论文部分内容阅读
[摘要]本文选取我国证券市场上446家制造业上市公司，以因财务状况异常而被ST作为公司进入财务危机为标志，分别建立了基于财务指标的危机预测模型、基于非财务指标的危机预测模型和基于混合指标的危机预测模型，并对模型的预测结果进行了比较分析。分析发现，财务指标模型对于训练样本预测精度好于非财务指标模型，但模型外推性（稳定性）不如非财务指标模型。财务指标模型和非财务指标模型的互补性较强。混合指标模型兼具了单指标类型模型的优点，对于训练样本和测试样本的预测精度都具较高水平。
[关键词] 财务危机 预测模型 财务指标 非财务指标
[中图分类号]F275 [文献标识码]A[文章编号]1004-6623(2008)02-0096-06
[作者简介] 柏丙林（1964—），湖南常德人，深圳中航地产股份有限公司副总经理，高级会计师，博士。研究方向：产业经济；吕峻（1970—），甘肃静宁人，中国社会科学院数量经济与技术经济研究所，博士。研究方向：产业经济。
一、引 言
对于财务危机预测的定量研究，一直是财务界研究的热点。国外自Beaver（1966）的研究开始兴起。之后，Altman（1968，1977，1993）、Olson（1980）、Odom（1990）、Catherine & Dalton(1994)、Platt(1990，2002)等人在该领域进行了积极的探索和研究。国内对于财务危机的定量研究从已有的文献来看兴起于陈静（1999），其后随着我国证券市场的发展，许多学者对于该领域进行了研究，比较有代表性的有陈晓和陈治鸿（2000）、吴世农和卢贤义（2001）、刘洪（2004）等人的研究。
在该研究领域，一个很重要的问题是预测变量的选择。从已有的研究来看，由于财务指标对于财务危机的可定义性、直观性以及数据易得性，绝大多数学者在财务危机预测模型中均选择了财务指标作为预测变量。但是，利用财务指标预测财务危机也存在一定的局限性，比如财务指标易于被操纵，不能反映企业陷入财务危机的原因，无法进行较为远期的预测等等。于是，许多国外学者在预测变量的选择上进行了积极的探索，在传统财务指标的基础上引入了许多非财务指标，如产业变量(Plat & Plat ，1990)、宏观经济变量（Rose, Andrews & Giroux, 1982）、治理结构（Catherine & Dalton，1994；Fathi & Gueyie，2001）等变量。国内学者对于预测变量拓展的相关文献不多，姜秀华和孙铮（2001）将股权集中系数纳入财务危机预测模型中。实证发现，在财务危机预测模型中引入这些非财务指标后，模型预测精度都得到一定程度的提高。
非财务指标的类型有许多种，如宏观经济变量、产业、地域、治理结构、人力资源、企业战略、制度建设、市场份额、客户满意度、企业年龄等等。但要将之应用于财务危机的定量研究，除需其与财务危机的发生具有相关性外，还需其容易量化且数据容易获得。然而大多数非财务指标不具有这一特性。从目前情况来看，已被理论和实践所证明影响公司业绩的、上市公司需定期披露的治理结构指标是进行财务危机研究的有效工具之一①。
虽然国内外学者在财务危机预测的研究中，对引入治理结构指标等非财务指标作为预测进行了一定的尝试，但从已有的研究来看，这类研究尚处于起步阶段。所有已有的研究都是引入一个非财务指标，以财务指标为主构建危机预测模型（同时包含财务指标和非财务指标的的危机预测模型，本文以下简称混合指标模型）。然后对引入非财务指标前后的模型预测精度进行了简单比较。但是，他们对以下问题没有进行探讨：
（1）基于非财务指标的预测是否比基于财务指标的预测具有超前性？因为从理论上来说，非财务指标所反映的危机征兆的出现一般先于财务指标所反映的征兆，且财务报表的公布一般要滞后于财务报表所属的会计年度。所以，基于非财务指标的危机预测模型（本文以下简称非财务指标模型）与基于财务指标的危机预测模型（本文以下简称财务指标模型）相比，前者预测的及时性和远期精度应该优于后者。
