一、研究背景财务困境不仅危及到公司自身的生存与发展,而且还影响到投资人、债权人和国家的利益。随着我国市场经济体制改革的深化和资本市场的快速发展,经济领域中的复杂性、不确定性日益凸显,公司发生财务困境的情况也日益增多。因此,迫切需要建立财务困境预警模型,以有效地预警公司财务状况,从而防范财务困境的出现。本文的研究是在国内外学者们对财务困境预警、公司治理结构的大量研究基础上进行的,针对我国目前上市公司的具体情况,将公司治理结构因素引入财务困境预警研究领域,探讨加入公司治理结构指标可否建立更加有效的预警模型,以期找到能够显著区分财务困境公司和财务正常公司的预警指标,由此建立适应我国上市公司的财务困境预警模型,从而为有关利益各方提供决策依据和参考意见。二、本文的结构与观点本文共七章,各章的主要内容如下:第一章是绪论。首先阐明论文的选题背景和意义,主要阐述了在我国资本市场快速发展和财务困境公司不断涌现的背景下,各利益相关人对上市公司财务困境预警研究需求日益迫切的现实以及财务困境预警对各利益相关人的重大意义。其次说明本文的研究方法和研究思路。本文以中国沪深两市制造业上市公司作为研究对象,以因财务状况异常而被实施特别处理的公司(ST公司和*ST公司)作为界定上市公司财务困境的标志,分析了财务困境出现前3年财务困境和财务正常公司的财务指标和公司治理结构指标。在研究方法上,本文采用了统计方法和数据挖掘相结合的研究方法。统计方法包括Logistic回归方法,数据挖掘方法包括决策树方法、神经网络方法,使用的分析工具为SAS/Enterprise Miner。第二章是财务困境预警研究的文献综述。首先回顾了国内外学者关于公司财务困境预警的主要研究成果,并对以往的模型进行了讨论,仅使用财务指标建立财务困境预警模型存在一定的局限性,以此说明本文引入公司治理结构指标的意义所在。其次总结了国内外将公司治理结构因素引入财务困境预警模型的研究现状,揭示将财务困境与公司治理结构相结合研究的意义。第三章是公司治理结构对财务困境的影响分析。首先对财务困境的概念进行了界定,国外大多数学者把清算或破产作为公司陷入财务困境的标志,但由于我国证券市场缺乏健全的退市机制,迄今为止上市公司破产的案例寥寥无几。结合我国实际情况,本文把上市公司因财务状况异常而被特别处理作为陷入财务困境的标志。其次对公司治理结构的概念进行了界定,在本文研究中公司治理结构专指狭义的公司治理结构。在此基础上,通过分析公司内部治理结构中的董事会结构、股权结构、管理层激励机制等因素与财务困境的关系,揭示基于公司治理结构建立财务困境预警模型的合理性。第四章介绍了本文所使用的建模方法,包括Logistic回归方法、决策树和神经网络方法,为下面的实证分析做准备。第五章为研究方法设计,包括样本的设计,变量的选择。样本的设计。参照2001年4月中国证监会发布的《上市公司行业分类指引》,仅以沪深两市制造业上市公司作为研究对象,以因财务状况异常而被特别处理(简称ST)作为公司发生财务困境的标志,分别选取2003年、2004年和2005年77家财务困境公司和232家非财务困境公司,共309家上市公司,分析了财务困境出现前3年两类公司的财务指标和公司治理结构指标。变量的选择。根据现代财务理论选择反映公司偿债能力、营运能力、盈利能力、现金流量能力和发展能力等五个方面财务比率指标。从四个角度引入公司治理结构指标,包括董事会结构、股权结构、管理层激励机制、其它反映公司治理结构的因素。第六章为实证分析。首先将公司治理结构指标纳入预警模型,运用Logistic回归方法、神经网络方法、决策树方法分别建立模型,比较了三者的建模效果。其次,将纳入公司治理结构指标的上市公司财务困境预警模型的研究结果和仅采用财务指标预警模型的结果进行对比,观察两者判别结果的差异,发现引入公司治理结构指标之后模型的预警能力均有增强。最后,重点对决策树模型的结果进行了分析和研究,并利用决策树规则对比分析了*ST嘉瑞和中集集团两家上市公司。第七章为本文的总结,阐述了本文的结论、存在的局限性以及对今后该领域发展趋势的展望。通过本文的实证结果和对结果的分析,得出以下结论:1.考虑公司治理结构的影响,引入公司治理结构指标后建立的模型的预警能力均要比仅使用财务指标而建立的模型要好。本文共采用了三种方法进行上市公司财务困境的预警,研究发现引入公司治理结构指标之后模型的预警能力均有增强。这说明把公司治理结构引入到财务困境预警的研究领域,可以提高模型预警能力。2.上市公司因财务状况异常被特别处理发生的前3年,该类公司与财务正常公司在净资产收益率、每股收益、前三名股东持股比例之和、总资产净利润率、第一大股东持股数/第二股东持股数、管理层持股比例、控股股东占用资金的比率、营运资金对资产总额比率这八个指标上有显著差异,可以根据这些指标建立模型对上市公司是否会出现财务困境进行预警,其中公司治理结构指标也表现出较强的区分财务困境公司和财务正常公司的能力。3.本研究运用三种技术手段来建立模型,分别为Logistic回归方法、神经网络方法和决策树方法。经过实证研究,结果显示这三种方法都具有较好的预警效果。其中,决策树模型的预警效果要好于神经网络模型和Logistic模型,在较长时间跨度的预警效果上,决策树方法具有优势。在上市公司出现财务困境(ST)的前三年,利用决策树方法建立的模型判别准确率达到97%。4.决策树方法使我们可以根据少数几项指标快速地判断一家公司的财务状况,经过判定后公司被划为财务状况不良类并不意味着公司一定发生了财务困境,但这样的公司应当引起重视,进一步地加以了解和分析,这就是决策树预警模型的意义。5.本文所选用的指标从不同角度反映了上市公司的生产、经营、管理状况。同时,这些指标容易从上市公司的年度报告中获取,因而具有实务上的可操作性。三、本文的主要贡献本文基于会计和公司治理结构来构建我国上市公司的财务困境预警模型,区别于传统的财务预警研究,其主要创新在于:1.结合公司治理结构与财务指标,共同构建财务困境预警模型,突破了以往此类研究中只关注财务指标的局限。影响公司陷入财务困境的因素有很多,除了财务因素外,还有许多无法定量的非财务因素,本文把公司治理结构指标纳入到了财务困境预警模型当中,考虑了公司治理结构对预警财务困境的作用,以此来建立适应我国上市公司的财务困境预警模型,提高模型预警的全面性与准确性。2.区别于传统的应用统计方法对财务预警进行研究,本文应用了数据挖掘技术。当前国内财务困境预警研究主要是应用统计研究方法,如多元线性回归、Fisher二类线性判别回归和Logistic回归分析。应用统计技术分析问题都是先以某个假设为开端,然后利用统计学的方法来论证或否定这个假设。统计模型最大的优点在于其具有明显的解释性,缺陷在于过于严格的前提条件,而现实中大量数据分布都不符合这些前提假设。再加上统计模型不具有容错性和自学习能力,从而限制了统计模型在这一领域的应用。而本文采用了以“数据驱动”的数据挖掘技术来构建财务困境预警模型,这种数据分析技术不需要事先进行严格的假定。应用数据挖掘技术建立的模型具有很好的容错能力和自学习能力,因此比统计研究方法具有更好的应用前景。