浅谈基于logistic模型的上市公司财务困境预警论文

《浅谈基于logistic模型的上市公司财务困境预警论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅谈基于Logistic模型的上市公司财务困境预警论文基于Logistic模型的上市公司财务困境预警论文导读：本论文是一篇关于基于Logistic模型的上市公司财务困境预警的优秀论文范文,对正在写有关于公司论文的写有一定的参考和指导作用,一、引言　　随着我国资本市场快速发展，上市公司已经成为国民经济发展的重要组成部分，对上市企业的直接或间接投资也已成为投资者的重要投资渠道。上市公司的财务运转状况不仅关系到公司的发展能力，也逐渐成为投资者进行投资决策的重要参考因素。随着我国上市公司退市制度的健全，能否及时有效地监测上市公司财务状况，以便预测财务风险并及时采取有效的措施防范，逐渐成为上

2、市公司管理层、投资者、债权人十分关注的理由。对上市公司管理层而言，可以根据财务预警系统提供的相关信息，随时发现企业财务运转的各种预警及恶化信号，从而可以及早采取应策略略。对投资者或债权人而言，财务预警可以为投资决策提供依据，避开投资损失或减少损失；债权人可以根据财预警系统提供的相关信息，对贷款决策及债务风险监控，防止因公司破产倒闭而产生坏账。　　二、文献综述　　（一）国外研究国外关于公司困境（或者破产）预测的研究较多，其成果比较成熟。最早的代表性研究成果是Fitzpatrick（1932）建立的财务预警模型，他运用单个财务比率指标将样本分为破产与未破产两组，研究发现判别能力最高的指

3、标是净利润/股东权益、股东权益/负债。不过，Beave（1966）利用79对样本公司数据检验了不同财务指标对公司破产的预测能力，研究发现最好的判别指标是流量/总负债与资产负债率，越临近破产误判率越低。当然，不同指标随着使用目的不同，判断的准确性可能存在较大差别。Altman（1968）根据行业和资产规模差异，选取了33家破产公司与33家非破产配对公司作为样本，选用22个指标作为破产预测变量，研究结果显示，在破产前一年预测准确性较高，但在破产前五年预测准确性较低，该模型即被称为Z模型基于Logistic模型的上市公司财务困境预警由专注毕业论文与职称论文的.zglan模型相类似的还有D

4、eakin（1972）建立的概率模型等。此外，具有代表性的研究是Ohlsom（1980）建立的模型，他使用逻辑回归策略研究了破产概率分布、判别错误概率以及分割点关系，研究发现公司规模、资产结构、公司业绩和资产变现能力对公司破产概率具有较大影响。其他学者，大多以上述研究为基础，分别建立了多指标模型等。　　（二）国内研究国内关于上市公司财务困境的研究起步相对较晚，但也取得了不错的成果。陈静（1999）首次利用上市公司的配对数据研究了公司财务困境理由，利用27家ST公司和27家非ST公司的财务数据，分别进行了单变量分析与二类线性判定分析。张玲（2000）利用60家公司的财务数据计量估计了

5、二类型线性判别模型，并使用其他60家公司对模型进行检验，研究发现二类型模型具有较强的预测能力。吴世农和卢贤义（2001）利用140家上市公司为研究对象，应用了剖面分析和单变量判定分析法研究了财务困境发生前5年公司财务指标的变动，进而构建三种预测财务困境模型，为后续研究提供了较好的基础。就具体研究策略来看，众多学者相继采用了各种策略建立了财务预警模型，主要包括神经X，络策略（杨保安，2002；马超群、吴丽华，2009；周昊旬，2011；等）、灰色理论策略（秦小丽、田高良，2011）、统计分析策略与Logistic模型（孔宁宁、魏韶巍，2010；汪超群、黄晓莉，2011；张恒等，201

6、1）。　　综上所述，财务预警的主要目的是寻找一套有效预测上市公司财务状况的策略，以避开上市公司破产导致经济发展不稳定等现象。Logistic模型是采用一系列财务比率变量来预测公司破产或违约的概率，然后根据公司、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策，其与多元判别分析法的本质区别在前者不要求满足正态分布。因此，本文采取Logistic回归作为研究模型，利用2002-2010年上市公司的财务数据建立模型、以及模型检验。　　三、研究设计　　（一）样本选择本文从2002-2010年被特别处理上市公司中选取ST公司共60家、非ST公司60家，样本总量为120家上

7、市公司，并将其作为样本建立模型。（1）为获得足够的样本数据进行比较，将公司被特别处理前3年的数据作为样本的时间范围，这需要样本必须具有较好的时间连续性和可比性。为表述方便，本文把公司被特别处理当年称t年，其中（t-1）、（t-2）、（t-3）分别代表被特别处理的前一年、前两年和前三年。（2）在选取被特别处理公司时，需要剔除了上市两年就被特别处理的公司。主要考虑到这些公司财务数据过少和存在严重包装上市嫌疑，使得这些公司与样本中其他公司不具有同质性，也可能降低模型的可靠性