（2）非财务指标模型的稳定性是否优于财务指标模型。因为从理论上来看，非财务指标不易于操纵，而且一般不会出现离群值、极端值，而财务指恰恰相反。所以，以非财务指标作为预测变量建立的模型，其外推性能②（稳定性）应该优于以财务指标作为预测变量而建立的模型。
（3）同时利用财务指标模型和非财务指标模型进行预测，其所提供的预测结果与混合指标模型相比，其预测效果如何？是否能够提供一些与混合指标模型相比，有利于判断公司状态的增量信息？因为，任何一个预测模型所包含的预测变量有限，混合指标模型与单指标类型模型相比③，势必要遗漏一些相对重要的财务或非财务变量。而且，在混合指标模型中，由于财务指标和非财务指标之间的共同作用，虽然有利于判断一些对于单指标类型模型来说的处于“灰色”区域的公司（指将该类公司数据代入预测模型，得出的预测值处于中间区域，很难判断其未来是否会陷入财务危机），如对于财务状况和治理状况④相对偏弱的将来会进入财务危机的公司，通过混合指标模型就可以比较明确地正确判断其将来的状态。但对于财务状况极好而治理状况极差的（或者相反）公司，其将来状态采用混合指标模型可能会判断错误。所以，明确混合指标模型和单指标类型的预测结果各自的特点，对于我们在实际工作中有效利用危机预测模型、降低预测错误率大有帮助。
本文将分别构建财务指标模型、非财务指标模型和混合指标模型，比较三类模型之间预测结果，来探索以上三个问题。
二、研究设计
（一） 财务危机的定义和样本的选取
关于财务危机的界定不同的学者有不同的观点，国内绝大多数学者在其研究中将上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务危机的标志。由于这一标准不仅符合中国的实际情况，而且也便于不同学者研究之间的相互比较，本文对于财务危机的界定也采用了这一标准。
本文按照如下原则选择危机公司样本和对照样本：（1）公司所在行业属于制造业。由于不同行业的财务比率特征不同，而且各行业公司被ST的概率也不相同。本文为了避免行业因素造成的问题的复杂性，选择了在所有上市公司所占比例最大、ST公司最多的制造业上市公司作为样本选择总体。（2）样本公司至少拥有距离ST公司自被特别处理当年（t年）起提前至少3（t-3⑤）年和4年(t-4)的财务和非财务数据。t-3年是ST公司财务状况发生逆转的重要转折点，采用t-3年及以前的数据进行财务危机预测更具有实践意义。（3）正常公司（非ST公司）样本的选择没有采用和ST公司1:1配对的方式选择，而是选择了所有符合前两条规则的正常公司作为样本。因为如果采用1:1的配对方式，由于陷入财务危机的公司为少数，总可以从大量的非财务危机公司中找出差别最大的一组来自我证明模型的效率，故预测模型的普遍性值得怀疑。
按照上述三个样本选取原则，并考虑到CCER数据库⑥的情况，共选取了2002年至2005年4年首次被ST公司共81家和正常公司（非ST）共365家正常公司来作为本研究的样本。
（二）模型建立方法和思路
本文首先采用样本公司的t-3年、t-4年财务指标和非财务指标，通过Mann-Whitney非参数检验寻找在ST公司和正常公司之间具有显著差异的指标①（显著性水平的临界值P值为0.05），筛选掉不具有区别ST公司和正常公司功能的指标。然后，利用相关性分析方法对指标进行再次筛选。最后采用Logistic回归方法建立财务危机预测模型。
有些指标只在t-4年和t-3年间的某一年显著，出现这种情况的原因可能是:（1）公司情况的随机性变化；（2）ST公司发展趋势变化。前一种原因造成的差异不能看作是具有区别ST公司和正常公司的财务危机征兆，后一种原因造成的差异可以看作是财务危机征兆。但由于这两种原因不易区分，本文为稳健起见，将出现这种情况的指标仍看作是非显著类指标。
