创业板上市公司财务预警探究.docxVIP

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。0hlson[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。余廉[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，AzizElO] 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