企业财务困境混合模型预测基于上市公司财务数据的实证研究

《企业财务困境混合模型预测基于上市公司财务数据的实证研究》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、企业财务困境混合模型预测一一基于上市公司财务数据的实证研究摘要I摘要公司陷入财务困境往往是一个逐步衰败的渐进过程如何在此过程中及时并准确地对公司的财务状况进行预测是众多利益相关者所关注的问题近几年来国内的财务困境预测领域虽然也涌现出了很多颇有价值的研究成果但这些文献多以上市公司被ST为陷入困境标志并采用单一年份配对的方法进行样本选在预测的合理性和对干扰因素控制的有效性等问题上值得商榷因而木文在回顾与评论国内外财务困境预测领域研究成果的基础上就如何确认预测标志改进抽样技术和完善检验方法等方面提出了H己的见解本究根据上市公司连续两年的财务状况把首年发生亏损口于

2、次年出现微利的况界定为陷入财务困境并以发牛亏损的当年作为陷入财务困境的时点标志据制造业上市公司2001-2003年的年报数据抽取了56家困境公司样本并用逐年多次11配对的方法按照资产规模旳接近原则对每家困境公司在陷入财务困境前的三个会计年度各抽取1家配对健康公司组成三组样本合共168家次借助统计软件SPSS110首先对财务困境岀现前1-3年的32个传统财务指标进行筛选构造出预测模型ZZZ预测精度达到875807625123证明了修正后确定的预测标志的可行性然后在已有模型的基础上再增加5个现金流量比率为备择变量构造出三个含现金流量变量的预测模型ZZ和Z123

3、发现其预测精度有了进一步的提高说明了现金流量变量有增量信息含量能够完善财务困境预测的指标体系从模型的实际应用角度出发文章又分析了单个模型预测和模型组混合模型预测各自的优劣得出混合预测优于单模型预测的结论关键词财务困境多期预测现金流量逐年多次配对混合模型预测企业财务困境混合模型预测基于上市公司财务数据的实证研究AbstractAbstractAcompanyusuallyexperiencesagradualworseningprocessbeforerunningintofinancialdistressFDStakeholderspaidmuchatte

4、ntiononhowtodetectthesymptomsofdistressdynamicallyandgiveatimelyandaccuratepredictionaboutitsfinancialprospectsAlthoughthereweremuchnewresearchfindingsaboutpredictionoffinancialdistressinthepastfewyearsinChinaitssuspcctabicfortherationalityinsomeaspectssuchasusingspecialtreatmentS

5、Tascriterioneventsamplingwiththeapproachofsingle-yearpairedandsoonBasedonthereviewofcorrelativeresearcheshomeandbroadthispaperdiscussedseveralissuessuchashowtodecidecriterioneventhowtoimprovethetechniqueofsamplesderivationandtheapproachofcheckingmodelsFirstlywedefinedfinancialdist

6、ressasalistedcompanylossinoneyearandearnedsmallprofitsinthenextyearFurthcrmorewemadetheyearwhenlistedcompanyearnedsmallprofitsasthetimepointitranintofinancialdistressBasedonthefinancialdataofmanufacturingindustrycompaniesbetween2001-200356onesweredefinedasFDcompaniesAndundertheapp

7、roachofyear-to-yearpairedsampling56onesweredefinedasnon-FDcompaniesforeachofthethreeyearsbeforefinancialdistressaddedupto168non-FDcompaniesSecondlyweconstruetedthreemodelsmodelZZZfrom32traditionalfinancialpredictorvariablesfortheprevious1-3years123andthepredictionaccuracyratewere8

8、7580and7625Itprovedthatthenewcrit