上市公司首次上市后是否会陷入财务困境是金融、会计研究领域中的一个相当值得探讨的问题。从20世纪60年代开始,随着公司破产数量的逐渐增多,越来越多学者尝试用定量分析提前对企业破产作出预测,一直不断地寻求最适合预测财务危机的方法和模型。六十多年以来,从一开始的单变量判别分析线性预测模型,到现在的以神经网络模型为典型的各种不同的非参数预测模型,所得的研究成果比比皆是。但是在国内,上市公司的财务困境预测研究才起步不久,我国财务困境预测研究之所以滞后主要是因为在1993年7月1日之前我国还没有实行统一的会计准则,缺乏标准、可靠、有效的研究数据。因此,怎样深入研究、如何利用国外现有的研究成果以及结合中国的现实情况准确地预测上市公司是否会陷入财务困境,是如今搁在我们面前急需解决的一个问题。随着中国市场经济的深化改革和证券市场多年的发展,资本规模日益壮大,筹资渠道也越来越多,与公司经营相关的合作伙伴也越来越多。对于这样庞大的市场和较多的利益相关者,如果能够利用财务困境预测模型在上市企业陷入财务困境之前发出预警信号,提早粗略地估计其可持续经营的时间,这样对当局监管者、向其放贷的商业银行、上市公司自身或广大的投资者来说,都是非常有益的。因为公司自身的管理人员能依据预测的结果对其经营管理政策做出调整,而其它的外部利益相关者可以据此提早作好准备,避免对方给自己造成更多的损失。根据生存分析的研究特点,本文从国泰君安上市公司序列找出所需要的非配对的数据样本。以2000年上市的公司作为研究对象,本文把上市公司财务状况异常而被进行特别处理(ST)作为结束事件,标志着陷入财务困境,并以此作为生存分析方法中的特定事件。上市公司首次被实施特别处理就意味着触发了特定的“死亡”事件,得到完整的生存时间t,反之尚未出现这样的处理的上市公司的生存时间数据就属于删失数据,生存时间t就是整个观测的时间长度。然后,本文通过比较被“ST”、尚未被“ST”企业的生存时间,逐步判别、中位数等分析方法筛选财务指标,并采用生存分析方法预测其出现财务困境的时间长度和影响上市企业的生存概率的相关因素。根据全面性、有效性、易获取的三个原则,本文最终选取了反映上市公司的盈利、股东获利、现金流量、营运、发展、长期偿债、风险水平七个方面的能力的17个财务指标,运用加速死亡模型和Cox比例风险模型来拟合上市公司财务困境预测模型。通过应用R编程统计语言,得到实证结果和检验模型的拟合程度、有效性,最终得出本文的结论。在粗略的图形分析中,除了总资产利润率、营运资金和经营杠杆对生存概率没有影响外,其它选取的变量都是相关的重要变量。而根据AIC准则和在5%的显著性水平,资产报酬率x1,总资产净利润率x2、净资产收益率x3、市盈率x5、总资产增长率χ11、利息保障倍数χ12、产权比率x13这几个变量在加速死亡模型中对生存概率都有影响的。但根据BIC准则,在加速死亡模型中资产报酬率x1、总资产净利润率x2、净资产收益率x3、市盈率x5、利息保障倍数x12都是影响公司的生存概率的关键因素。相比而言,在最初的Cox比例风险模型中,资产净利润率x2、净资产收益率x3、产权比率x13、财务杠杆系数x15对于预测财务困境都是有效的观测指标。根据AIC准则,得出在Cox比例风险模型中资产净利润率x2,净资产收益率x3,产权比率x13,财务杠杆系数x15,经营杠杆系数x16,综合杠杆χ17这些显著的变量是有效的。而以BIC准则得到的结果则认为只有产权比率x13在拟合的模型是显著有效的。最后,根据财务困境理论和模型的检验,认定根据AIC准则选出的Cox模型是本文实证研究中所需要的财务困境预测模型。再者,本文是对上市公司的财务状况进行研究,分析、总结出能够预警上市公司财务困境的影响因素。区别于以往的同类研究,本文的创新主要体现在以下3个方面。