论文部分内容阅读
随着世界经济一体化趋势的日益显著,怎样更好地适应市场竞争,是所有企业需要探究的主要课题。制造业作为我国国民经济的支柱,是发展实体经济,提高生产力的关键产业,制造业上市公司在我国上市公司中占比超过65%,对国民经济产生了重大影响。但通过近几年公布的数据,不难看出我国制造业上市公司由于财务困难而被特殊处理的案例日渐增多,而这类公司如果不能有效处理财务问题,也无法保障企业的持续经营和可持续发展。基于制造业行业在国民经济中的重要地位,结合制造业企业的特点,通过财务数据的分析和非财务指标的运用,准确地对制造业上市公司做出财务风险预警,就凸显出其积极的理论和实践意义。本文将研究对象设定为我国深沪A股制造行业的上市公司,并将企业发生财务危机定义为企业因财务状况异常而被特别处理(ST或*ST),同时采用了 2014到2016年国内上海和深圳两市最早被ST的60家财务危机公司看作财务危机组,通过逐一配对的办法对60家财务健康企业每一年的财务情况进行分析并将其纳入财务正常组。分析企业偿债、发展、获利、管理、现金流能力以及每股指标六个方面体现的财务因素和其他非财务因素中,根据预警指标的选取原则,共选取了 36个财务指标和11个非财务指标,以设定适用于我国制造业的财务预警指标体系。结合柯尔莫哥洛夫一米诺夫正态分布检验(K-S检验)、显著性检验(独立样本T检验和曼—惠特尼—威尔克森检验),将显著性强的预警指标分离出来并甄选,归纳重点因素以控制变量数量及去除多重共线性的需要;选取首次被ST的前三年的指标数据作为截面数据来建立BP神经网络模型,模型预测的准确率可以达到90.83%。本文所建立的预警模型预警效果较为理想,从而能够提前、及时发现企业存在财务危机的可能性。