本文選題：財務危機 + 累積和模型　； 參考：《浙江工商大學》2017年碩士論文

【摘要】：近年來,上市公司由于財務危機而陷入經(jīng)營困境,最終被特殊處理的例子已經(jīng)屢見不鮮。財務危機的出現(xiàn)存在多方面的原因,內(nèi)部原因有經(jīng)營效率低下、盈利能力孱弱、為不良關聯(lián)方擔保、公司內(nèi)部治理結構不完善、資本結構不合理、企業(yè)家誠信低下和現(xiàn)金流短缺等問題。外部原因有經(jīng)濟環(huán)境變化、政策和國家法規(guī)挑戰(zhàn)和匯率變動等原因。在大多數(shù)情況下,造成上市公司出現(xiàn)財務危機的原因不是單一因素造成的,而是多個因素一起作用的結果。國內(nèi)外的許多學者都對財務危機預警進行了研究,并建立了相應的預警模型。但是,以往大多數(shù)預警模型如多變量判別模型和條件概率模型都是以公司的靜態(tài)橫截面數(shù)據(jù)作為研究對象,而沒有考慮財務指標所具有的時間序列特點。事實上,企業(yè)財務危機的發(fā)生是逐步演變的,傳統(tǒng)的財務預警模型無法反映財務狀況的動態(tài)特征。并且,傳統(tǒng)模型一般采用單期年度會計數(shù)據(jù),使用單期年度會計數(shù)據(jù)無法反映以往公司財務狀況的相關信息和演變趨勢。并且,使用單期年度數(shù)據(jù)容易將以往財務表現(xiàn)良好而僅僅單期財務狀況不良的公司判斷為危機公司�；谝陨显�,本文選擇能將企業(yè)財務狀況進行"累積"的累積和模型(CUSUM Model)。本文選取上市公司中的制造業(yè)公司,選取2014-2016年的上市公司的季度數(shù)據(jù)作為研究對象,界定因為財務原因被實施特殊處理的公司為財務危機公司樣本。當危機公司和財務健康公司樣本的比例相同時,有可能會高估模型的預測能力。為避免高估預測正確率,選擇危機公司和財務健康公司的比例為1:3。由于累積和模型為動態(tài)模型,本文選擇ST公司被特殊處理前20個季度數(shù)據(jù),而配比的健康公司選取同樣的時間跨度。根據(jù)償債能力、盈利能力、營運能力、成長能力、現(xiàn)金能力和資本結構的角度選取備選財務指標,使用Mann-Whieney U檢驗和相關性檢驗對財務指標進行了篩選,以最能反映危機公司和財務健康公司的流動比率、凈資產(chǎn)收益率、總資產(chǎn)增長率和營運資本周轉率這四個指標為研究變量。首先對其進行財務指標的數(shù)據(jù)平穩(wěn)性性檢驗,然后進行累積和模型建模。為了進一步驗證累積和模型的準確性,本文使用在財務預警研究中運用廣泛的Logistic模型進行對照。使用同一訓練樣本進行Logistic模型的建模,同時累積和模型和Logistic模型兩個模型均使用檢驗樣本對模型進行準確性檢驗,以保證模型的適用性。將兩個模型樣本被ST前T-1季度、T-3季度、T-5季度、T-7季度、T-9季度、T-11季度的預測率進行對比,以及運用ROC曲線對兩模型效果進行對比分析。實證結果顯示,累積和模型考慮了公司財務狀況的演進的動態(tài)過程,具有良好的預測能力,能提早預測財務狀況的異常。Logistic近期預測能力比累積和模型更高,而遠期預測能力累積和模型更優(yōu)秀。
[Abstract]:In recent years, it is common for listed companies to get into trouble because of financial crisis. There are many reasons for the emergence of financial crisis, such as low operating efficiency, weak profitability, guarantee for bad related parties, imperfect internal governance structure and unreasonable capital structure. Entrepreneur integrity low and cash flow shortage and other problems. External reasons include changes in the economic environment, policy and national regulatory challenges and exchange rate changes. In most cases, the financial crisis of listed companies is caused not by a single factor, but by a combination of several factors. Many scholars at home and abroad have carried on the research on the financial crisis early warning, and have established the corresponding early warning model. However most of the early warning models such as multivariate discriminant model and conditional probability model take the static cross-sectional data of the company as the research object without considering the time series characteristics of the financial indicators. In fact, the occurrence of enterprise financial crisis is gradually evolving, the traditional financial early-warning model can not reflect the dynamic characteristics of the financial situation. In addition, the traditional model generally uses single-period annual accounting data, and the use of single-period annual accounting data can not reflect the related information and evolution trend of the past company's financial situation. Moreover, it is easy to judge a company with good financial performance but only a poor financial position as a crisis company by using single period annual data. Based on the above reasons, this paper chooses the CUSUM Model which can "accumulate" the enterprise's financial situation. This paper selects the manufacturing companies in the listed companies, selects the quarterly data of the listed companies from 2014-2016 as the research object, and defines the companies with special treatment for financial reasons as the financial crisis companies sample. When the ratio of crisis companies to financial health companies is the same, it is possible to overestimate the predictive power of the model. To avoid overestimating the accuracy of forecasts, the ratio of crisis companies to financial health companies was 1: 3. Because the cumulative sum model is a dynamic model, the first 20 quarters of St company are specially processed, while the matched health company chooses the same time span. According to the perspectives of solvency, profitability, operating capacity, growth capacity, cash ability and capital structure, the alternative financial indicators are selected, and Mann-Whieney U test and correlation test are used to screen the financial indicators. The four indexes, which can best reflect the liquidity ratio of crisis companies and financial health companies, the rate of return on net assets, the growth rate of total assets and the turnover rate of working capital are taken as the study variables. Firstly, the data stability of the financial index is tested, and then the cumulative sum model is built. In order to further verify the accuracy of the cumulative sum model, this paper uses the widely used Logistic model in financial early warning research for comparison. The Logistic model is modeled with the same training sample, and both the cumulative model and the Logistic model are used to verify the veracity of the model in order to ensure the applicability of the model. The two model samples were compared with the forecast rate of the T-7 quarter and the T-9 quarter of the T-5 quarter, and the results of the two models were compared and analyzed by using the ROC curve in the first quarter of the St T-1 quarter and the T-3 quarter of the T-5 quarter. The empirical results show that the cumulative sum model takes into account the dynamic process of the evolution of the company's financial situation and has a good forecasting ability. The short-term forecasting ability of Logistic is higher than that of the cumulative sum model. And the long-term forecast ability accumulates and the model is better.
【學位授予單位】：浙江工商大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F275;F832.51