为了检验危机预测模型外推能力，将样本总体划分为训练样本和测试样本。训练样本主要用来构建危机预测模型，测试样本主要用来测试危机预测模型的外推能力。样本的具体划分情况见表1:
3.高管人员激励特征指标。激励特征指标共选取2个：（1）董事会主席持股量；（2）董事会主席持股比例。
4.地区和年龄特征指标。（1） 地区级别：地区级别分为两类。将注册地在省会城市以下⑤归为第一类，赋值为1；将公司注册地在省会城市归为第二类，赋值为2。（2）上市年龄：指公司上市到本研究所取样本年度之间的年数。
四、财务危机预测模型建立
（一）基于财务指标的财务危机预测模型的建立
统计检验显著的财务比率共有23个（见附表1），通过对23 财务比率进行相关性检验，删除掉相关性较高的比率。最后用来建立模型的指标有14个：（1）主营业务收入增长率；（2）毛利增长率；（3）营业利润增长率；（4） 净利润增长率；（5）长期虚拟资产总资产①；（6）存货周转率；（7）应收账款周转率；（8）总资产周转率；（9）固定资产比总资产；（10）应收账款比总资产；（11）其他应收款比总资产；（12）现金比总资产；（13）营业利润比总资产；（14）经营现金净流量比总资产。
五、三类模型预测精度及分析
（一）三类模型预测精度的比较与分析
和陈晓和陈治鸿（2000）的研究一样，本文采用先验概率0.18（ST样本占总样本比例）作为最佳分割点。预测概率值大于0.18的样本判别为ST公司，预测概率值小于0.18 的公司判别为正常公司。以0.18作为最佳分割点，将t-3、t-4年样本数据代入三类危机预测模型得出t-3年、t-4年的判别精度如表5。
对于财务指标模型和非财务指标模型的预测结果进行比较和分析，见表6。通过表6可以看出，两类单指标类型模型具有较强的互补性，同时使用的效率较高。因为两类模型判别不相符的公司达168家，占样本总数的38%；但两类模型判别均不正确的公司仅有39家，仅占样本总数的9%。在实际应用中，我们可以将两类模型判别均相符结果较为放心的使用，因为，两模型均判别错误的概率很低，如果我们把10%作为错误率是否显著的显著性水平的话，那么两类公司均判别错误的错误率并不显著。而两类公司判别不相符的公司可以作为“灰色”公司，来做进一步慎重分析。
混合模型与两单指标类型模型同时使用的效果相比，二者各有千秋。混合预测模型可以有效地提高预测精度，但两单指标类型模型同时使用却可以有效降低犯确定性预测错误的概率。因为，在本研究中两单指标类型模型同时犯错误的概率在10%以下。
六、研究总结
本文将样本总体分为训练样本和测试样本，通过变量的筛选，利用Logistic回归分别建立了财务指标模型、非财务指标模型、混合指标模型。研究发现，财务指标模型的外部适用性和稳定性较差；非财务指标模型内部适用性较差，但稳定性较高。混合指标模型对于训练样本和测试样本的预测精度均比较好，兼具了财务指标模型和非财务指标模型的优点。研究还发现，财务指标模型和非财务指标模型具有很强的互补性，二者同时误判的概率很低。两单指标类型模型同时使用与混合指标模型单独使用效果各有所长。研究未能发现非财务指标模型相较于财务指标模型具有好的远期预测效果，这可能是本文所研究的时间段较短的缘故。这一现象需要更长时间段的数据分析和研究来解释。
本文的研究还说明了非国有控股、“内部人控制”和政府直接控股容易使公司发生财务危机；国有法人控股、注册地在省会城市、对高管股权激励较多、股权集中度高的公司不容易发生财务危机。上市年龄则与公司财务危机发生概率成倒U型关系，上市时间较短和较长的公司不容易发生财务危机。
[参考文献]
[1]陈静.上市公司财务恶化预警的实证分析[J].会计研究,1999，(4).
