基于Logistic模型的上市公司风险预警研究【开题报告】

《基于Logistic模型的上市公司风险预警研究【开题报告】》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、开题报告基于Logistic模型的上市公司风险预警研究一、立论依据1.研究意义、预期目标随着国际金融市场的发展，多元化的金融工具和衍生工具在资本市场中得以运用和发展。而在中国逐渐放开国门，使越来越多的领域出现多种资本合作经营的时代，企业面临的财务风险也越来越复杂和多样，企业发生财务困难甚至破产的现象越来越多，给企业和社会带来严重的影响。上市公司作为自主经营、自负盈亏、自我发展的市场主体，面临着日益多变的市场环境，随时都要经受财务危机的考验。因此，对于上市公司来说，预防重于治疗，在财务危机发生前洞察

2、先机，迅速采取相应的措施进行有效预防，具有重大的现实意义。对于企业自身发展来说，首先，如何通过财务风险管理，建立内部控制制度，找出内部控制存在的问题和缺陷，从而促使企业完善内部控制制度，使其能够全面、真实、准确的反映企业的财务状况和经营成果。实现科学决策、科学管理，形成完整的决策机制和制约机制。其次，强化风险意识，健全企业财务风险控制，完善风险分析、评估的报告制度，提高对风险的敏感性，成为企业日益关注的重点。此外，企业财务风险成因的研究有助于企业价值最大化，价值最大化决定于企业未来获利能力和所面临

3、的风险。最后，企业可以利用此模型作为防范财务风险的手段，及时调整财务战略和经营战略，防患于未然；对于投资者来说，通过财务风险预测模型及时掌握企业的发展现状和未来的财务趋势，可以为防范投资风险提供有益的参考，从而使有限的资金合理配置；对于债权人来说，通过此模型可以判断借款和债权投资的安全性和信用风险，决定是否为上市该公司融资，减少因错估财务风险所引起的损失。对于政府来说，通过财务风险预测模型可以及时动态掌握上市公司企业的现状，了解关系国计民生的各个领域的发展情况，进行有力的监督和及时的宏观调控，保证

4、社会的稳定和各行业的有序发展。由此可见，财务风险管理是企业价值管理不可分割的一部分，是关系企业、国家、社会的重大命题。财务风险预警研究有助于对企业财务风险进行预测，动态了解企业发展的现状和未来的趋势，及时发现和解决企业财务管理中存在的问题。本次研究通过Logistic模型选取我国深沪两市最新的财务报表数据，从上市公司的制造行企业财务状况的盈利能力、偿债能力、发展能力和营运能力角度，3揭示财务指标在企业发展中所起的信号作用，说明上市公司披露的财务指标能为各利益相关者提供企业财务风险预警研究的实证依据

5、，以证明在现有会计制度和会计准则下，财务报表能提供预测财务危机的大量有用信息，帮助利益相关者提高决策的科学性和合理性。2.国内外研究现状最早由Fitzpartrick（1932）运用单变量进行企业财务风险以及财务困境预测研究。其后，以Beaver（1966）为代表的学者们运用单变量模型（即通过单一的财务比率值或者趋势来预测或判定企业财务风险发生的可能性。）对企业财务风险进行预测。分别选择了79家1954-1964年财务困境企业和非财务困境企业。比弗选出了5个财务比率进行一元判别分析，根据观察值的预

6、测能力大小，发现随着时间的发展，误判率越低，预测能力越强。其中，负债保障率（即现金流量与负债总额的比率）能够最好地判别企业的财务状况（误判率最低），其次是资产负债率。Altman(1968),首次使用多元判别分析预测财务风险。他根据行业和资产规模选取33家破产企业和33家非破产企业作为研究样本，通过前24年至前3年11年的数据分析，他提出了著名的5变量Z值判定模型。发现Z值越大，企业财务风险越小，出现财务危机的概率越低。Ohlson(1980)首次将逻辑回归方法引入财务危机预警领域，应用二元概率函

7、数计算危机事件发生的概率，提出条件概率模型，运用Logistic建立了回归分析，选取了105家破产企业和2058家非破产企业，通过分析发现公司规模、资本结构和当前的变现能力最能反映企业财务状况，从此回归分析的研究开始进入财务风险预警领域。Coat和Fant(1993)比较类神经网络模型和判别分析模型的预测能力，认为该模型优于判别分析模型。Boritz,Kennedy和Albuquerque(1995)以两种类脑神经网络模型与Altman（1968）以及Ohlson(1980)预测模型进行比较，结果

8、类神经模型并不能提高预测准确率。陈静（1999）选取27家ST公司和27家非ST公司，使用了1995-1997年的报表数据，进行了单变量分析和多元线性分析。通过资产负债率、净资产收益率、总资产收益率和流动比率财务指标，进行单变量分析。研究发现，在ST前一年，流动比率和资产负债率的误判率最低；在ST前3年时，总资产收益率和流动比率的预测能力最强，同时发现净资产收益率的预测准确度极不稳定。多元线性分析中，仍采用单变量线性分析所采用的样本，但分为ST和非ST组，在剔除权益/负债后，将5个