我国上市公司的财务困境成本及其影响因素分析

本文选择1998—2002年间沪深股市40家ST摘帽公司A股为样本,从“经营业绩观”和“权益价值观”两个角度考察我国上市公司是否存在财务困境成本。结果发现:(1)从陷入财务困境之前到解除财务困境之后,基于“经营业绩观”,企业经行业调整之后的平均主营业绩有所增长,但基于“权益价值观”,经过市场调整之后的权益市场价值平均下降了2.04%,表明投资者平均承担2.04%的财务困境成本,说明虽然企业在解除财务困境之后经营业绩较之于陷入财务困境之前有所增长,但这种经营业绩上的增长并未带来权益市场价值的提高。(2)行业因素和企业规模是影响财务困境的重要因素。当财务困境企业所在行业业绩不佳时财务困境成本较高;企业的资产规模与财务困境成本呈显著的正向关系。     

考虑多维效率的上市公司财务困境预警研究

已有的财务困境预警研究一般基于财务指标，或在财务指标基础上引入单一效率指标，而多维效率指标能够更加全面有效地反映不同行业、不同资产规模的上市公司整体状况，从而对上市公司财务困境产生更好的预警效果。本文从经营效率、财务效率、融资效率和人力资本效率这四个维度分别提出相对应的投入产出指标体系，并采用数据包络分析对上市公司各个维度的相对有效性进行评价。在此基础上，将得到的多维效率指标与财务指标相融合，建立上市公司财务困境预警模型。为了验证所提出模型的有效性，采用支持向量机、人工神经网络和决策树这三种常用的财务困境预警技术，并基于不同的财务指标体系对我国上市公司进行实证研究。结果表明，考虑多维效率指标的上市公司财务困境预警模型能够有效提高预测准确度。     

上市公司发生财务困境的原因及应对策略

上市公司发生财务困境的原因 财务困境又称财务危机，它威胁着企业的生存和发展，严重的财务困境会直接导致企业破产。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又称为违约风险。财务困境来自财务风险，财务风险是造成财务困境的原因，财务困境是财务风险的结果。     

基于RS与ANN的上市公司财务困境预测模型的实证研究

本文以中国上市公司作为研究对象,采用粗糙集理论(RS)客观选出预测模型指标体系,以因财务状况异常而被列为特别处理公司(ST公司)作为界定上市公司的财务困境标志,采用人工神经网络(ANN)寻找最佳的利用公开财务数据预测中国上市公司财务困境的模型。我们的研究结果表明,总资产报酬率等18个包括现金流量类指标的财务指标有较强的区分财务困境公司和财务健康公司的能力;行业类型和资产规模对于上市公司财务困境预测具有至关重要的作用;运用ANN建立的神经网络模型有较强和较稳定的预测能力。     

股权结构、财务困境成本与困境公司绩效

本文以1997—2003年发生财务困境的105家上市公司为研究样本,以资本支出率度量公司投资水平,以销售增长率与“EBIT/总资产”度量公司绩效,采用单变量与多变量分析方法。研究发现,第一大股东持股比例越大,困境公司的投资与绩效水平越高;股权制衡对困境公司不再具有显著的积极作用;由于预算软约束的存在,国有公司比非国有公司在财务困境期间具有更低的财务困境成本,失去了更少的投资机会、市场份额与利润,从而表现出更高的投资与绩效水平;公司是否被企业集团控制与财务困境成本及困境公司的投资、绩效水平没有显著相关性。     

基于ST预测的财务困境测度与股票横截面收益

本文利用特别处理(ST)这一我国资本市场特有的现象和机器学习的方法构造了一个新的刻画上市公司财务困境的测度指标，并研究了财务困境与股票横截面收益的关系。首先利用机器学习的方法建立了上市公司ST的预测模型；再通过预测模型构造上市公司被特别处理的预测概率PrST,并以PrST刻画上市公司的财务困境；最后利用这一新的财务困境测度指标研究了PrST对公司股票收益的影响。研究发现：(1)事件分析结果显示，市场对特别处理公告做出显著的负面反应；(2)以预测模型得到的PrST构造资产组合，PrST高的资产组合收益率显著低于PrST低的资产组合，一个多空股票组合可以产生平均每月约-1.40%的超额收益；(3)构造PrST因子，Fama-MacBeth回归也得到显著的结果。综上，本文的实证研究表明：构造的财务困境指标PrST能有效解释股票横截面收益，PrST因子是一个被定价的风险因子。     

财务困境、财务困境间接成本与公司业绩

本文研究了上市公司财务困境、财务困境间接成本及其与公司业绩之间的关系.通过实证研究企业陷入财务困境以后业绩变化的情况,本文认为,我国上市公司的间接财务困境成本显著为正,从总体来看,公司的间接困境成本大约为企业价值总额的25%-36.5%之间,资本结构对这种业绩的变化所引起的困境间接成本具有显著影响.负债率越高的企业,在困境期内将损失越大的市场份额和利润.     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

首批创业板上市公司财务风险分析

本文以中国A股市场营运公司的财务比率为依据，选择110家与首批创业板行业相同、规模相近的上市公司作为分析研究样本，推导建立起一个财务危机判别分析模型，并采用该模型对28家创业板上市公司存在的财务风险进行分析，提出预警信号，供投资者投资决策时参考。     

基于财务与非财务指标的财务困境预警研究——以制造业上市公司为例

本文以沪深A股市场2005-2009年294家制造业上市公司为样本,以因财务状况异常而被ST作为公司发生财务困境的标志,分别建立了仅包含财务比率指标的单一模型和同时包含财务和非财务指标的综合模型.研究结果表明,加入非财务类指标后的综合模型,无论是在预测能力方面还是在误判成本方面均得到显著优化.     

