类显著影响公司破产概率的变量：公司规模，资本结构，业绩和当前的变现能力。此外，他还发现以前的一些研究有高估模型预警能力的现象，他将这种现象归咎于在样本中含有破产申请日后公布的数据。多元逻辑回归模型在科研和实践中广泛应用，成为早期财务危机预警的标准方法。 2.1.4 人工神经网络方法（ANN） 近期对人工神经网络的研究表明，由于它的非线性、非参数、自适应学习等特征，可作为模式识别的一个强有力的工具。人工神经网络已成功地解决了许多金融、财务方面的问题，其中包括财务危机预警的研究，如Leeher，Sharda，wilson，Tam和Kiang，wilsno等分别运用了不同的人工神经网络模型对财务危机进行了预警，并与传统的线性方法作了比较，表明神经网络的预警效果强于传统的线性方法。当前，用人工神经网络对财务危机进行预警仍是热点问题，许多主要的商业银行已建立起基于人工神经网络的贷款违约预测产品，如穆迪公司的公众企业风险模型。综观西方关于财务危机预警研究的方法，主要可分为两方面:统计方法和人工神经网络方法。 综观国外对财务危机预警模型的研究，从单变量、多变量、Logit模型这些以统计方法为基础的研究到神经网络模型等非统计模型，从单一模型的研究到混合模型及其比较研究，从以财务指标为基础的研究到引入非财务指标的研究，财务危机预警模型的研究受到了实务界和学术界的高度重视且取得了重大进展。 不同的预警模型适用条件不同，如单变量和多变量预警模型中自变量需要服从多元正态分布和两组间协方差相，而事实上很多时候这些条件并不能得到满足，因此很多研究者所建模型大多是在假定和近似条件下成立的，这必然影响到模型的正确性和预测精度。 2.2 国内研究动态 与此同时，国内一些学者利用国外财务危机预警的理论和方法，结合我国实际进行了实证研究，它标志着我国在财务危机预警领域研究的开始。这些实证研究主要集中在三个方面:企业破产预测、上市公司财务危机预警和商业银行的信用风险评估。 2.2.1 企业破产预测 吴世农、黄世忠（1986）曾介绍企业的破产分析指标和预测模型。90年代，我国学者周首华、杨济华和王平（1996）在Z分数模型的基础上进行改进，考虑了现金流量变动情况指标，建立了F分数模型，并使用Computation PC Plus会计数据库中1990年以来的4160家公司的数据进行了验证。我国台湾的陈肇荣应用中国台湾地区企业财务资料，重选了相关指标，建立的适合台湾地区使用的财务预警模型。薛野等（1999）用Z一Score模型对我国企业进行了破产预测的实证研究，结果是绝大多数企业都处于破产状态，但实际上这些企业仍然存在。这种结果除了模型本身固有的缺陷外（如变量选择误差），更重要的是我国市场经济不成熟，《企业破产法》颁布时间不长，法律不健全，政府行为过多等原因，研究结果表明，直接引用国外通行的财务危机预警模型对我国企业进行破产预测的效果不佳。周毓萍（1998）结合我国企业实际分别建立了两变量(速动比率和总资产收益率)的判别模型和即神经网络对企业破产进行了预测，其研究成果对我国破产预测有一定的借鉴作用。 2.2.2 上市公司对务危机（ST状态）预警 陈静在（1999）首次对我国上市公司的财务危机进行了实证分析，她以上市公司被特别处理（ST）作为财务危机的标志，结合1995一1997年的财务报表数据对1998年的27家TS公司和27家非ST公司，进行了单变量分析和二类线性判定分析。在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低;在多元线性判定分析中，发现由负债比率、净资产收益率、总资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在ST发生的前3