上市公司的财务状况是其经营业绩的重要组成部分,也是投资者、经营者、证券中介机构和证券监管部门等相关利益主体十分关注的内容.研究分析中国上市公司整体上的财务状况,揭示其内在的模式与规律,对于深化认识和全面评价上市公司的整体状况,把握和了解中国证券市场的发展水平,对于投资、借贷的计划控制、财务风险规避、经营管理决策、企业绩效评价和信用评级等都具有重要的参考价值.为了更加透彻全面地展现中国上市公司整体的财务状况,从而服务于理论界和实务界的相关要求,该文在前人所做的大量财务会计实证研究的基础上进行了中国上市公司财务状况的实证研究.不同于以往主要基于统计方法进行的研究,该文的分析研究是基于智能性信息处理技术——数据挖掘技术而开展的.数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.该文的第二部分对其概念、基本过程、功能、主要方法、SAS软件实现进行了简明扼要地介绍,还对数据挖掘与统计学的关系进行了初步总结,为后文分析提供了方法论基础.该文挖掘的数据对象是2002年中国深沪市A股市场1320家上市公司的财务指标数据.具体指标有反映企业资本结构的股东权益比率、长期负债比率;反映偿债能力的是流动比率、速动比率;反映盈利能力的是毛利率、销售净利率、资产收益率和股东权益收益率;反映企业资产营运能力的是总资产周转率、存货周转率和应收账款周转率;反映企业成长能力的是净利润增长率、每股收益增长率和净资产收益率增长率.另外还包括企业的行业属性因素和ST状况指标.在对数据进行预处理时剔除了四家财务状况极度异常的ST公司.对上市公司整体上各类财务比率指标的典型相关分析表明:非ST公司的盈利能力和资产运营能力,ST公司的盈利能力和资本结构的典型相关性很强,非ST公司的资本结构与偿债能力、盈利能力和成长能力,资产运营能力与偿债能力之间的相关性较强,符合会计逻辑和财务规律;但其它类别指标的典型相关性较弱甚至不具有相关性.作者分析其原因是1上市公司的会计政策和会计估计等会计信息系统不一致导致各自指标之间的相关性表现不一致,从而使各类指标在上市公司总体层面上的相关性较弱.2.中国股市上相当一部分企业出于保牌、融资、逃避监管等目的进行不同程度的盈余管理,甚至在会计信息披露上弄虚作假使公开的财务数据不能反映真实的业务情况.为了控制利润操纵现象,作者建议:建立完善的会计信息披露制度;完善会计法规体系,逐步实现会计准则国际化;加大监管力度,完善监管手段,建立严密的监管体系;加强会计职业道德建设,坚持以人为本的管理思想;深化企业改革,完善公司治理结构,健全企业内部控制;面向资本市场全球化,建立有效的证券市场.该文对比了系统聚类、主成份聚类和自组织特征影射聚类三种方法在财务状况分类中的效果,选择自组织影射网络对上市公司财务状况进行聚类分析.结果表明,上市公司财务状况客观上存在着六种类别.各类别特征如下:第一类财务状况异常,处于困境之中,多数正向指标值极低,但净资产收益率增长率异常高;第二类财务状况较差,盈利能力、资产营运能力和成长能力都较低;第三类经营发展较好,但偿债能力较差;第四类有财务闲置的表现;第五类财务状况较好,资产营运能力最强;第六类财务状况较为均衡,发展稳健.由于财务状况不好的第二类包含的企业个数占所有上市公司的近一半,反映中国上市公司有相当一部分企业经营业绩不尽人意的现象.对于各类企业应区别对待,分级管理,以实现证券市场资源的优化配置.以ST状况为目标变量的财务困境判别模型表明,对识别企业是否陷入财务困境的最有影响的是资产收益率、股东权益比率和净资产收益率增长率指标.该文分别建立了识别财务困境企业的决策树、逻辑斯蒂回归和BP神经网络模型.2模型评估显示,三个模型的正确判别率都高达90﹪以上,逻辑期蒂回归模型的分类效果最好,其次是决策树,最后是神经网络模型.三个模型各有优点:决策树模型能够生成语言表述形式的规则,易于理解和应用;逻辑期蒂回归模型简洁高效,定量判别效果较好;神经网络模型考虑的因素多,信息量大,较稳定.每股收益的预测模型表明,对每股收益影响最大的财务比率指标是资产收益率和股东权益收益率.多项式回归和RBF神经网络模型都表示了自变量和因变量的非线性关系,拟合优度较高.无庸讳言,由于数据质量不高和作者运用方法的能力不够,挖掘所得的知识价值性有限.所建立的模型都是数据依赖的,随着数据环境的改变,需要不断地对其修正和完善,才能适应新的情况.