中国上市公司财务比率行业差异的实证研究

本文综述了研究财务比率行业差异的有关文献，说明了行业分类标准的选择及其重要性，对我国A股上市公司1999—2001年的七个财务比率进行了分行业统计分析，使用Kruskal-Wallis H检验方法检验了上市公司财务比率的行业因素效应。研究结果显示：所有财务比率的行业效应均为显著，即不同行业的财务比率具有显著差异。     

基于滚动时间窗口支持向量机的财务困境预测动态建模

该文从财务困境概念漂移的全新视角,提出了基于滚动时间窗口支持向量机(suppon vector machine,SVM)的财务困境预测动态建模新方法.设计了面向概念漂移进行财务困境预测动态建模的思路框架,分为宽度固定的滚动时间窗口 SVM 和宽度可变的滚动时间窗口 SVM 分别展开算法设计.以中国上市公司为对象,通过模拟时间推移过程,对 2000 至 2008 期间被 ST 的上市公司及其配对公司共692个样本展开实证研究.结果表明:基于滚动时间窗口 SVM 的财务困境预测动态建模方法能够有效地适应财务困境的概念漂移现象,对未来企业财务困境的预测效果明显优于静态 SVM 模型.通过比较分析,认为适应性可变时间窗口 SVM 动态建模方法具有较好的应用推广性.     

EVA的财务预警实证研究

本文以我国上市公司为研究对象,选取了65家处于财务困境的公司和75家财务正常的公司为样本,在传统财务指标的基础上引入EVA,运用Logistic回归分析方法,构建了财务困境模型。研究结果表明,相对于传统的财务指标,EVA对企业的财务困境具有较强的判别能力,模型具有超前3年的预测能力。     

防范农业上市公司财务舞弊的治理监督研究——以W公司为例

截至目前,我国已经出现多起上市公司财务舞弊的事件,农业上市公司财务舞弊尤为突出。面对此类事件,新《中华人民共和国证券法》的实施有效创造了财务舞弊“零容忍”的严监管环境,然而农业上市公司财务造假事件仍时有发生。文章将以农业上市公司W公司财务舞弊为典型案例,对案例进行深度挖掘后,提出防范农业上市公司财务舞弊的治理监督策略,以期为解决我国上市公司财务舞弊问题提供参考。     

财务困境成本与公司治理

陷入财务困境的公司与正常经营的公司有着内外环境的差异,它导致公司治理对企业的财务困境成本和企业价值的影响都不相同.以中国2000年～2006年发生财务困境的193家上市公司的面板数据为样本,实证分析中国公司治理因素对财务困境成本的影响.研究表明,公司的股权制衡度与公司财务困境成本显著正相关,国有股比例、独立董事比例和管理费用率与财务困境成本显著负相关,股权集中度、两职合一、高管持股比例和违规行为与财务困境成本没有显著的相关性.研究结论对财务困境公司改善公司治理机制并摆脱财务困境有所帮助.     

Logistic方法在财务困境预测中的应用

财务困境预测已成为国内外广泛关注的研究领域.财务困境预测方法主要包括多元线性判别法、逻辑回归法等参数方法以及神经网络等非参数方法,本文对各主要方法的优劣进行了评价,阐述了逻辑回归模型在财务困境预测领域的应用现状,并应用Logistic模型对我国上市公司进行了分类预测,在T-2年上取得了较好的预测精度.     

基于Logit模型的公用商贸上市公司财务预警实证研究

本文在借鉴国内外研究成果的基础之上,以公用商贸上市公司为研究对象,利用我国万联证券上市公司的会计数据,通过运用一定的统计方法,建立Logit财务预测模型,并验证该模型能否有效地预测出企业是否将陷入财务困境。     

上市公司财务困境预警判别分析模型的建立及应用研究

论文应用多元统计分析的判别分析方法,建立了上市公司财务困境预警模型,进行了实证分析,并对数据分析结果给出了合理解释。     

上市公司财务风险预警研究

在市场经济环境下，上市公司所处的经营环境发生了重大变化，所面临的风险也越来越多，其中财务风险是其面对的重要风险因素。及时有效地对财务风险进行识别、预警和管控，有助于上市公司提升自身科学化管理水平，对于保障上市公司健康可持续发展具有重要的现实意义。本文围绕上市公司财务风险预警进行了分析，介绍了上市公司财务风险预警的管控体系，并在此基础上提出了强化财务风险预警、提高上市公司财务管理水平的建议措施。     

基于期望违约率模型的上市公司财务困境预警研究

本文以现代资本结构理论和期权理论为依据,以企业"资不抵债"作为上市公司陷入财务困境的标志,运用资本市场的信息指标(股价)和上市公司财务数据建立期望违约率(EDF)模型,应用于公司财务困境的动态预警,克服了统计预测方法的时期性和滞后性的缺陷。