论文部分内容阅读
近年来,我国证券市场发展迅速,证券市场健康稳定的发展与我国经济的平稳运行密切相关,而上市公司作为证券市场的基础,其经营质量的好坏将决定证券市场能否健康持续发展。投资者,债权人,银行等各利益相关者都会受到上市公司财务状况的影响。而在激烈的市场竞争中,很多公司因经营不善而陷入财务困境,甚至面临债务重组及资产重组而使上述各方受到损失。因此,为上市公司的各利益相关者建立财务困境的预警系统则显得尤为重要。本文主要研究非财务指标与DEA效率指标能否提高财务预警模型的预测准确率,并比较logistic回归模型与贝叶斯网络模型的预测效率。全文的共分为四章,每章的主要内容如下所示:第1章首先对论文的选题背景及选题意义加以阐述,然后对国内外学者的研究现状进行分类并加以总结。第2章主要对财务困境的概念加以界定,并阐明使用ST公司作为财务困境公司的理论依据,并对本文所使用的财务困境预测模型例如logistic回归模型,贝叶斯网络模型,DEA等模型的原理加以说明。第3章为样本与变量的选取。本文选取我国上市公司制造业企业的作为研究对象,并将选出的样本分为两组以备模型的训练及检验。基础变量将从财务指标与非财务指标两方面选取,财务指标反映的是公司偿债能力,盈利能力,营运能力以及成长能力等;非财务指标反映的则是公司的治理结构,市场收益,股权指标等。在变量的筛选环节首先对每个变量进行独立样本T检验,然后选取在5%显著性水平下显著的变量进行相关性检验,最终选取了6个财务变量与5个非财务变量进入模型中。第4章使用第三章中选取出的变量进行实证分析,首先仅使用6个财务指标进行logistic回归,建立logitⅠ模型,然后将5个非财务指标加入到上述模型中,建立logitⅡ模型。比较两个模型的拟合优度和分类及预测准确率。在第二节中选用树增强型简单贝叶斯网络(TAN)进行建模,首先选取财务指标构建贝叶斯网络模型并计算该模型对样本公司的分类与预测准确度,再在上述模型中加入非财务指标,观察新模型的预测效果,并判断非财务指标的加入是否可以提高贝叶斯网络的预测准确率。最后,本文试图将DEA方法运用到财务危机的预警中,研究DEA效率变量能否提高财务困境模型的预测效率。本文的结论认为非财务变量可以作为财务变量的一个有效补充,提高财务预警模型的预测准确率;但是,将DEA效率值作为变量引入到logistic回归模型和贝叶斯网络模型中,并不能有效提高两个模型预测的准确率。logistic回归模型与TAN模型各有优劣之处,在仅使用财务变量的情况下,logistic模型的预测效率要高于TAN模型;如果加入非财务变量,TAN模型的预测效率要略优于logistic模型的预测效率。并且两类模型都具有较好的稳定性,TAN模型的稳定性要高于logistic模型。