公司研究論文-上市公司財(cái)務(wù)危機(jī)預(yù)警-文庫吧
2025-01-03 13:30 本頁面
【正文】 學(xué)者絕大多數(shù)以特別處理的上市公司作為研究對象(朱家安、陳志斌。2007)。 二、文獻(xiàn)回顧與研究方法 (一)國外文獻(xiàn)回顧與研究方法 Fitzpatrick(1932)開展單變量破產(chǎn)預(yù)測研究。他以19家公司作為樣本。運(yùn)用單個(gè)財(cái)務(wù)比率將樣本劃分為破產(chǎn)和非破產(chǎn)兩組，他發(fā)現(xiàn)判斷能力最高的是凈利潤／股東權(quán)益和股東權(quán)益／負(fù)債兩個(gè)比率。Beaver(1966)提出了單變量判定模型。他使用現(xiàn)金流／負(fù)債、流動(dòng)資產(chǎn)／流動(dòng)負(fù)債、凈收入／資產(chǎn)、資產(chǎn)負(fù)債率、營運(yùn)資本／資產(chǎn)等5個(gè)財(cái)務(wù)比率作為變量，運(yùn)用實(shí)證分析得出現(xiàn)金流量與負(fù)債總額的比率能夠更好地判定公司的財(cái)務(wù)狀況。其次是資產(chǎn)負(fù)債率。AItman(1968)提出了多元Z值模型。將若干變量合并入一個(gè)函數(shù)方程。用Z值進(jìn)行判定，結(jié)果表明。在破產(chǎn)前一年的預(yù)測準(zhǔn)確性較Beaver的研究有很大的提高。AItman、Haldeman和Narayanan于1977年又提出一種能更準(zhǔn)確預(yù)測企業(yè)財(cái)務(wù)失敗的新模型——ZETA模型。BIum(1 974)以現(xiàn)金流量觀點(diǎn)來評估企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性。他以多元判別分析為研究方法，構(gòu)建了一個(gè)包括“流動(dòng)性、獲利性及變異性等共12個(gè)財(cái)務(wù)比例與6個(gè)變異性指標(biāo)”的財(cái)務(wù)危機(jī)預(yù)測模型。研究結(jié)果顯示，模型在企業(yè)發(fā)生財(cái)務(wù)危機(jī)前5年的預(yù)測正確率較高。1977年Marttin在財(cái)務(wù)危機(jī)預(yù)警研究中首次采用了多元Logit回歸法，取得了良好的預(yù)測效果。OhIson(1980)利用9個(gè)財(cái)務(wù)比率建構(gòu)3個(gè)Logit模型，實(shí)證結(jié)果表明，其中4項(xiàng)財(cái)務(wù)資料對評估破產(chǎn)概率具有統(tǒng)計(jì)顯著性。Odom和Sharda(1 990)首先成功運(yùn)用人工神經(jīng)網(wǎng)絡(luò)(ANN)進(jìn)行財(cái)務(wù)危機(jī)預(yù)測。Coats和Fant(1991)對47家財(cái)務(wù)危機(jī)公司和47家正常公司運(yùn)用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行判別時(shí)。對財(cái)務(wù)危機(jī)公司的預(yù)測準(zhǔn)確率明顯高于多元判別法的準(zhǔn)確率。 (二)國內(nèi)文獻(xiàn)回顧與研究方法 國內(nèi)學(xué)者陳靜(1999)使用Beaver和Altman的模型。選用了19951997年3年的27家危機(jī)公司和27家同行業(yè)、同規(guī)模的公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行實(shí)證研究。得出了預(yù)測模型對中國市場有效的結(jié)論。陳曉、陳治鴻(2000)將多元邏輯回歸模型引入上市公司的財(cái)務(wù)危機(jī)預(yù)測。張玲(2000)以1 20家上市公司為對象，使用其中60家公司的財(cái)務(wù)數(shù)據(jù)估計(jì)二類線性判別模型，并使用另外60家公司進(jìn)行模型檢驗(yàn)。發(fā)現(xiàn)模型具有超前4年的預(yù)測結(jié)果。吳世農(nóng)、盧賢義(2001)應(yīng)用單變量判定、多元線性判別和多元邏輯回歸方法。分別建立危機(jī)公司預(yù)測模型。結(jié)果證明。這些模型均獲得較高的判定精度，在財(cái)務(wù)危機(jī)發(fā)生前4年的誤判率在28％以內(nèi)。張愛民、祝春山(2001)將主成分分析與Z分?jǐn)?shù)模型相結(jié)合建立預(yù)警模型。實(shí)證檢驗(yàn)表明通過此法處理研究變量后建立的模型具有較好的預(yù)測能力。楊保安(2001)、薛鋒(2002)探討了基于B P算法和L M算法的神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)測上的應(yīng)用。何沛俐、章早立(2002)建立了以時(shí)序立體數(shù)據(jù)空間為基礎(chǔ)的財(cái)務(wù)危機(jī)判別模型，他們在Logit回歸分析之前使用全局主成分分析，從而增強(qiáng)了模型的有效性。％。呂長江、周現(xiàn)華(2005)采用制造業(yè)上市公司19992002年4年的數(shù)據(jù)分別運(yùn)用多元判別分析、邏輯線性回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型對財(cái)務(wù)狀況處于危機(jī)的公司進(jìn)行預(yù)測比較分析。結(jié)果表明：盡管各模型的使用有其特定的前提條件，但3個(gè)主流模型均能較好地在公司發(fā)生危機(jī)前1年和前23年較好地進(jìn)行預(yù)測。其中。多元判別分析法要遜色于邏輯模型，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準(zhǔn)確率最
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1