基于时间序列上市公司财务预警实证研究.docVIP

基于时间序列上市公司的财务预警实证研究 　　摘要：本文以我国制造业上市公司为研究对象，利用其被ST前三年的季度时间序列数据建立财务预警模型，以期能反映上市公司财务变化的动态累积效应。研究表明：基于时间序列数据建立的logistic财务预警模型预测效果优于基于截面数据的财务预警模型；预警方法上logistic逻辑回归较fisher多元判别更佳；模型实证结果显示，公司盈利能力、每股收益和总经理持股比例对公司财务困境有显著影响。 　　关键词：制造业上市公司 财务困境 全局主成分 logistic回归 　　 　　一、引言 　　随着我国资本市场不断深化和发展，越来越多的企业选择通过上市来筹集资金，与此同时，因陷入财务困境导致公司经营失败的案例也屡见不鲜。因此建立一套合理有效地财务预警模型对公司管理者、投资者和市场监管者及时识别并规避财务风险具有重要现实意义。学者研究表明，财务风险具有行业特性。目前，工业尤其是制造业仍是我国经济发展的支柱。因此，本文以我国制造业上市公司作为研究对象对国民经济发展也具有重要意义。目前国内外关于财务预警的实证研究主要集中在预警变量、预警方法和预警时点三个方面。早期的研究主要是基于资产负债表和利润表的相关指标，站在某一时点进行截面数据财务预警的静态财务。20世纪80年代以后，国外开始以现金流量表为基础进行动态财务预警研究。Olson（1980）采用logistic回归模型，分别构建了以现金流量指标为基础的财务预警系统。Aziz、Emanuel和Lawson（1988）比较了多个模型的财务预警准确率，发现现金流量模型的预警效果较好。国内动态财务预警的研究自21世纪才开始。吴方卫、张锦华（2005）在农业上市公司持续性经营能力研究中，完全采用以自由现金流量建立的指标体系，证明了在预测经营失败时准确率为85%，远远大于传统指标的65%。蒋丽（2007）引入现金流量指标，建立了不同年度的财务预警模型，以实现动态财务困境预测。张懿（2009）引入了公司增长变量，分别以中报和年报数据建立了短期和长期财务预警模型。研究表明，前者更具有时效性。回顾国内外已有研究成果，动态财务预警研究不多。且利用时间序??数据开展动态财务预警研究较少。财务困境的产生是一个长期累积和逐步发展的过程，因此本文尝试利用季报时间序列数据建立动态财务预警模型，以期体现公司财务状况的动态累积效应。 　　二、研究设计 　　（一）研究假设 公司是否会陷入财务困境同时受财务因素和非财务因素影响。从长期来看，盈利能力和成长能力好的公司抵抗风险能力会强。短期内，公司可能会因为偿债困难而出现财务问题，但如果发展动力充足，必然会扭亏为盈。公司财务状况恶化是一个循序渐进的过程。上市公司被特别处理的当年定义为t年，我国一般是根据公司t-1和t-2年的财务状况来决定是否在t年对公司实施特别处理。虽然在t-3年公司仍然保持账面盈利，但是一些财务指标已经出现恶化端倪。因此本文以t-3年一季报、半年报、三季报和年报组成的时间序列数据建立财务预警模型以体现公司财务动态累积效用。本文以t-3年作为预警时点。用特别处理前两年的财务信息来预测失败，会高估模型的预测能力，且在t-3年进行预测相对于t-1和t-2年，时效性更强。基于以上分析提出假设： 　　假设1：盈利能力和成长能力指标对财务困境具有显著识别能力 　　假设2：基于时间序列数据建立的动态财务预警模型优于传统的静态财务预警模型 　　假设3：传统的静态财务预警模型优于基于时间序列数据建立的动态财务预警模型 　　（二）样本选取与数据来源 借鉴国内大多学者的观点，本文将“因财务状况恶化”而被特别处理（ST）作为上市公司陷入财务困境的标准。以2006年至2009年沪深两市首次被ST的A股制造业上市公司为研究样本，剔除数据不全及上市未满三年的样本；以公司被ST前三年年度数据为基础，遵照行业（二级分类）相同、规模相近（总资产规模相差在10%以内）的原则，按1:1比例配对选取特别处理公司（财务困境公司）和配对公司（财务正常公司）各61家共122家作为研究样本，其中2006年至2008年的100家作为建模样本建立预警模型，2009年的22家作为预测样本检验模型的准确率。本研究数据主要来源于：上海和深圳证券交易所公布的数据、国泰安数据库、清华金融研究数据库以及色诺芬数据库。 　　（三）研究方法 本文采用全局主成分法提取财务预警变量。经典主成分分析在财务预警模型研究中比较常见，因为它能很好的解决财务指标变量间存在多重共线性这一问题，但是它只能处理单一时间点的截面数据，而全局主成分能分析在保留经典主成分优点的同时，能很好的对时序立体数据进行处理，符合本文的研究需求。本文采用logistic逻辑回归和fisher线性判别两种方法建