【摘要】：創(chuàng)業(yè)板市場(chǎng)自2009年10月30日成立至今,已經(jīng)公開交易達(dá)九年,在這九年間,市場(chǎng)規(guī)模日益壯大,交易機(jī)制逐漸健全。但2018年《中國(guó)非金融類上市公司財(cái)務(wù)安全評(píng)估報(bào)告》中顯示,2018年創(chuàng)業(yè)板市場(chǎng)整體財(cái)務(wù)安全狀況是主板、中小板和創(chuàng)業(yè)板三個(gè)分市場(chǎng)中表現(xiàn)最差的,下滑速度也是三個(gè)分市場(chǎng)中最快的,財(cái)務(wù)風(fēng)險(xiǎn)高于主板和中小板,總體投資風(fēng)險(xiǎn)進(jìn)一步加大。因此,在創(chuàng)業(yè)板整體飛速發(fā)展的同時(shí),如何建立創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型,幫助創(chuàng)業(yè)板公司提前預(yù)測(cè)到危機(jī),從而避免財(cái)務(wù)危機(jī)的發(fā)生,這是目前創(chuàng)業(yè)板市場(chǎng)迫在眉睫的問題。我國(guó)創(chuàng)業(yè)板市場(chǎng)是個(gè)新興的市場(chǎng),和國(guó)外的創(chuàng)業(yè)板市場(chǎng)有所不同,所以國(guó)內(nèi)外學(xué)者的研究相對(duì)較少。在樣本選取條件問題上,由于創(chuàng)業(yè)板沒有類似主板和中小板的ST警示制度,創(chuàng)業(yè)板本身的財(cái)務(wù)風(fēng)險(xiǎn)狀況也比主板和中小板差,為了更好、更及時(shí)地對(duì)創(chuàng)業(yè)板公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警,本文在分析了相關(guān)制度文件的基礎(chǔ)上將創(chuàng)業(yè)板財(cái)務(wù)危機(jī)公司定義為“最近一個(gè)會(huì)計(jì)年度凈利潤(rùn)為負(fù)”或“最近一個(gè)會(huì)計(jì)年度凈資產(chǎn)為負(fù)”的公司,而不滿足這兩個(gè)條件之一的公司即為財(cái)務(wù)正常公司。依據(jù)此條件,本文選取了160家創(chuàng)業(yè)板公司樣本,其中有40家財(cái)務(wù)危機(jī)公司樣本和120家財(cái)務(wù)正常公司樣本,兩種樣本的配對(duì)比例為1:3,并將樣本集分為兩組,一組為訓(xùn)練組,一組為測(cè)試組。本文沒有依照以往很多研究中采用的1:1平衡配對(duì)比例,是為了更貼近現(xiàn)實(shí)情況中財(cái)務(wù)風(fēng)險(xiǎn)公司和財(cái)務(wù)正常公司的真實(shí)比例。由于一個(gè)公司的財(cái)務(wù)指標(biāo)繁多,不可能將其全部作為特征指標(biāo),因此本文在參考以往的大量研究后,從盈利能力、營(yíng)運(yùn)能力、償債能力、發(fā)展能力和現(xiàn)金流狀況五個(gè)方面選取了24個(gè)財(cái)務(wù)指標(biāo)。財(cái)務(wù)危機(jī)發(fā)生的當(dāng)年為T年,而根據(jù)大量研究顯示基于T-1年即財(cái)務(wù)危機(jī)發(fā)生前一年的財(cái)務(wù)數(shù)據(jù)建立的模型準(zhǔn)確率最高,于是本文也選用了這些樣本公司T-1年的財(cái)務(wù)數(shù)據(jù)作為樣本數(shù)據(jù)。由于在選取樣本時(shí)用的是隨機(jī)抽樣法,沒有考慮創(chuàng)業(yè)板市場(chǎng)中各個(gè)行業(yè)板塊之間以及不同規(guī)模公司之間存在的財(cái)務(wù)數(shù)據(jù)差異,為了減少由此產(chǎn)生的異常值對(duì)建模的不良影響,本文對(duì)收集到的樣本數(shù)據(jù)進(jìn)行了上下1%的Winsorize極端值處理。在數(shù)據(jù)的預(yù)處理過后,為了剔除掉在財(cái)務(wù)危機(jī)和財(cái)務(wù)正常公司這兩類樣本之間沒有顯著差異的財(cái)務(wù)指標(biāo),本文首先對(duì)樣本數(shù)據(jù)進(jìn)行了T檢驗(yàn)和Wilcoxon符號(hào)秩檢驗(yàn),檢驗(yàn)結(jié)果顯示所有樣本數(shù)據(jù)均具有差異性。其次,為了研究是哪一類或哪幾類財(cái)務(wù)指標(biāo)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)這一變量產(chǎn)生了顯著影響,也為了減輕財(cái)務(wù)指標(biāo)之間存在的多重共線性對(duì)后續(xù)實(shí)證研究的干擾,在數(shù)據(jù)預(yù)處理完畢之后本文對(duì)24個(gè)財(cái)務(wù)指標(biāo)進(jìn)行了PCA降維處理,最后得到8個(gè)公共因子,每個(gè)公共因子各自包含的財(cái)務(wù)信息都有所不同,至此樣本選取和特征指標(biāo)體系的構(gòu)建工作完成。在實(shí)證部分,本文根據(jù)Logit模型的原理,對(duì)8個(gè)特征指標(biāo)進(jìn)行了二分類Logit回歸,剔除掉不顯著的自變量之后,建立了一個(gè)基于Logit的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型�；貧w結(jié)果顯示創(chuàng)業(yè)板公司的盈利能力和營(yíng)運(yùn)能力兩方面的財(cái)務(wù)指標(biāo)會(huì)對(duì)公司的財(cái)務(wù)風(fēng)險(xiǎn)產(chǎn)生顯著影響。