欢迎来到天天文库
浏览记录
ID:24409579
大小:49.50 KB
页数:3页
时间:2018-11-14
《财务失败预警模型研究综述务管理毕业论文》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、财务失败预警模型研究综述务管理毕业论文【摘要】本文主要论述了国内外有关财务失败预警的相关研究,并分析了这些统计模型的缺陷,最后对我国建立公司财务失败预警模型提出若干建议。 【关键词】财务失败预警多元判别分析人工神经网络 财务失败(FinancialFailure)是指公司无力支付到期债务的经济事项。财务失败分可为技术上无力偿债和破产两种形式。前者是指公司的资产总额大于负债总额,即“资大于债”,但其财务状况不公道,即现有的现金流量小于需要偿付的债务,导致公司不能清偿到期债务,从而有可能发生破产;后者是指公司的资产总额小于负债总额,即“资不抵债”,导致公司不能清偿到期债务而发生破产。引起公司
2、财务失败的风险主要包括经营风险和财务风险两方面。 一、国外财务失败预警模型研究 最早的财务失败预警研究是Fitzpatrick(1932)开展的单变量破产猜测研究。他以19家公司作为样本,运用单个财务比率将样本划分为破产和非破产两组,他发现判定能力最高的是净利润/股东权益和股东权益/负债两个比率。Beaver(1966)使用由79对公司组成的样本,他发现最好的判定变量是营运资本流/负债(在公司破产的前一年景功地判定了90%的破产公司)和净利润/总资产(在同一阶段的判别成功率是88%)。 Altman于1968年首先使用了多元线性判别模型研究公司的破产题目。根据行业和资产模型,他
3、为33家破产公司选择了33家非破产配对公司,选用了22个变量作为破产前1~5年的猜测备选变量,根据误判率最小的原则,终极选择了5个变量作为判定变量。其模型在破产前一年景功地判定出33家破产公司中的31家,而对于由25家破产公司和56家非破产公司组成的检验样本,模型在公司破产前一年正确地从25家破产公司中判定出24家,从56家非破产公司中判定出52家。(fs)、泰勒的Logistic回回拓展应用、混合神经网络模型(Hybridneuralodels)、自组织映射猜测模型(self-organizingmap)、概率神经网络猜测模型等。 二、国内财务失败预警模型研究 在国内的研究中,
4、吴世农、黄世忠(1986)曾先容公司的破产分析指标和猜测模型;陈静(1999)以1998年的27家ST公司和27家非ST公司,使用了1995-1997年的财务报表数据,进行了单变量分析和二类线性判定分析,在单变量判定分析中,发现在负债比率、活动比率、总资产收益率、净资产收益率4个财务指标中,活动比率与负债比率的误判率最低;在多元线性判定分析中,发现由负债比率、净资产收益率、活动比率、营运资本/总资产、总资产周转率6个指标构建的模型,在ST发生的前3年能较好地猜测ST。我国在财务失败预警研究方面起步比较晚,更多的还停留在理论研究上。 1、多元判别分析方法 多元判别分析方法应用最著名的是美国
5、的Altman的Zeta模型。早在60年代,AltmanAltman经过大量的实证考察和分析研究,选择了5种基本财务比率,根据每一种比率对财务失败的影响程度赋予权值(即各种比率的系数),以此作为猜测公司财务失败和破产的基本模型,即所谓的“Z-Score”模型,其基本表达式为: Z=0.012X10.014X20.033X30.006X40.999X5(1-1)内容来自.nseac. 奥特曼教授通过对Z-score模型的研究分析得出:Z值越小,该公司遭受财务失败的可能性就越大。奥特曼的研究表明,一般美国公司Z值的临界值为1.8。 具体判定标准为:Z
此文档下载收益归作者所有