基于现金流量的制造业上市公司财务危机预警研究

发布时间：2017-05-26 02:00

  本文关键词：基于现金流量的制造业上市公司财务危机预警研究，由笔耕文化传播整理发布。

【摘要】：世界经济复苏乏力、国内经济增速放缓,作为国民经济最主要支柱产业的制造业面临前所未有的压力,企业经济效益低,负债率畸高,越来越多的企业面临财务危机甚至破产。通过对企业财务预警的研究,可以及早识别财务危机并采取有效措施避免企业破产,为投资者、债权人、管理者以及其他利益相关者提供决策依据。因此,企业财务预警研究具有重要的理论价值和现实意义。本文在回顾和总结国内外经典文献的基础上,分析了基于现金流量的企业财务预警理论,比较了各类典型的财务预警模型的优缺点及其适用性;提出了基于现金流量的制造业企业财务预警指标体系指标选取原则,并据此分别从获现能力、偿债能力、盈利质量、财务弹性与发展的角度选择了17个现金流量指标,构建了基于现金流量的制造业企业财务预警指标体系;选取在2011-2014年间因财务异常首次被特别处理的全部61家制造业ST公司及其配对公司为样本,收集其在被特别处理前近3年的年报和前1年的半年报数据,通过显著性检验和因子分析筛选出10个关键指标作为模型变量,并运用BP神经网络建立了基于现金流量的制造业企业财务预警模型;之后利用Adaboost算法对BP神经网络进行优化,构建了BP-Adaboost组合预警模型。实证分析结果表明:BP-Adaboost组合预警模型的预测准确度高于BP神经网络模型,具有较好的预测能力。财务危机前3年训练样本预测准确度91.46%,检验样本预测准确度82.50%;危机前2年训练样本预测准确度95.12%,检验样本预测准确度92.50%;危机前1年训练样本预测准确度93.90%,检验样本预测准确度90.00%;危机前半年训练样本预测准确度91.46%,检验样本预测准确度80.00%。从而证明了本文选取的现金流量指标是科学的,Adaboost算法是可行的,基于BP-Adaboost的组合预警模型是有效的。最后根据基于现金流量的财务预警指标体系和BP-Adaboost组合预警模型实证结果,分析了代表性企业财务危机发生的原因,并结合现阶段制造业面临的主要风险,提出了避免财务危机的对策建议。
【关键词】：制造业 现金流量 财务危机预警 BP神经网络 Adaboost算法
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F406.7
【目录】：

• 摘要6-7
• Abstract7-15
• 第1章 绪论15-27
• 1.1 研究背景15-17
• 1.1.1 世界经济复苏乏力，国际产业格局面临重构15
• 1.1.2 国内经济增速放缓，制造业面临着巨大压力15-16
• 1.1.3 应对企业财务危机，亟待加强现金流量财务预警研究16-17
• 1.2 国内外研究综述17-23
• 1.2.1 统计类企业财务危机预警模型是主流方法17-20
• 1.2.2 非统计类企业财务危机预警模型异军突起20-21
• 1.2.3 企业财务危机现金流量预警研究方兴未艾21
• 1.2.4 国内外研究文献评述21-23
• 1.3 论文研究的目的、内容与方法23-26
• 1.3.1 研究目的和意义23-24
• 1.3.2 研究的主要内容24-25
• 1.3.3 研究思路与方法25-26
• 1.3.4 主要创新点26
• 1.4 本章小结26-27
• 第2章 企业财务预警理论基础27-37
• 2.1 企业财务危机概述27-29
• 2.1.1 财务危机界定27-28
• 2.1.2 财务危机特征28
• 2.1.3 财务危机信号28-29
• 2.2 现金流量财务预警理论29-32
• 2.2.1 现金流量定义、分类和特征29-30
• 2.2.2 现金流量管理在企业管理中的作用30-31
• 2.2.3 现金流量分析在财务危机预警中的价值31-32
• 2.3 企业财务危机预警方法32-36
• 2.3.1 单变量分析模型33
• 2.3.2 多变量分析模型33-35
• 2.3.3 非统计类财务预警模型35-36
• 2.4 本章小结36-37
• 第3章 现金流量的制造业企业财务预警指标体系37-44
• 3.1 制造业上市公司面临的主要风险37-38
• 3.1.1 内部风险37-38
• 3.1.2 外部风险38
• 3.2 现金流量的财务预警指标选取原则38-39
• 3.3 现金流量的财务预警指标体系建立39-43
• 3.3.1 获现能力指标39-40
• 3.3.2 偿债能力指标40-41
• 3.3.3 盈利质量指标41-42
• 3.3.4 财务弹性与发展指标42-43
• 3.4 本章小结43-44
• 第4章 制造业上市公司财务危机预警模型44-72
• 4.1 研究样本设计及数据来源44-45
• 4.1.1 财务危机样本设计44
• 4.1.2 配对样本设计44-45
• 4.1.3 研究样本所属期间选择45
• 4.2 财务指标筛选45-53
• 4.2.1 正态分布检验46-48
• 4.2.2 显著性检验48-50
• 4.2.3 因子分析50-53
• 4.3 基于BP神经网络的财务危机预警模型53-63
• 4.3.1 BP神经网络的基本原理53-57
• 4.3.2 财务预警模型的BP神经网络设计57-58
• 4.3.3 财务预警模型的BP神经网络训练58-62
• 4.3.4 财务预警模型的BP神经网络测试62-63
• 4.4 基于BP-Adaboost的财务危机预警模型63-70
• 4.4.1 Adaboost算法基本原理64-65
• 4.4.2 BP-Adaboost分类器的构建65-66
• 4.4.3 训练与测试66-69
• 4.4.4 实证结果分析69-70
• 4.5 本章小结70-72
• 第5章 财务危机原因及对策分析72-77
• 5.1 危机原因分析72-75
• 5.1.1 缺乏获现能力72-73
• 5.1.2 偿债能力不足73
• 5.1.3 盈利质量不佳73-74
• 5.1.4 财务弹性与发展能力较弱74-75
• 5.2 避免财务危机的对策建议75-76
• 5.2.1 提升应收账款回收能力75
• 5.2.2 提高现金管理水平75
• 5.2.3 构建基于现金流量的制造业的财务危机预警系统75
• 5.2.4 加快产业结构升级，提高自主创新能力75-76
• 5.3 本章小结76-77
• 第6章 总结与展望77-79
• 6.1 研究总结77-78
• 6.2 研究展望78-79
• 参考文献79-83
• 附录83-87
• 攻读学位期间所取得的相关科研成果87-89
• 致谢89

【参考文献】

中国期刊全文数据库 前6条

1 崔洁;;上市公司财务预警实证研究——来自制造业数据[J];财会通讯;2012年03期

2 李云宏;夏玲;纪璐璐;;财务预警模型研究综述[J];财会通讯;2014年31期

3 邵坤;;基于非财务指标的财务预警模型研究——房地产企业中期财务报告分析[J];财会通讯;2014年31期

4 刘凤娇;;“Z-Score”模型在企业财务预警分析中应用的研究[J];经济师;2006年05期

5 吕长江;周现华;;上市公司财务困境预测方法的比较研究[J];吉林大学社会科学学报;2005年06期

6 廖珍珍;应益华;;上市公司财务预警Z分数模型的改进与应用[J];商业会计;2011年20期

  本文关键词：基于现金流量的制造业上市公司财务危机预警研究，由笔耕文化传播整理发布。

，

本文编号：395479