基于纵向数据的上市公司财务危机预警模型

《基于纵向数据的上市公司财务危机预警模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于纵向数据的上市公司财务危机预警模型重庆大学硕士学位论文（专业学位）学生姓名：冯旋指导教师：徐建文副教授学位类别：应用统计硕士重庆大学数学与统计学院二O一六年四月FinancialDistressPredictionModelsofListedCompaniesBasedonLongitudinalDataAThesisSubmittedtoChongqingUniversityInPartialFulfillmentoftheRequirementfortheProfessionalDegreeByFengXuanSupervisedbyXuJianwe

2、nSpecialty:M.A.S.CollegeofMathematicsandStatisticsofChongqingUniversity,Chongqing,ChinaApril,2016重庆大学硕士学位论文中文摘要摘要一个公司的财务状况直接影响了公司的运营，而上市公司又是证券市场的基础，保证上市公司良好的运行是证券市场正常运行的先决条件。随着近年来实体经济的下滑，许多公司尤其是制造业企业面临着陷入财务危机的危险，如果能够建立适合中国市场的财务危机预警模型，则能够提前采取相应的措施，对投资者和公司管理者都有重要的意义。本文以上市公司被实施“特殊处理”作

3、为企业陷入财务危机的标志，选取了在2011-2014年间首次被实施“特殊处理”的在A股上市的50家制造业企业作为财务危机公司样本，并选取50个同行业健康公司作为配比样本。在变量的选取上，选取在国内使用频率较高的财务比率，并利用均值检验和因子分析对变量进行筛选。首先建立了基于截面数据的传统的逻辑回归模型和Fisher判别分析模型，结果表明逻辑回归模型的预测准确率要高于判别分析，总结国内外关于上市公司财务危机预警的模型，发现大多数的研究都是基于某一年份的数据即只利用了单截面数据，而没有考虑时间延续性。因此，本文又建立了基于纵向数据的广义估计方程和随机效应模型，分

4、别代表了处理纵向数据的两类模型——边际模型和条件模型。两类模型的估计结果相差不大，它们对财务危机公司的预测准确率分别为92%、94%，对健康公司预测准确率均达到98%。从计算结果可以看到，无论是基于截面数据还是纵向数据，模型预测的准确率都较高，说明选取的这些财务比率比较有效，企业发生财务危机不仅与企业的盈利能力有关，还与偿债能力和营运能力有关。基于纵向数据的模型的预测准确率略高于截面数据，并且基于纵向数据的模型预测的时间跨度长，能够预测一个公司在一个时间段内出现财务危机的概率。关键词：因子分析、逻辑回归、纵向数据、广义估计方程、随机效应模型I重庆大学硕士学位

5、论文英文摘要ABSTRACTAsweknowacompany’sfinancialsituationdirectlyinfluenceitsoperation,andlistedcompaniesarethefoundationofthestockmarket.Soit’sofgreatimportancetokeeptheselistedcompaniesrunningwell.Butwiththerealeconomykeepingslidinginrecentyears,especiallymoreandmoremanufacturingfactori

6、eswereindangerofcollapsing,anefficientfinancialdistressedpredictionmodelisofgreatimportance.Wecantakemeasuresinadvanceifwehaveanefficientmodel.Thesewillmakegreatsensetoinvestorsandbusinessmanagers.Inthispaper,wetookthecompaniesasfinancialdistressediftheywere“specialtreated”，and50ma

7、nufacturingfactorieswhichwerefirstlyspecialtreatedintheperiodof2011and2014wereselectedassamples.Atthesametime,wechose50healthycompaniesrandomlyasmatchedsamples.Thisstudyhasconsideredfactorsthatwerefrequentlyusedinotherpeople’sresearch.Firstly,weconstructedalogisticregressionmodelan

8、dfisherdiscriminantanalysi