论文部分内容阅读
本研究通过对国内外财务危机预警实证研究经典文献的回顾和总结基础上,认为财务危机预警实证研究主要包括财务危机概念的界定、财务危机预警指标的选取以及财务危机预警模型的构建三个方面,其中财务危机概念的界定是基础,指标的选取是关键,财务预警模型的构建是重点。本研究在对财务危机的概念进行界定时,将公司因“财务状况异常”而被特别处理(Special Treatment,简称ST),作为公司陷入财务危机的标志,最终选取145家制造业上市公司作为研究对象;提出了预警指标的选取原则,选取了包括公司偿债能力指标、盈利能力指标等五个方面财务指标,以及股权结构指标、股权制衡指标等六个方面的非财务指标,共计37个指标构建了本研究的财务预警指标体系,通过显著性检验和因子分析方法,最后筛选出6个预警指标;在预警方法的选取上,首先选取实证研究中常用的Logistic回归方法(Logistic regression),利用训练样本发生财务危机前两年(T-2年)的6个预警指标信息,构建了财务预警模型。其次,通过对广义回归神经网络(General RegressionNeural Network)结构和特点分析,认为将该方法作为财务预警方法具有可行性,利用相同的训练样本数据,构建了广义回归神经网络的财务危机预警模型。最后分别使用训练样本和检验样本的数据对两个预警模型的预测能力进行检验,其中Logistic回归模型的综合正确率分别为89.5%和84.25%,GRNN模型的综合正确率分别达到了95.35%和93.1%。研究结果表明:首先,本研究筛选出的6个预警指标,比较好的反映了财务危机公司和财务正常公司的差异,包含了制造业上市公司是否发生财务危机的有效信息。其次,本研究构建的两个预警模型都具有良好的预测能力,可以为制造业上市公司内部管理者和外部投资者提供决策依据。第三,将广义回归神经网络方法作为财务预警方法具有可行性,该模型具有较高的判别准确率和实际应用价值。最后,企业的经营管理者、股东和债权人等利益相关者,应当重视注册会计师给公司出具的审计报告,维护各自的利益。