公司财务预警模型及其应用研究【开题报告+文献综述+毕业论文】

《公司财务预警模型及其应用研究【开题报告+文献综述+毕业论文】》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、本科毕业论文开题报告财务管理公司财务预警模型及其应用研究一、立论依据1.研究意义、预期目标随着全球经济一体化的逐步推进和我国市场经济的快速发展，企业间竞争日益激烈，因财务危机导致企业经营陷入困境甚至宣告破产的例子屡见不鲜，财务危机受到企业特别是上市公司各方面利益相关者的日益关注。企业产生财务危机的原因是多方面的，可能是经营者决策失误，也可能是管理失控，还可能是外部环境恶化，如经济衰退、通货膨胀等。但正常情况下财务危机都有一个不断恶化并在财务数据中逐步显现的过程。必须要防微杜渐，在财务系统的日常运作中，就应对企业的财务运营过程进行跟踪、监控，及早发出预警信号，将企业面临的潜在风险告知经营者，从

2、而使其早做准备或采取对策，以避免或减弱对企业的破坏程度。因此，研究财务危机预警模型，对企业特别是上市公司是十分必要的。选择制造业上市公司作为研究对象，以企业财务状况与财务预警的理论解释为起点，从国内外对财务预警模型问题的研究开始，借鉴国内外对财务预警问题的理论研究与实践结果，结合上市公司财务现状，探讨财务预警模型在制造业上市公司的应用问题。2.国内外研究现状随着资本市场的不断发展与完善，对上市公司财务危机进行预警研究一直是国内外学术界的热点问题之一。(1)国外学者的研究现状1932年，Fitzpatrick最早使用一元判别分析法研究财务危机模型。从那时起，公司财务危机的预测就成为一个极具吸引

3、力的课题16。1966年，Beaver对1954-1964年间的79家经营失败的公司和同行业同规模的79家经营未失败的公司进行一元判定预测，发现现金流/负债能够最好地判定公司的财务状况。1968，Altman以1945-1965年间提出破产申请的33家公司和同行业同资产规模的33家非破产公司作为样本，建立了Z分数模型。现有的对财务预警研究大多采用组合的分析方法，如Gorzalczany，Piasta(1999)采用了模糊神经网络模型和Ann，Cho，Kim(2000)采用粗糙神经网络模型对企业的财务危机进行了研究；Shin，Lee(2002)基于遗传算法和McKee，Lensberg(200

4、2)组合了遗传程序和粗糙集的财务预警模型。其他也有学者对财务预警的现有模型进行了比较分析，并为我们研究指出了方向。如Balcaen，Ooghe(2004)对单变量分析、风险指数模型、多元判别分析和条件概率模型这四种财务预警模型作了比较研究，并归纳出在传统的模型中所出现的问题:数据异常、样本选择不当、数据的非光滑和不稳定、对选择的企业的财务状况的信任和真实性、对独立变量的选择不恰当、忽略了在模型中对时间序列的影响。这些在一定程度上为我们的后续研究指明了方向。(2)国内学者的研究现状由于我国对财务预警研究起步较晚，主要借鉴了国外的的经验。但也结合了我国的实际情况，并采用了多种组合的方法进行分析，

5、其中对企业的财务预警以定量分析为主，定性分析相对考虑较少。①应用传统的财务预警模型对我国上市公司财务进行分析1996年，周首华等最早借鉴Altman的Z分数模型，并加入了现金流量比率，提出了一种供管理当局使用而又区别于传统的公司偿付能力分析的新的预测模型F分数模式，但研究样本却不是取自中国证券市场。其他的如陈静(1999)采用了Altman模型、陈晓(2000)采用了Logit回归模型、杨保安(2001)采用了人工神经网络网络等传统的预警模型对我国上市公司财务困境进行了预测。②财务预警方法的比较2008年，陈远志、罗淑贞比较了单变量预警分析、Z计分模型、Zeta模型、修正的F模型以及分数模型

6、对我国农业板块上市公司的财务预警效果；2009年，黄新荣、杨华通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前(t-2)年的判别分析模型、逻辑回归模型和人工神经网络模型。③对某个行业或规模的财务进行分析2006年，徐光华选取EVA指标替代传统净利润指标的基础上，以沪市IT行业上市公司为样本，建立了基于EVA的IT行业财务预警模型，并据此进行实证分析，提出一些具体建议。除了IT行业，对行业选取样本的研究主要集中在制造、房地产、信息技术类企业。如郭兆(2009)就对我国制造业上市公司财务风险进行实证分析。另一方面，对中小企业的财务预警研究的

7、也比较多。④组合财务预警模型及与其他方法的结合16杨兵(2005)、宁静鞭(2008)等学者都从样本的选取角度，并组合了其他如K近邻方法，对我国上市公司财务预警模型进行了改进,证明可以大幅度提高其预测的准确程度。以神经网络模型为基础的财务预警系统：刘彦文(2007)提出了以粗糙集与神经网络相结合的技术方法，应用于我国上市公司财务危机预警研究中,证实其在网络训练的准确性和精度上都优于传统的BP神经网络。其他还有