创业板上市公司财风险预警研究检验.docVIP

创业板上市公司财务风险预警研究检验 　　[摘 要] 创业板又称二板市场，是对主板市场的重要补充。近年来，由于我国创业板市场在监管方面相对主板市场稍显滞后，导致创业板上市公司有发生财务风险的可能。为此鉴于国内外关于财务风险预警的研究文献，依照2012年颁布的《深圳证券交易所创业板股票上市规则》选取66家创业板上市公司作为研究样本，另选30家创业板上市公司作为检验样本，分别构建基于主成分分析法和Logistic回归分析的财务风险预警模型。实证结果表明，Logistic回归预警精准度更高，更加适用于我国创业板上市公司。无论对于企业经营者或是投资者来说，本模型都可用于参考，一定程度上可以避免经营失败或是投资失败造成的损失。 中国论文网 /1/viewhtm　　[关键词] 财务风险；预警模型；主成分分析；Logistic回归 　　[中图分类号] F640 [文献标识码] A [文章编号] 1009-6043（2018）03-0174-03 　　一、引言 　　截止2017年10月，创业板共有690家上市公司，总市值达5.5万亿元。创业板作为我国资本市场的重要组成部分，其最主要的意义在于为中小型企业拓宽了融资渠道，为其发展提供了平台，但是由于创业板准入门槛低、成立时间短、业绩不突出等特点，再加上在全球经济复苏缓慢的背景下国际国内市场瞬息万变，导致上市公司在经营上存在重大风险的可能。一旦发生风险将给企业自身、投资人、债权人造成重大损失。因此在风险发生前进行有效防范将是重中之重。2012年《规则》的颁布针对创业板上市公司的退市有了明确规定，同时对于建立健全的资本市场运转体系具有重大指导意义。 　　立足于创业板上市公司，分别建立基于主成分分析和Logistic回归分析财务风险预警模型，通过预警模型帮助企业尽早识别并规避风险。 　　二、文献综述 　　国外关于风险预警的研究最早可以追溯到上世纪30年代Fitz Patrick（1932）提出的单变量分析法。Beaver（1966）提出单变量判别模型，发现现金流量负债比与资产负债率最能判定公司经营情况且距离破产日越近，预测越准确。Altman（1968）在对制造业企业进行财务预警时，首先使用了多重判别分析法。Ohlson（1980）最早将Logistic回归分析引入到财务预警研究中。至此，Logistic回归分析将风险以概率值的形式反映出来。在90年初期，随着计算机网络技术的发展，诸如人工智能以及神经网络等技术也被应用到财务预警中，这些技术大大提高了预警的准确性。 　　我国学者对财务风险预警的研究大多借鉴国外经验，但目前已有初步成果如陈静（1999）认为使用多元判定模型进行预测其结果好于单变量模型。周首华，杨济华，王平（1996）认为现金流量指标是对传统Z模型五类具体指标的补充，并提出了F分数模型。孔宁宁，魏韶巍（2010）对我国主板市场制造业上市公司进行财务预警，对比Logistic回归模型和主成分分析，认为主成分分析预警效果更好。宋晓娜，黄业德，张峰（2016）认为Logistic回归分析更适用于我国制造业上市公司财务预警且准确度高达90%。 　　综上所述，我们认为采用不同方式的预警模型会对预警效果产生一定影响。此外，样本数量、指标选择以及所选行业都会对预警结果产生重大影响。在我国现阶段的研究中，单变量模型依据的财务指标过于单一，预警准确度不高，而多元线性判定模型要求自变量必须符合正态分布，且样本之间具有相等的协方差，这在无形中增加了难度。相比而下，Logistic回归模型则不会受到假设的约束。 　　鉴于此，考虑到现有的研究主要集中在主板市场，对创业板市?鼋?行的研究案例较少。因此以创业板上市公司为研究对象，选择反映企业财务状况的偿债能力、盈利能力、营运能力、发展能力和资本结构五大类共19个财务指标作为财务预警指标体系的组成要素，建立主成分分析和Logistic回归分析两种财务风险预警模型并加以验证。 　　三、研究设计 　　（一）研究样本选择 　　由于在2012年最新颁布的《规则》中对创业板上市公司的退市制度作出明确规定，加之我们主要探讨的是财务方面引起的风险，故而像“被证券交易所公开谴责”的规定我们无法判断是否完全基于财务问题，因此暂且不予考虑。基于以下两个条件判定创业板上市公司可能出现潜在的财务风险：其一首次出现净利润为负；其二净资产较上年增长率为负。根据这两个条件并按照证监会2012年对创业板上市公司进行的行业板块分类，筛选出33家企业作为研究样本，同时按照1：1的比例对所选企业进行配对，共找到行业、规模与之相近的配对企业33家，并选取2014-2016年的公开数据，数据来源为巨灵数据库。 　　（二）预警指标选择 　　为了能够全面反映企业的财务状况和经营成果，所选择的财务