同時(shí)在運(yùn)用測(cè)試組樣本對(duì)該模型進(jìn)行測(cè)試后發(fā)現(xiàn),非平衡樣本下建立的普通Logit模型的分類結(jié)果會(huì)顯著偏向于財(cái)務(wù)正常公司,無(wú)法準(zhǔn)確判斷出財(cái)務(wù)危機(jī)公司的存在,不具有實(shí)際運(yùn)用的意義,因此本文引入了ADASYN方法,將財(cái)務(wù)危機(jī)樣本的數(shù)量擴(kuò)大了3倍,再與原來(lái)的財(cái)務(wù)正常樣本組合形成新的樣本集�；谛聵颖炯�,本文建立了基于ADASYN-Logit的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。回歸結(jié)果顯示,創(chuàng)業(yè)板公司的盈利能力、營(yíng)運(yùn)能力和償債能力都會(huì)對(duì)公司的財(cái)務(wù)風(fēng)險(xiǎn)產(chǎn)生顯著影響。再運(yùn)用測(cè)試集樣本進(jìn)行測(cè)試,本次的測(cè)試結(jié)果顯示,ADASYN改進(jìn)后的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型整體的預(yù)測(cè)準(zhǔn)確率為75%,對(duì)于財(cái)務(wù)危機(jī)樣本的識(shí)別能力也顯著強(qiáng)于基于普通Logit的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。為了更準(zhǔn)確地分析判斷兩類模型的預(yù)測(cè)性能,本文依據(jù)以往研究使用了F值和G值兩個(gè)評(píng)價(jià)標(biāo)準(zhǔn),同時(shí)因?yàn)锳DASYN是對(duì)SMOTE過采樣方法的改進(jìn),為了比較改進(jìn)效果,還加入了基于SMOTE-Logit的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型進(jìn)行對(duì)比。從三個(gè)模型的F值和G值來(lái)看,在非平衡樣本下,基于ADASYN-Logit的公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的預(yù)測(cè)性能最好,基于SMOTE-Logit的公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型次之,普通公司財(cái)務(wù)風(fēng)險(xiǎn)Logit預(yù)警模型最差。本文的創(chuàng)新點(diǎn)在于以下兩個(gè)方面:(1)因?yàn)閯?chuàng)業(yè)板公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究不多,而創(chuàng)業(yè)板公司本身相對(duì)于主板和中小板公司的抗風(fēng)險(xiǎn)能力更差,發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率也更高,所以本文將樣本選取的視角放在了創(chuàng)業(yè)板這一板塊;(2)為了更貼近實(shí)際情況,本文沒有采用1:1的平衡樣本,而是采用了1:3的非平衡樣本,并將ADASYN方法與Logit模型相結(jié)合,對(duì)非平衡樣本下建立的基于普通Logit的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型作出了改進(jìn)。實(shí)證結(jié)果表明,改進(jìn)后的模型對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)這一少數(shù)類樣本的識(shí)別能力更好。另外根據(jù)回歸結(jié)果分析得知,創(chuàng)業(yè)板公司的營(yíng)運(yùn)能力、盈利能力和償債能力對(duì)公司財(cái)務(wù)風(fēng)險(xiǎn)的影響最大,并基于此,本文對(duì)創(chuàng)業(yè)板市場(chǎng)公司防范財(cái)務(wù)危機(jī)提出了相關(guān)政策建議。
【圖文】：

基于不平衡樣本下的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究技術(shù)路線圖

資料來(lái)源：牛牛金融研究中心圖 2-1 創(chuàng)業(yè)板各年度市盈率變化情況）信息技術(shù)類上市公司最多，醫(yī)藥生物市值規(guī)模最大。對(duì)創(chuàng)業(yè)業(yè)進(jìn)行分類后發(fā)現(xiàn)，信息技術(shù)類上市公司數(shù)量最多，共有 14
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F832.51;F275

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 覃爽;基于ADASYN-logit的創(chuàng)業(yè)板公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[D];成都理工大學(xué);2019年

，

本文編號(hào)：2592066