上市公司财务预警模型对比分析及实证研究——基于非财务指标视角-comparative analysis and empirical research on financial early warning models of listed companies - based on the perspective of non-financial indicators.docxVIP

摘要 摘要 Abs Abstract 万方数据 万方数据 PAGE IV PAGE IV 万方数据 摘 要 随着市场竞争的日益激烈，企业随时有可能陷入财务危机当中。因此，无论 对于公司在社会中的各种利益相关者而言，还是对于国家的发展稳定而言，构建 一个完善而精确的财务危机预警模型，能够准确地预知企业未来的财务发展状况 显得尤为重要。 从以往的研究中不难发现，Logistic 回归和 Fisher 判别已经成为了构建上市 公司财务预警模型的主旋律，然而对于预警指标的选择基本还局限于财务数据或 者只是简单地涉及某方面非财务信息，其实公司的许多层面对于上市公司的财务 危机发生都有显著性作用，因此，本次对于财务预警模型的研究不仅包括全面的 财务数据，还秉承重要性原则，从股权结构、治理结构、重大事项、人力资本以 及一些宏观指标这几个方面引入非财务信息，力求构建更准确的财务危机预警模 型。 本文首先通过总结国内外学者对于财务危机的定义、财务危机预警模型的研 究以及对于非财务指标信息在财务危机预警模型中的应用，然后设定的样本及配 对样本、预警指标的选取准则，随后选取了 2010-2012 年首次被 ST 的 44 家 ST 公司作为样本，44 家非 ST 公司作为配对样本以及选取财务指标 24 个，非财务指 标 12 个；运用 T-3 年的上市公司数据信息计算和量化各指标。通过正态检验和显 著性检验选取显著性指标、因子分析降低维数，而后先后使用 Logistic 回归分析 方法和 Fisher 判别分析方法，分别建立了基于纯财务指标的预警模型和引入非财 务指标后的综合预警模型，比较分析预警效果。 研究表明：通过 Logistic 回归方法和 Fisher 判别分析方法构建的财务危机预 警模型都具有良好的预警效果；财务指标对于财务危机预警具有显著性的作用； 不管是 Logistic 回归方法，还是 Fisher 判别分析方法在引入非财务指标后，可以 提高预警模型的预警能力；Logistic 回归分析方法比 Fisher 判别分析方法构建的 财务危机预警模型的预警效果要好。 关键词:财务危机预警；财务指标；非财务指标；Logistic 回归；Fisher 判别 I Abstract With the market competitions fiercer day after day, the enterprise may be in financial crisis at any time. Therefore, it’s both particularly important for the company’s various stakeholders, or for the stable development of the country, to build a complete and accurate financial crisis warning model to predict enterprise financial development in the future. It is not hard to find from the previous studies that the Logistic regression and the Fisher discrimination has become the main theme of the corporate to build the financial early warning model. In fact, there are many aspects of the company have significant effects on the financial crisis. However, these studies still choose the warning index from the financial data or just involve little information of non-financial. Therefore, this research of financial crisis warning model not only has financial data, but also upholds the principle of importance and collects non-financial information from the ownership structure, governance structure, major issues, human capital and some macro