[2]陈晓，陈治鸿.中国上市公司的财务困境预测[J].中国财务与会计研究,2000，(9).
[3]姜秀华，孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001，(5).
[4]刘洪，何光军.基于人工神经网络方法的上市公司经营失败预警研究[J].会计研究,2004，(2).
[5]刘明辉，王义华.帕玛拉特舞弊案:折射公司治理与公司理财存在的缺陷[J].财务与会计:(理财版),2006，(3).
[6]吴世农，卢贤义.我国上市公司财务困境的预警模型研究[J].经济研究, 2001，(6).
[7]Altman, E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968 Vol. 23, No. 4.
[8]Altman, Haldeman and Narayanan. Zeta Analysis, A New Model for Identifying Bankruptcy Risk of Corporation[J].Journal of Banking and Finance, 1977 Vol.1, No.3.
[9]Beaver, W. H. Financial Ratios as Predictors of Failure[J].Journal of Accounting Research，1966 Vol. 4.
[10]Catherine M. and Dalton, R. Bankruptcy and Corporate Governance: The Impact of Board Composition and Structure [J]. Academy of Management Journal, 1994 Vol.25, No.3.
[11]Fathi E, and Jean-Pierre Gueyie. Financial distress and corporate governance:an empirical analysis[J].Corporate Governance, 2001 No 1.
[12]Odom, M.D. and Sharda, R. A Neural Network Model for Bankruptcy Prediction[J]. IEEE INNS IJCNN, 1990 Vol 1.2.
[13]Ohlson, J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research, 1980 Vol.18, No.1.
[14]Platt, H. D. and M. B. Platt.Developing A Stable Class of Predictive Variables：the Case of Bankruptcy Prediction[J].Journal of Business Finance andAccounting, 1990 Vol.17, No.1.
[15]Platt, H. D. and M. B.Platt.Predicting Corporate Financial Distress: Reflection On Choice-Based Sample Bias[J].Journal of Economics and Finance, 2002 Vol. 26 Summer.
[16]Rose P., Andrews W. and Giroux G. Predicting Business Failure: A Macroeconomics Perspective[J].Journal of Accounting: Auditing and Finance, 1982 Fall.
[关键词] 财务危机 预测模型 财务指标 非财务指标
[中图分类号]F275 [文献标识码]A[文章编号]1004-6623(2008)02-0096-06
[作者简介] 柏丙林（1964—），湖南常德人，深圳中航地产股份有限公司副总经理，高级会计师，博士。研究方向：产业经济；吕峻（1970—），甘肃静宁人，中国社会科学院数量经济与技术经济研究所，博士。研究方向：产业经济。
一、引 言
