上市公司是我国证券市场的基石,其质量的好坏与证券市场的稳定和发展息息相关。但在激烈的市场竞争中,有不少的上市公司因经营管理不善等原因而陷入财务困境,有些甚至已濒临破产。因此,为了证券市场的稳定发展,如何为各利益关系方建立一个有效的财务困境预警系统,来预测上市公司发生财务困境的可能性,并采取措施避免损失,就显得尤为重要。同时,这也是我国理论界日益重视的一个问题。 在前人研究的基础上,本文以上市公司为研究对象,选取了反映上市公司盈利能力、偿债能力、营运能力、成长能力和公司规模的17个财务指标,应用数据挖掘建模方法建立了我国上市公司的财务困境预警系统,以期能为公司各利益关系方进行相关的预测和决策提供一个有效的工具,同时也希望本文能对我国相关的研究有所裨益。 本文的主要观点与创新:(1) 区别于传统的应用统计方法对财务预警进行研究,本文应用数据挖掘技术对财务预警进行研究。当前国内财务预警的研究主要是应用统计研究方法。应用统计技术分析问题都是先以某个假设为开端,然后利用统计学的方法来验证或否定这个假设。统计模型最大的优点在于其具有明显的解释性,存在的缺陷在于过于严格的前提条件。如多元判别模型要求数据分布服从多元正态分布、同协方差等,对数回归模型虽然对数据分布的要求有所降低,但仍然对财务指标间的多重共线性干扰敏感,而现实中大量数据分布都不符合这些前提假设。再加上统计模型不具有容错性和自学习能力,从而限制了统计模型在这一领域的应用。而本文采用了以“数据驱动”的数据挖掘技术来构建财务预警模型,这种数据分析技术不需要事先进行严格的假定。数据挖掘技术本身是一种系统的方法,他涵盖了统计学、机器学习、数据库、实验设计等领域的知识。应用数据挖掘技术建立的模型具有很好的容错能力和自学习能力。因此比统计研究方法具有更好的应用前景。(2) 区别于已往的数据建模方法,本次研究采用决策树技术建立财务预警模型。决策树技术是数据挖掘领域中三大技术之一。他是一种自顶向下的分类方法,通过对一组训练样本的学习,构造出决策型的知识表现。决策树具有对数据准备要求不高、速度快、精度高、生成模式容易理解等优点。本文通过实证研究证明决策树在明确财务状况类别后是一种有效的预警方法。(3) 本文不仅应用决策树建立了财务预警模型,而且使构建的财务预警模型具有很好的可移植性,可以嵌入到企业的管理信息系统中,与企业信息组织融合,对企业是否会发生财务困境能进行一定程度的动态监控。