公司研究論文-上市公司財(cái)務(wù)危機(jī)預(yù)警-文庫吧資料
2025-01-24 13:30本頁面
【正文】 率、總資產(chǎn)增長率和凈利潤增長率指標(biāo)，在t－1－t年差異明顯，主營業(yè)務(wù)收入增長率和總資產(chǎn)增長率在t－3－t年下降趨勢明顯。主營業(yè)務(wù)收入增長率和總資產(chǎn)增長率在t－3－t年下降趨勢明顯。兩類公司比較結(jié)果如表6所示。財(cái)務(wù)危機(jī)公司在現(xiàn)金能力指標(biāo)方面表現(xiàn)為現(xiàn)金流量對(duì)流動(dòng)負(fù)債比率指標(biāo)明顯小于正常公司，經(jīng)營活動(dòng)現(xiàn)金流入流出比和每股現(xiàn)金凈流量在臨近被ST時(shí)差異明顯，這表明危機(jī)公司銷售賬款差、收益質(zhì)量低和資金不足。結(jié)果如表5所示。危機(jī)公司資產(chǎn)運(yùn)營效果極差，盈利能力極弱，沒有給股東帶來回報(bào)。且資產(chǎn)報(bào)酬率、總資產(chǎn)凈利潤率和凈資產(chǎn)收益率均值為負(fù)。特別是在t－1－t年4個(gè)指標(biāo)t值均大于3。與正常公司比較見表4。資產(chǎn)利用效率低。這3個(gè)指標(biāo)的均值以及衡量差異程度的t值見表3： ，危機(jī)公司的總資產(chǎn)周轉(zhuǎn)率顯著小于正常公司，應(yīng)收賬款周轉(zhuǎn)率也小于正常公司，但存貨周轉(zhuǎn)率在危機(jī)公司與正常公司之間并沒有顯示出顯著的差異。 財(cái)務(wù)危機(jī)公司在償債能力指標(biāo)方面表現(xiàn)為流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率和利息保障倍數(shù)與正常公司差異明顯，反映危機(jī)公司長短期償債能力很弱。由于資產(chǎn)負(fù)債率和負(fù)債與權(quán)益之比反映關(guān)系具有密切相關(guān)性，故只選擇資產(chǎn)負(fù)債率。隨著虧損的臨近，相對(duì)正常公司而言。 從表2來看，t－t－3年危機(jī)公司資產(chǎn)負(fù)債率均值都顯著大于正常公司，t值均大于3。危機(jī)公司的速動(dòng)比率平均值與正常公司也存在明顯的差異t－t3年(除t1年外)，危機(jī)公司的營運(yùn)資金對(duì)資產(chǎn)總額比率平均值與正常公司有顯著的差異。 ，t－t3年。 四、統(tǒng)計(jì)研究 (一)償債能力指標(biāo)研究 企業(yè)償債能力指標(biāo)包括短期償債能力指標(biāo)和長期償債能力指標(biāo)兩類。、盈利能力、營運(yùn)能力、發(fā)展能力和現(xiàn)金流量中選擇了19個(gè)主要財(cái)務(wù)指標(biāo)。 本文選擇財(cái)務(wù)指標(biāo)作為研究變量。按年度分危機(jī)公司與正常公司進(jìn)行歸類，分別得到各年各項(xiàng)財(cái)務(wù)指標(biāo)的兩組數(shù)據(jù)。然后再提取配對(duì)樣本4年的財(cái)務(wù)數(shù)據(jù)。 本文中的數(shù)據(jù)來自CSMAR上市公司財(cái)務(wù)指標(biāo)數(shù)據(jù)庫(2006)。取t3到t年的財(cái)務(wù)指標(biāo)作為研究變量。由于危機(jī)公司是在年報(bào)公布后，因財(cái)務(wù)狀況異常而導(dǎo)致被ST的。 從上述文獻(xiàn)回顧可見，國內(nèi)外對(duì)財(cái)務(wù)危機(jī)公司的研究主要利用財(cái)務(wù)指標(biāo)或非財(cái)務(wù)指標(biāo)，本文也利用財(cái)務(wù)指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究。呂峻(2006)。通過管理記分法(A記分法)。陳良華(2005)采用Logit回歸對(duì)滬市公司進(jìn)行研究，發(fā)現(xiàn)獨(dú)立董事比例、第一大股東持股比例、現(xiàn)金流量權(quán)與表決權(quán)的偏離等治理結(jié)構(gòu)變量確實(shí)與財(cái)務(wù)危機(jī)存在相關(guān)性，引入這些指標(biāo)的模型能夠達(dá)到較高的預(yù)測精度。張鳴(2004)研究認(rèn)為審計(jì)意見能夠在一定程度上揭示企業(yè)潛在的風(fēng)險(xiǎn)。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)確率最高。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。％。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。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。結(jié)果證明。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。張玲(2000)以1 20家上市公司為對(duì)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)。得出了預(yù)測模型對(duì)中國市場有效的結(jié)論。 (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Bea
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1