基于纵向数据的上市公司财务危机预警模型

摘要

一个公司的财务状况直接影响了公司的运营，而上市公司又是证券市场的基础，保证上市公司良好的运行是证券市场正常运行的先决条件。随着近年来实体经济的下滑，许多公司尤其是制造业企业面临着陷入财务危机的危险，如果能够建立适合中国市场的财务危机预警模型，则能够提前采取相应的措施，对投资者和公司管理者都有重要的意义。
　　本文以上市公司被实施“特殊处理”作为企业陷入财务危机的标志，选取了在2011-2014年间首次被实施“特殊处理”的在A股上市的50家制造业企业作为财务危机公司样本，并选取50个同行业健康公司作为配比样本。在变量的选取上，选取在国内使用频率较高的财务比率，并利用均值检验和因子分析对变量进行筛选。
　　首先建立了基于截面数据的传统的逻辑回归模型和 Fisher判别分析模型，结果表明逻辑回归模型的预测准确率要高于判别分析，总结国内外关于上市公司财务危机预警的模型，发现大多数的研究都是基于某一年份的数据即只利用了单截面数据，而没有考虑时间延续性。因此，本文又建立了基于纵向数据的广义估计方程和随机效应模型，分别代表了处理纵向数据的两类模型——边际模型和条件模型。两类模型的估计结果相差不大，它们对财务危机公司的预测准确率分别为92％、94%，对健康公司预测准确率均达到98%。
　　从计算结果可以看到，无论是基于截面数据还是纵向数据，模型预测的准确率都较高，说明选取的这些财务比率比较有效，企业发生财务危机不仅与企业的盈利能力有关，还与偿债能力和营运能力有关。基于纵向数据的模型的预测准确率略高于截面数据，并且基于纵向数据的模型预测的时间跨度长，能够预测一个公司在一个时间段内出现财务危机的概率。

目录

封面

中文摘要

英文摘要

目录

1 引 言

1.1 研究背景

1.2 研究目的及意义

1.3 财务危机预测模型的国内外研究现状

1.4 本文的研究内容与研究方法

2 样本及指标的选择

2.1 财务危机公司的定义

2.2 样本数据的选取原则

2.3 财务比率的选取

2.4 对财务比率的筛选

3 基于横截面数据的传统财务危机预警模型

3.1 Logistic回归模型

3.2 Fisher多元判别分析

4 基于纵向数据的财务危机预警模型

4.1 纵向数据的定义及选用纵向数据的优势

4.2 纵向数据分析模型

4.3 基于GEE和随机效应模型的实证分析

5 结论与展望

5.1 结论

5.2 展望

致谢

参考文献

附录

A 所选健康公司样本列表

B 选取的各财务比率计算公式及解释

C 随机效应模型估计的随机效应

D 四种模型的预测结果