对于财务危机预测的定量研究，一直是财务界研究的热点。国外自Beaver（1966）的研究开始兴起。之后，Altman（1968，1977，1993）、Olson（1980）、Odom（1990）、Catherine & Dalton(1994)、Platt(1990，2002)等人在该领域进行了积极的探索和研究。国内对于财务危机的定量研究从已有的文献来看兴起于陈静（1999），其后随着我国证券市场的发展，许多学者对于该领域进行了研究，比较有代表性的有陈晓和陈治鸿（2000）、吴世农和卢贤义（2001）、刘洪（2004）等人的研究。
在该研究领域，一个很重要的问题是预测变量的选择。从已有的研究来看，由于财务指标对于财务危机的可定义性、直观性以及数据易得性，绝大多数学者在财务危机预测模型中均选择了财务指标作为预测变量。但是，利用财务指标预测财务危机也存在一定的局限性，比如财务指标易于被操纵，不能反映企业陷入财务危机的原因，无法进行较为远期的预测等等。于是，许多国外学者在预测变量的选择上进行了积极的探索，在传统财务指标的基础上引入了许多非财务指标，如产业变量(Plat & Plat ，1990)、宏观经济变量（Rose, Andrews & Giroux, 1982）、治理结构（Catherine & Dalton，1994；Fathi & Gueyie，2001）等变量。国内学者对于预测变量拓展的相关文献不多，姜秀华和孙铮（2001）将股权集中系数纳入财务危机预测模型中。实证发现，在财务危机预测模型中引入这些非财务指标后，模型预测精度都得到一定程度的提高。
非财务指标的类型有许多种，如宏观经济变量、产业、地域、治理结构、人力资源、企业战略、制度建设、市场份额、客户满意度、企业年龄等等。但要将之应用于财务危机的定量研究，除需其与财务危机的发生具有相关性外，还需其容易量化且数据容易获得。然而大多数非财务指标不具有这一特性。从目前情况来看，已被理论和实践所证明影响公司业绩的、上市公司需定期披露的治理结构指标是进行财务危机研究的有效工具之一①。
虽然国内外学者在财务危机预测的研究中，对引入治理结构指标等非财务指标作为预测进行了一定的尝试，但从已有的研究来看，这类研究尚处于起步阶段。所有已有的研究都是引入一个非财务指标，以财务指标为主构建危机预测模型（同时包含财务指标和非财务指标的的危机预测模型，本文以下简称混合指标模型）。然后对引入非财务指标前后的模型预测精度进行了简单比较。但是，他们对以下问题没有进行探讨：
（1）基于非财务指标的预测是否比基于财务指标的预测具有超前性？因为从理论上来说，非财务指标所反映的危机征兆的出现一般先于财务指标所反映的征兆，且财务报表的公布一般要滞后于财务报表所属的会计年度。所以，基于非财务指标的危机预测模型（本文以下简称非财务指标模型）与基于财务指标的危机预测模型（本文以下简称财务指标模型）相比，前者预测的及时性和远期精度应该优于后者。
（2）非财务指标模型的稳定性是否优于财务指标模型。因为从理论上来看，非财务指标不易于操纵，而且一般不会出现离群值、极端值，而财务指恰恰相反。所以，以非财务指标作为预测变量建立的模型，其外推性能②（稳定性）应该优于以财务指标作为预测变量而建立的模型。
（3）同时利用财务指标模型和非财务指标模型进行预测，其所提供的预测结果与混合指标模型相比，其预测效果如何？是否能够提供一些与混合指标模型相比，有利于判断公司状态的增量信息？因为，任何一个预测模型所包含的预测变量有限，混合指标模型与单指标类型模型相比③，势必要遗漏一些相对重要的财务或非财务变量。而且，在混合指标模型中，由于财务指标和非财务指标之间的共同作用，虽然有利于判断一些对于单指标类型模型来说的处于“灰色”区域的公司（指将该类公司数据代入预测模型，得出的预测值处于中间区域，很难判断其未来是否会陷入财务危机），如对于财务状况和治理状况④相对偏弱的将来会进入财务危机的公司，通过混合指标模型就可以比较明确地正确判断其将来的状态。但对于财务状况极好而治理状况极差的（或者相反）公司，其将来状态采用混合指标模型可能会判断错误。所以，明确混合指标模型和单指标类型的预测结果各自的特点，对于我们在实际工作中有效利用危机预测模型、降低预测错误率大有帮助。
本文将分别构建财务指标模型、非财务指标模型和混合指标模型，比较三类模型之间预测结果，来探索以上三个问题。
二、研究设计
（一） 财务危机的定义和样本的选取
关于财务危机的界定不同的学者有不同的观点，国内绝大多数学者在其研究中将上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务危机的标志。由于这一标准不仅符合中国的实际情况，而且也便于不同学者研究之间的相互比较，本文对于财务危机的界定也采用了这一标准。
