我国A股制造业上市公司财务困境预测研究

发布时间：2017-08-15 11:44

  本文关键词：我国A股制造业上市公司财务困境预测研究

  更多相关文章： 制造业 财务困境预测 因子分析 Logistic回归模型

【摘要】：2014年,我国的制造业面临着严峻的形势,受劳动力供给不足、劳动力成本提高等因素的影响,很多制造业企业的财务状况都出现了问题,不少制造业企业都陷入财务困境甚至破产。因此,能够利用制造业上市公司的财务数据,通过预测模型及时的发现制造业上市公司的财务异常,避免其陷入财务困境对促进我国整个制造业的健康发展具有重要意义。本文首先介绍了财务困境及财务困境预测的相关理论,对财务困境概念的界定、财务困境的成因、财务困境预测的含义及功能进行了详细的梳理。理论的介绍是为了指导实证研究,本文将因为财务状况异常而被证监会特别处理的公司定义为财务困境公司,为了更全面、更真实的对我国A股制造业上市公司进行财务困境预测,本文一共选取了171家制造业公司作为研究样本,其中包括因财务状况异常而被ST的45家公司,以及126家配对的财务正常公司;然后将研究样本划分为两部分,其中的116家作为训练样本用于构建模型,剩下的55家作为测试样本用于检验模型。本文在参考其他一些学者对财务困境影响因素研究的基础上,结合制造业的特点,一共选取了55个预测指标,包括48个财务指标跟7个非财务指标,这些指标综合的反映了企业的偿债能力、营运能力、现金流量能力、成长能力、风险水平、治理结构、股权结构、审计意见。然后本文对这55个指标进行显著性差异检验,通过T检验和非参数检验,剔除了对被解释变量影响不显著的25个预测指标,构建了比较全面的预测指标体系;接着为了消除预测指标之间的共线性,本文使用因子分析中使用最为广泛的主成分分析法,通过因子分析一共提取了11个公共因子,这11个因子的累计方差贡献率达到了81.552%,包含了原有预测指标的大部分信息,因子提取比较理想。最后本文使用这11个因子作为解释变量,构建Logistic回归预测模型。实证结果表明,本文构建的Logistic回归预测模型回代结果的预测率达到了90.5%,测试样本的预测率达到了81.8%,预测结果比较满意。因此得出结论,本文所构建的预测模型对我国A股制造业上市公司的财务困境预测具有较高的准确率,能够适用于我国A股制造业上市公司,具有一定的实用价值。
【关键词】：制造业 财务困境预测 因子分析 Logistic回归模型
【学位授予单位】：山东财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F406.7;F425
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-24
• 1.1 研究背景及意义10-12
• 1.1.1 研究背景10
• 1.1.2 研究意义10-12
• 1.2 文献综述12-21
• 1.2.1 单变量判别分析模型在财务困境预测中的应用12-13
• 1.2.2 多变量线性判别分析模型在财务困境预测中的应用13-16
• 1.2.3 Logistic回归模型在财务困境预测中的应用16-18
• 1.2.4 人工智能模型在财务困境预测中的应用18-19
• 1.2.5 混合模型在财务困境预测中的应用19-20
• 1.2.6 总体评价20-21
• 1.3 研究内容及研究框架21-22
• 1.3.1 研究内容21
• 1.3.2 研究框架21-22
• 1.4 研究方法及创新点22-24
• 1.4.1 研究方法22-23
• 1.4.2 创新点23-24
• 第2章 财务困境及预测相关理论概述24-33
• 2.1 财务困境概念的界定24-25
• 2.1.1 国外学者对财务困境概念的界定24
• 2.1.2 本文对财务困境概念的界定24-25
• 2.2 财务困境的成因及特征25-30
• 2.2.1 财务困境内部因素25-28
• 2.2.2 财务困境的外部因素28-30
• 2.2.3 财务困境的特征30
• 2.3 财务困境预测的含义及功能30-32
• 2.3.1 财务困境预测的含义30-31
• 2.3.2 财务困境预测的功能31-32
• 小结32-33
• 第3章 研究样本、预测指标的选取及处理33-60
• 3.1 研究样本的选取33-38
• 3.1.1 行业的选取33-34
• 3.1.2 研究样本的选择34-37
• 3.1.3 样本区间的选取37-38
• 3.2 预测指标的选取38-44
• 3.2.1 预测指标的选取原则38-39
• 3.2.2 预测指标体系的构建39-44
• 3.3 预测指标的预处理44-49
• 3.3.1 预测指标的正态性检验44-46
• 3.3.2 预测指标的显著性差异检验46-49
• 3.4 因子分析49-59
• 3.4.1 因子分析的概念50
• 3.4.2 因子分析的模型50
• 3.4.3 因子分析的过程50-59
• 小结59-60
• 第4章 预测模型的构建及检验60-68
• 4.1 预测模型简介60-62
• 4.1.1 二项Logistic回归方程60-61
• 4.1.2 二项Logistic回归方程的检验61-62
• 4.2 预测模型的构建62-66
• 4.3 预测模型的检验66-67
• 小结67-68
• 结论与展望68-71
• 研究结论68-69
• 研究局限与展望69-71
• 参考文献71-75
• 附录75-77
• 致谢77

【参考文献】

中国期刊全文数据库 前10条

1 刘彦文;戴红军;;基于三元Logistic的财务困境预警模型实证研究[J];大连理工大学学报(社会科学版);2007年02期

2 陈文俊;企业财务困境修正Z模型的实证研究[J];系统工程;2005年06期

3 胡达沙;王坤华;;基于PSO和SVM的上市公司财务危机预警模型[J];管理学报;2007年05期

4 马若微;张微;;基于Logistic与Fisher的上市公司财务困境判别模型比较研究[J];北京工商大学学报(社会科学版);2014年02期

5 张爱民,祝春山,许丹健;上市公司财务失败的主成分预测模型及其实证研究[J];金融研究;2001年03期

6 向德伟;运用“Z记分法”评价上市公司经营风险的实证研究[J];会计研究;2002年11期

7 陈静;上市公司财务恶化预测的实证分析[J];会计研究;1999年04期

8 黄岩,李元旭;上市公司财务失败预测实证研究[J];系统工程理论方法应用;2001年01期

9 杨淑娥,黄礼;基于BP神经网络的上市公司财务预警模型[J];系统工程理论与实践;2005年01期

10 杨保安,季海,徐晶,温金祥;BP神经网络在企业财务危机预警之应用[J];预测;2001年02期

中国博士学位论文全文数据库 前1条

1 徐晓燕;企业财务困境的预测方法研究[D];中国科学技术大学;2006年

中国硕士学位论文全文数据库 前2条

1 洪文俊;上市公司特别处理公告的市场反应研究[D];浙江大学;2006年

2 张景;中国上市公司财务困境预测研究[D];山东农业大学;2007年

，

本文编号：677998