【相似文獻】

相關期刊論文 前10條

1 張秋會,田高良;上市公司財務危機實時預警機制研究[J];西安科技大學學報;2005年01期

2 王強;藍慧;;我國上市公司財務危機成因分析[J];會計之友(中旬刊);2006年09期

3 宋建蘭;;淺談上市公司財務危機的界定[J];商業(yè)時代;2008年04期

4 楊輝;;上市公司財務危機研究[J];財會通訊(理財版);2008年10期

5 曾凡爐;;上市公司財務危機與預警[J];企業(yè)家天地;2012年01期

6 陸宇建;析公司財務危機時的投資決策行為[J];四川會計;2002年12期

7 康新花;上市公司財務危機的表現(xiàn)及防范措施[J];新疆農(nóng)墾經(jīng)濟;2005年07期

8 韓臻聰,于麗萍;上市公司財務危機成因分析[J];經(jīng)濟論壇;2005年19期

9 王克勤,曹培;公司財務危機研究[J];西南師范大學學報(人文社會科學版);2005年01期

10 韓臻聰;;我國上市公司財務危機的成因淺探[J];財會月刊;2006年02期

相關會議論文 前6條

1 趙開龍;周詠梅;;上市公司財務危機階段性特征的實證研究[A];中國會計學會財務成本分會2006年年會暨第19次理論研討會論文集（下）[C];2006年

2 徐靜;錢曼曼;;我國上市公司財務危機階段性特征的實證研究[A];中國會計學會高等工科院校分會第十八屆學術年會（2011）論文集[C];2011年

3 丁紹芳;田兵;;基于違約距離的上市公司財務危機動態(tài)預警模型研究[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

4 陳博文;陳彥臻;;基于支持向量機的董事會行為視角下公司財務危機預警研究[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

5 朱乃平;孔玉生;;工業(yè)公司財務危機預警模型的構建與運用[A];中國會計學會2006年學術年會論文集（下冊）[C];2006年

6 邊海容;萬常選;李國林;楊莉;;Web金融信息情感傾向與上市公司財務危機的關系研究[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

相關重要報紙文章 前2條

1 譚興民;銀行應警惕上市公司財務危機[N];中國證券報;2006年

2 王穎;ABB：削枝強干 突破平庸[N];中國石化報;2008年

相關博士學位論文 前4條

1 張昕源;基于數(shù)據(jù)挖掘技術的中國上市公司財務危機預警分析[D];吉林大學;2004年

2 徐煒;基于投資者視角的上市公司財務危機預警研究[D];重慶大學;2015年

3 任惠光;中國A股上市公司財務危機預警模型構建及實證研究[D];山東大學;2007年

4 邊海容;Web信息驅動的上市公司財務危機預警研究[D];江西財經(jīng)大學;2013年

相關碩士學位論文 前10條

1 張丹;我國創(chuàng)業(yè)板上市公司財務危機預警研究[D];河北工業(yè)大學;2015年

2 楊界蓉;信息技術上市公司財務危機預警研究[D];西華大學;2015年

3 辛磊;上市公司財務危機預警模型比較與選擇[D];天津科技大學;2013年

4 高真;我國房地產(chǎn)上市公司財務危機預警研究[D];中原工學院;2015年

5 方若曦;我國上市公司財務危機預警研究[D];福州大學;2014年

6 李麗霞;我國批發(fā)零售業(yè)上市公司財務危機預警研究[D];東南大學;2016年

7 汪敏;基于貝葉斯網(wǎng)絡的上市公司財務危機預警研究[D];成都理工大學;2016年

8 沈立;基于累積和模型的中國上市公司財務危機預警研究[D];浙江工商大學;2017年

9 陳慶華;上市公司財務危機及成因分析[D];西南財經(jīng)大學;2011年

10 喻青玲;制度環(huán)境對公司財務危機的影響分析[D];江西財經(jīng)大學;2012年

，

本文編號：1972886