基于潜变量模型的上市公司退市风险预测

发布时间：2020-07-16 10:19

【摘要】： 本文研究的是上市公司退市风险问题。目前,上市公司的退市问题已成为社会关注的焦点问题之一,我国关于退市风险预测的研究尚处于起步阶段,对退市风险的进一步研究具有重要的理论和现实意义。本文运用了信用风险结构化模型演变而来的潜变量阈值模型来分析与预测上市公司的退市风险,引入了我国上市公司财务变量、上市公司的治理结构变量、宏观经济变量、一个不可测的潜变量等解释变量,且该潜变量可以理解为证监会的监管力度、退市相关法律法规的完善程度与国家宏观利好利空政策的颁布等对因变量有较强解释力度并不可量化的因素,比较了结构化模型与潜变量模型之间的差异,提出了如何利用潜变量阈值模型对退市风险进行建模的方法,通过蒙特卡罗模拟验证了该模型方法的可行性。文章根据潜变量阈值模型,运用基于对潜变量积分的极大似然估计法,在假设该潜变量对退市概率和退市相关性的影响服从一个probit随机分布的基础上,预测了在深圳证券交易所与上海证券交易所挂牌交易的上市公司的退市风险和上市公司之间的退市相关性,比较了每年上市公司整体退市概率的变化情况,以及每年上市公司预测退市概率的平均值与实际上市公司的退市比率。实证研究表明,潜变量的引入能更好的分析与解释退市风险。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F832.51;F224
【图文】：

退市,概率平均,比率

2.45%，2.43%，2.44%和 2.93%。说明制度不断完善后，对上市公司的监管力度不断加强的情况下，上市公司退市风险也在不断的增加。若选择 2000 年到 2004 年间的数据，可以得到实际的公司退市比率与模型预测的退市概率总体平均值之间的一个比较，如图 3.1 可以发现随着时间越接近模型预测点（2005 年），模型预测的退市概率平均值与实际退市比率越是接近。说明了从预测的总体上来看，潜变量阈值模型预测精确性在不断的提高。就单个公司来看如，退市年份为 2001 年的公司像 PT 今田，PT 南洋，九州。根据本模型基于 2000 年的数据对它们退市概率进行预测分别为 2.24%，2.32%，2.39%，都是大于整体公司该年退市概率预测值的平均水平 1.89%。再如 2003 年退市的公司北科，基于 2002 年预测它的退市概率在所有的公司中最高为 5.54%。

【相似文献】