(1)本文利用生存分析加速死亡模型和Cox比例风险模型与R统计编程语言来估计所需要的模型,处理样本数据。由于模型是否有效的一个基本前提是数据的稳定性,如果因变量和自变量的关系不稳定,其直接后果就是模型预测能力不佳。本文利用程序自身估计的结果对初选指标的缺失值进行估计处理,有效合理地补充了缺失部分的数据,保证了数据信息的完整性和稳定性,使所得到的模型在建模样本中能取得较佳的预测结果。(2)本文的实证研究充分体现了生存分析方法中的加速死亡模型、Cox等比例风险模型的时点预测的能力。本文运用的这两种模型,不仅能准确判别财务困境和财务健康公司,而且通过预测上市公司在各个时间的生存概率,展现企业发生财务困境的过程。在我国财务困境实证研究中,这种提供详细的时点预测的文章比较少见,本文这种时点分析方法也比较新颖。(3)与过去研究人员得到的结果相比,本文的结论与预测财务困境的相关财务指标是有区别的。并且所得到的指标的显著性较强。在加速死亡模型中,它们是资产报酬率、总资产净利润率、净资产收益率、市盈率、利息保障倍数。其中体现股东获利能力的市盈率对预测财务困境有着重大的影响,这为投资者在选股的时候提供了一个相当好的参照指标,同时也为公司管理人员在作出公司管理决策时提供了可考察的财务指标。本文一共有五部分,第一章绪论部分主要介绍本文研究财务困境背景和研究意义,强调了研究背景及研究意义的重要性,说明本文研究的角度和研究方向以及所期望得到的结果。然后,给出了本文的研究框架,说明了本文的研究思路。第二章则是对国内外财务困境预测研究理论的概述,总结过去研究预测财务困境的研究角度、研究成果。具体而言,首先是介绍关于解释财务困境和破产的规范性理论,如期权定价模型以及发展后的模型。其次是介绍了在国内与财务困境预测相关的研究成果,分别论述了用单变量分析、多变量判定、离散因变量和人工神经网络模型来估计财务困境预测模型的效果、准确率。而对于国外的研究部分,主要是论述了William Beaver的单变量模型、Altman的Z值模型、Ohlson的Probit模型和Lane运用的生存分析模型。第三章是介绍用生存分析方法预测上市公司财务困境的理论基础和现状分析。首先主要是论述了生存分析方法的基本含义及在财务困境研究应用中的优势。其次是生存时间的数据分类以及如何将这种有特点的数据运用于预测财务危机中。再者就是说明、介绍了生存分析方法中的相关函数和常见的分析模型,重点提供关于加速死亡模型和Cox风险比例模型的信息。并给出了检验模型的图表方法和统计方法,如K-M估计方法,Wald、似然比检验。最后,探讨生存分析方法在财务困境预测中的应用,主要分析了我国财务困境预测模型应用中的设计问题、测试环境问题。第四章介绍了根据生存分析中生存时间的特点,如何来选择所需的数据样本、财务预测指标。最后,确定好导入实际模型中反映公司财务状况的变量。第五章是本篇论文利用生存分析方法在财务困境预测模型中的实证分析。以数据的搜集为着手点,展示了整理的数据的前10行,对模型中所涉及的17个变量运用图表法进行了粗略地估计,判别出15个变量是模型中的有效变量。由于无法鉴别这种方法得到的结果是否准确无误,本文就运用统计学上的检验方法来判断变量和整个模型的显著性。在这过程中,分别检验了服从Weibull的加速模型和服从指数分布的加速模型,并运用AIC和BIC两准则来剔除多余的变量以及解释所得的实证结果。另外,也运用同样的准则来检验分析Cox比例风险模型,得到不一样的实证结果。最后综合分析比较,结合财务困境预测研究的相关理论,总结出最适合本文研究的样本数据的最优模型,也是本文所要研究的上市公司财务困境预测的最优模型。当然,这其中的有些结果或检验指标不是令人十分满意,本文据此给出了相关的解释,同时也指出本文研究不足的地方。此外,文章的末尾处也说明了财务困境预测研究未来的方向。