本文按照如下原则选择危机公司样本和对照样本：（1）公司所在行业属于制造业。由于不同行业的财务比率特征不同，而且各行业公司被ST的概率也不相同。本文为了避免行业因素造成的问题的复杂性，选择了在所有上市公司所占比例最大、ST公司最多的制造业上市公司作为样本选择总体。（2）样本公司至少拥有距离ST公司自被特别处理当年（t年）起提前至少3（t-3⑤）年和4年(t-4)的财务和非财务数据。t-3年是ST公司财务状况发生逆转的重要转折点，采用t-3年及以前的数据进行财务危机预测更具有实践意义。（3）正常公司（非ST公司）样本的选择没有采用和ST公司1:1配对的方式选择，而是选择了所有符合前两条规则的正常公司作为样本。因为如果采用1:1的配对方式，由于陷入财务危机的公司为少数，总可以从大量的非财务危机公司中找出差别最大的一组来自我证明模型的效率，故预测模型的普遍性值得怀疑。
按照上述三个样本选取原则，并考虑到CCER数据库⑥的情况，共选取了2002年至2005年4年首次被ST公司共81家和正常公司（非ST）共365家正常公司来作为本研究的样本。
（二）模型建立方法和思路
本文首先采用样本公司的t-3年、t-4年财务指标和非财务指标，通过Mann-Whitney非参数检验寻找在ST公司和正常公司之间具有显著差异的指标①（显著性水平的临界值P值为0.05），筛选掉不具有区别ST公司和正常公司功能的指标。然后，利用相关性分析方法对指标进行再次筛选。最后采用Logistic回归方法建立财务危机预测模型。
有些指标只在t-4年和t-3年间的某一年显著，出现这种情况的原因可能是:（1）公司情况的随机性变化；（2）ST公司发展趋势变化。前一种原因造成的差异不能看作是具有区别ST公司和正常公司的财务危机征兆，后一种原因造成的差异可以看作是财务危机征兆。但由于这两种原因不易区分，本文为稳健起见，将出现这种情况的指标仍看作是非显著类指标。
为了检验危机预测模型外推能力，将样本总体划分为训练样本和测试样本。训练样本主要用来构建危机预测模型，测试样本主要用来测试危机预测模型的外推能力。样本的具体划分情况见表1:
3.高管人员激励特征指标。激励特征指标共选取2个：（1）董事会主席持股量；（2）董事会主席持股比例。
4.地区和年龄特征指标。（1） 地区级别：地区级别分为两类。将注册地在省会城市以下⑤归为第一类，赋值为1；将公司注册地在省会城市归为第二类，赋值为2。（2）上市年龄：指公司上市到本研究所取样本年度之间的年数。
四、财务危机预测模型建立
（一）基于财务指标的财务危机预测模型的建立
统计检验显著的财务比率共有23个（见附表1），通过对23 财务比率进行相关性检验，删除掉相关性较高的比率。最后用来建立模型的指标有14个：（1）主营业务收入增长率；（2）毛利增长率；（3）营业利润增长率；（4） 净利润增长率；（5）长期虚拟资产总资产①；（6）存货周转率；（7）应收账款周转率；（8）总资产周转率；（9）固定资产比总资产；（10）应收账款比总资产；（11）其他应收款比总资产；（12）现金比总资产；（13）营业利润比总资产；（14）经营现金净流量比总资产。
五、三类模型预测精度及分析
（一）三类模型预测精度的比较与分析
和陈晓和陈治鸿（2000）的研究一样，本文采用先验概率0.18（ST样本占总样本比例）作为最佳分割点。预测概率值大于0.18的样本判别为ST公司，预测概率值小于0.18 的公司判别为正常公司。以0.18作为最佳分割点，将t-3、t-4年样本数据代入三类危机预测模型得出t-3年、t-4年的判别精度如表5。
对于财务指标模型和非财务指标模型的预测结果进行比较和分析，见表6。通过表6可以看出，两类单指标类型模型具有较强的互补性，同时使用的效率较高。因为两类模型判别不相符的公司达168家，占样本总数的38%；但两类模型判别均不正确的公司仅有39家，仅占样本总数的9%。在实际应用中，我们可以将两类模型判别均相符结果较为放心的使用，因为，两模型均判别错误的概率很低，如果我们把10%作为错误率是否显著的显著性水平的话，那么两类公司均判别错误的错误率并不显著。而两类公司判别不相符的公司可以作为“灰色”公司，来做进一步慎重分析。
混合模型与两单指标类型模型同时使用的效果相比，二者各有千秋。混合预测模型可以有效地提高预测精度，但两单指标类型模型同时使用却可以有效降低犯确定性预测错误的概率。因为，在本研究中两单指标类型模型同时犯错误的概率在10%以下。
六、研究总结
本文将样本总体分为训练样本和测试样本，通过变量的筛选，利用Logistic回归分别建立了财务指标模型、非财务指标模型、混合指标模型。研究发现，财务指标模型的外部适用性和稳定性较差；非财务指标模型内部适用性较差，但稳定性较高。混合指标模型对于训练样本和测试样本的预测精度均比较好，兼具了财务指标模型和非财务指标模型的优点。研究还发现，财务指标模型和非财务指标模型具有很强的互补性，二者同时误判的概率很低。两单指标类型模型同时使用与混合指标模型单独使用效果各有所长。研究未能发现非财务指标模型相较于财务指标模型具有好的远期预测效果，这可能是本文所研究的时间段较短的缘故。这一现象需要更长时间段的数据分析和研究来解释。
