创业板上市公司财务预警探究.docVIP

创业板上市公司财务预警探究 　　摘要：为了对退市前的创业板上市公司进行财务预警，本文选取93家创业板公司，包括64家财务健康公司和29家财务困境公司，分别使用两类人工神经网络模型和支持向量机模型，采用现金流量安全与否作为财务困境的标准，从20个财务指标提取10个，建立财务预警系统。研究结果表明，相对于人工神经网络模型，支持向量机模型能够较好地对小样本进行判别预测，是一种比较理想的财务预警模型。 关键词：创业板；财务预警；神经网络；支持向量机 中图分类号：F275 文献标识码：A 文章编号：1001-828X（2013）02-0-02 一、引言和理论综述 创业板是地位次于主板市场的二板证券市场，在上市门槛、监管制度、信息披露、交易者条件、投资风险等方面和主板市场有较大区别。其目的主要是扶持中小企业，尤其是高成长性企业，为风险投资和创投企业建立正常的退出机制，为自主创新国家战略提供融资平台，丰富多层次的资本市场体系。我国深交所的创业板也是高成长性伴随高风险的市场，鉴于中国创业板市场的高成长性和高风险性，以及国家推行创业板退市试水，我们有必要为目前创业板上市公司建立科学的财务预警系统，这样可以为投资者规避风险，也可以为决策者提供参考，还可以督促上市公司加强自我管理。 财务预警是以财务会计信息为基础， 通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机实施的实时监控和预测警报。财务预警中的数学模型就是财务预警模型，它是指借助企业财务指标和非财务指标体系，识别企业财务状况的判别模型。目前企业财务预警研究主要集中在三个方面：一是财务危机概念的界定；二是财务预警模型的建立；三是财务预警指标的选择。 1.财务危机概念的界定 对财务危机的界定，国内外学者因研究目的不同而异，使用了不同的标准。Beaver[1]（1966）认为“破产、拖欠偿还债务、透支银行账户或无力支付优先股股利四项中的任何一项的企业，列为失败企业”，即为发生财务危机的企业。Altman[2]（ 1968）依据美国破产法界定破产企业，认为是“进入法定破产的企业”。Deakin[3]（1972） 的研究“仅包括已经经历破产、无力偿还债务或为债务人利益而已进行清算的企业”。由此可见，国外对财务危机的界定因研究目的不同而不同，主要有：①无偿债能力；②违约；③财务危机；④破产。 2.财务预警模型的建立 企业财务预警的模型方法一直在不断地改进和创新之中，常见的有以下六类[4]：一元判定模型（ Univariate）、多元判定模型（ Multiple Discriminant Analysis，MDA）、多元逻辑（ Logit）回归模型、多元概率比（ Probit ） 回归模型、人工网络（ ANN）模型和联合预警模型。Ohlson[5]（1980）运用条件回归模型，对2103家公司进行分析，得到一个预警分类模型。 国内最早是由吴世农[6]（1987）介绍了企业破产预警模型和分析指标。佘廉[7]（1999）出版了企业预警管理丛书，标志着我国学者开始了对财务预警的系统研究。吴世农等[8]（2001）运用Fisher线性判定、多元线性回归和Logistic回归分析，建立了预警上市ST公司的财务预警模型。目前我国上市公司财务数据并不完善，许多上市公司上市时间并不长，所以应使用多种研究方法建立我国上市公司的财务预警模型，比较分析选择适合的模型以提高预警精度。 3.财务预警指标的选择 Altman[9]等实用传统的财务指标，如负债比率、流动比率、净资产收益率和资产周转率等作为预警指标，Aziz[10]等以现金流量信息构建判定指标，作为预警指标。国内学者一般从盈利、运营、偿债、成长性等方面选取财务指标作为预警指标。一般而言，使用较多的财务指标能提供更多的信息，提高财务预警精度，但是指标之间可能高度相关，导致普通预警模型存在多重共线性。人工神经网络模型和支持向量机模型是非线性的平行处理结构模型，变量之间的相关性对数据处理影响不大，在使用这类模型时可以选用较多的财务指标，这样可以提供多方面的企业财务信息，提高预警精度。 二、本文的研究方法和研究样本 创业板上市公司的财务预警有别于传统的主板上市公司财务预警，这需要我们从危机界定、模型选择和财务指标选取三个方面重新构建预警系统。由于创业板上市公司目前还未出现ST和PT公司，以及单纯使用盈利能力区分财务困境的不适宜性，我们认为应构建新的指标区分财务困境企业和非财务困境企业。企业偿还债务的资金主要来源于企业经营活动的现金流量，通常使用净现金流量与流动负债的比值来反映企业偿还到期债务的能力。当该比值低于一定水平时，就意味着企业的现金流量不足，偿债能力出现问题，符合