上市公司财务风险学习曲线及其判别分析的论文.docVIP

　　上市公司财务风险学习曲线及其判别分析的论文 【摘 要】 结合学习曲线及三阶段学习曲线基本原理，本文拟对1999年－2006年沪深两市a股179家st公司年报数据进行判别分析，以求出上市公司财务风险初始学习阶段、稳定学习阶段和缓慢学习阶段的分界点，从而针对各分界点，提出上市公司财务风险防范与规避的相关措施，以利于上市公司结合自身情况合理避险。 　　【关键词】 学习曲线； 财务风险； 上市公司； 判别分析 　　 　　st公司是遭受特别处理（special treatment）的上市公司，是股市中的财务失利者。面对中国股市中st公司的长名单，如何让st公司“摘帽”，如何让非st公司业绩常红，是足够吸引每一位经济管理学人思考与探讨的话题。以下笔者就从学习曲线出发，研究学习曲线在中国上市公司中的存在性。 　　 　　一、学习曲线及其存在性 　　 　　1936年，美国康奈尔大学赖特（t. p. ，其中，y是第x年的单位成本，此处定义为上市x年的累积st年数占累积上市总年数的比率；x是累积产量，此处定义为累积上市年数；m是学习系数，m≤0；a是自变量的系数。通常以学习率c表示学习曲线，c=10m·lg2。学习率小，说明随累积产量增加，工时（成本）下降迅速；学习率大，则相反。 　　对上述方程两边取对数，将学习曲线方程转化为一元回归方程，从而借助回归方程，得到1999－2006年中国股市上市公司的学习曲线方程为：y=4.5846x-0.7686。由c=10m·lg2解得，学习率c为58.82％。 　　 　　 　　由此可知，中国股市中上市公司对财务风险的防范和规避可以用学习曲线的相关理论加以分析，上市公司对财务风险的防范和规避存在学习效应。以下借用判别分析对分阶段学习曲线进行深入分析。 　　 　　二、分阶段学习曲线的判别分析 　　 　　上述相关研究表明，面临财务风险的st公司，随着累积上市年数的增加，累积st年数比呈现下降趋势，st公司存在学习曲线。由此，st公司可以建立正常学习曲线，以发挥学习效应，最大程度控制财务风险。借助spss软件的判别分析工具，以179家st公司的上市年数、st年数以及st年数比为自变量，拟将179家st公司分为三类，分析如表1。 　　 　　表1给出了分类统计的结果，包括均值、方差、未加权的权重和加权的权重。如第一类的上市年数均值为6.458333，标准差为1.428559。 　　表2分析中使用了前2个规范判别式函数，给出了典型判别方程的特征值及方差贡献。特征根取变量数以及类别数减1中的较小值。此处分为3类，变量数3，所以特征根数等于2，其中第一个特征根为5.011636，能解释所有变异的94.54098％。 　　表3给出了典型判别方程的有效性检验。bda统计量表达为类内离差交叉乘积矩阵行列式与总离差交叉乘积矩阵行列式的比值。可见，两个典型判别方程的判别能力均显著。 　　表4给出了标准化典型判别方程的系数。依据给出的系数，第一个标准化典型判别函数表达式为： 　　y1=0.069856×st年数+0.043949×上市年数+1.051935 　　×st年数比 　　y2=-0.81742×st年数+1.931809×上市年数+1.381753 　　×st年数比 　　通过分析证券之星网站1999年－2006年沪深两市a股179家st公司年报数据，依据1999年－2006年上市公司年报计算st年数，依据2006年上市公司年报中的公司上市时间信息计算上市年数，截止到2006年计算得出累积上市年数。计算中，发现st年数比存在大于1的现象，这在理论上是不可能的，但是因为此处收集资料的程序并未出错，而中国股市中上市公司的数据存在如此情况，也能说明目前上市公司相关上市资料的混乱，故st年数比大于1的情况仍然予以保留。为忠实于实证研究结果，虽然表5st年数比的分界点存在不连续，但是此处不作调整。结合统计结果中按照案例得出的统计量表，计算得出各组分类情况及其临界点。具体数据见表5。 　　基于此，对保存至变量中的输出结果与假设分组情况加以对照分析（具体数据略），再结合学习曲线的三个阶段，对上市公司的财务风险进行如下分段： 　　（1）上市年数不超过8年（不含）的上市st公司，处于初始学习阶段，其累积上市年数少，学习能力强，可提高的空间也很大。 　　（2）累积上市年数在8－12年（不含）之间的上市st公司，处于稳定学习阶段，其累积上市年数较多，学习能力较强，可提高的空间也较小。 　　（3）累积上市年数超过12年的上市st公司，处于缓慢学习阶段，其累积上市年数多，学习能力增长幅度趋缓。 　　图2为经过判别分析之后的分阶段学习曲线。 　　为忠实于实证研究结果，此处对st年数比值存