本文的研究还说明了非国有控股、“内部人控制”和政府直接控股容易使公司发生财务危机；国有法人控股、注册地在省会城市、对高管股权激励较多、股权集中度高的公司不容易发生财务危机。上市年龄则与公司财务危机发生概率成倒U型关系，上市时间较短和较长的公司不容易发生财务危机。
[参考文献]
[1]陈静.上市公司财务恶化预警的实证分析[J].会计研究,1999，(4).
[2]陈晓，陈治鸿.中国上市公司的财务困境预测[J].中国财务与会计研究,2000，(9).
[3]姜秀华，孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001，(5).
[4]刘洪，何光军.基于人工神经网络方法的上市公司经营失败预警研究[J].会计研究,2004，(2).
[5]刘明辉，王义华.帕玛拉特舞弊案:折射公司治理与公司理财存在的缺陷[J].财务与会计:(理财版),2006，(3).
[6]吴世农，卢贤义.我国上市公司财务困境的预警模型研究[J].经济研究, 2001，(6).
[7]Altman, E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968 Vol. 23, No. 4.
[8]Altman, Haldeman and Narayanan. Zeta Analysis, A New Model for Identifying Bankruptcy Risk of Corporation[J].Journal of Banking and Finance, 1977 Vol.1, No.3.
[9]Beaver, W. H. Financial Ratios as Predictors of Failure[J].Journal of Accounting Research，1966 Vol. 4.
[10]Catherine M. and Dalton, R. Bankruptcy and Corporate Governance: The Impact of Board Composition and Structure [J]. Academy of Management Journal, 1994 Vol.25, No.3.
[11]Fathi E, and Jean-Pierre Gueyie. Financial distress and corporate governance:an empirical analysis[J].Corporate Governance, 2001 No 1.
[12]Odom, M.D. and Sharda, R. A Neural Network Model for Bankruptcy Prediction[J]. IEEE INNS IJCNN, 1990 Vol 1.2.
[13]Ohlson, J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research, 1980 Vol.18, No.1.
[14]Platt, H. D. and M. B. Platt.Developing A Stable Class of Predictive Variables：the Case of Bankruptcy Prediction[J].Journal of Business Finance andAccounting, 1990 Vol.17, No.1.
[15]Platt, H. D. and M. B.Platt.Predicting Corporate Financial Distress: Reflection On Choice-Based Sample Bias[J].Journal of Economics and Finance, 2002 Vol. 26 Summer.
[16]Rose P., Andrews W. and Giroux G. Predicting Business Failure: A Macroeconomics Perspective[J].Journal of Accounting: Auditing and Finance, 1982 Fall.