本文選題：財(cái)務(wù)危機(jī) + KMV模型��； 參考：《西南財(cái)經(jīng)大學(xué)》2012年碩士論文

【摘要】：在日前政府提出的“十二五”規(guī)劃中明確提出了要轉(zhuǎn)變我國(guó)經(jīng)濟(jì)發(fā)展方式,加快產(chǎn)業(yè)升級(jí)步伐。這一政策轉(zhuǎn)變,勢(shì)必造成不同行業(yè)的興衰交替,制造業(yè)作為國(guó)民經(jīng)濟(jì)發(fā)展的主導(dǎo)力量必然首當(dāng)其沖。由此勢(shì)必造成制造業(yè)中各細(xì)分行業(yè)不同的政策傾向,從而使得不同細(xì)分行業(yè)出現(xiàn)興衰交替。 對(duì)于政策支持的產(chǎn)業(yè),必然使得該類企業(yè)的資金投入逐漸增加,企業(yè)的規(guī)模不斷擴(kuò)大,資本密集型產(chǎn)業(yè)的發(fā)展也使得投資項(xiàng)目的技術(shù)風(fēng)險(xiǎn)不斷上升。而對(duì)于政策限制的產(chǎn)業(yè),由于市場(chǎng)的萎縮,產(chǎn)能的減少,必然造成該類制造企業(yè)的經(jīng)營(yíng)業(yè)績(jī)下滑,經(jīng)營(yíng)困難,從而出現(xiàn)財(cái)務(wù)危機(jī)。我國(guó)制造業(yè)企業(yè)規(guī)模較大,抵抗風(fēng)險(xiǎn)能弱,一旦出現(xiàn)危機(jī),將對(duì)各利益相關(guān)方造成重大影響�；诖�,本文試圖對(duì)我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警進(jìn)行研究,期待能為我國(guó)制造業(yè)財(cái)務(wù)危機(jī)預(yù)警做出一些貢獻(xiàn),期望能在公司發(fā)生財(cái)務(wù)危機(jī)之前及時(shí)發(fā)出危機(jī)預(yù)警信號(hào),防止發(fā)生不必要的經(jīng)濟(jì)損失。這對(duì)于經(jīng)營(yíng)管理者、投資者及監(jiān)管當(dāng)局等諸多利益相關(guān)方都具有重要的現(xiàn)實(shí)意義。 本文的主要研究?jī)?nèi)容如下： 第一、本文首先從“財(cái)務(wù)危機(jī)”概念的界定入手,分析了國(guó)內(nèi)外研究學(xué)者對(duì)于“財(cái)務(wù)危機(jī)”概念的界定,并給出了本文對(duì)制造業(yè)上市公司“財(cái)務(wù)危機(jī)”的界定標(biāo)準(zhǔn)以及危機(jī)發(fā)生時(shí)間的判定標(biāo)準(zhǔn)。 第二、通過(guò)對(duì)已有研究文獻(xiàn)的梳理,詳細(xì)評(píng)述了現(xiàn)有的經(jīng)典財(cái)務(wù)危機(jī)預(yù)警模型,從Z-sore模型、F分?jǐn)?shù)模型、到Logistic回歸模型、probit模型、神經(jīng)網(wǎng)絡(luò)模型,并詳細(xì)評(píng)述了KMV模型及違約距離相關(guān)理論以及該模型在我國(guó)應(yīng)用中存在的不足。 第三、定性研究了我國(guó)制造業(yè)的現(xiàn)狀、制造業(yè)上市公司的行業(yè)分布情況及地區(qū)分布情況。 第四、本文以我國(guó)制造業(yè)上市公司為研究對(duì)象,依據(jù)一定的樣本篩選標(biāo)準(zhǔn),選取了2009-2011年“被ST”的上市公司54家以及隨機(jī)抽取的51家非ST公司作為配對(duì)樣本。根據(jù)KMV模型相關(guān)理論,我們運(yùn)用MATLAB軟件編程求解樣本公司的違約距離指標(biāo)。而后,通過(guò)不同年份間,不同市場(chǎng)行情下的違約距離指標(biāo)的單因素方差分析,并結(jié)合上證指數(shù)的對(duì)比分析,研究違約距離用于判定財(cái)務(wù)危機(jī)的缺陷和不足。 進(jìn)而,本文創(chuàng)新性的提出調(diào)整違約距離指標(biāo)。通過(guò)正態(tài)性的K-S檢驗(yàn)、獨(dú)立樣本T檢驗(yàn)、單因素方差分析以及構(gòu)建單一變量的Logistic回歸分析法,對(duì)比研究違約距離指標(biāo)與調(diào)整違約距離指標(biāo)應(yīng)用于預(yù)測(cè)財(cái)務(wù)危機(jī)預(yù)警研究的可行性及其優(yōu)劣。 第五、我們將財(cái)務(wù)指標(biāo)引入危機(jī)預(yù)警模型,并與違約距離指標(biāo)、調(diào)整違約距離指標(biāo)結(jié)合分別構(gòu)建了兩個(gè)基于Logistic回歸分析方法的財(cái)務(wù)危機(jī)預(yù)警模型。從模型的變量系數(shù)顯著性、模型擬合優(yōu)度、預(yù)測(cè)準(zhǔn)確率、收益矩陣四個(gè)方面對(duì)比分析了兩模型。 本文綜合運(yùn)用財(cái)務(wù)管理學(xué)、計(jì)量經(jīng)濟(jì)學(xué)等多學(xué)科知識(shí),通過(guò)數(shù)據(jù)的搜集、數(shù)據(jù)分析等手段,遵循理論與實(shí)踐相結(jié)合、定性與定量相結(jié)合的原則,分析了我國(guó)制造業(yè)上市公司的一些特點(diǎn),探尋了對(duì)財(cái)務(wù)危機(jī)預(yù)警模型中個(gè)別變量的改進(jìn),建立了我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型。 通過(guò)本文的研究,我們得到了如下結(jié)論： 第一、本文將公司“被ST”作為出現(xiàn)財(cái)務(wù)危機(jī)的界定標(biāo)準(zhǔn),以公司被證券交易所冠以“ST”的年度作為財(cái)務(wù)危機(jī)時(shí)間發(fā)生的判定。本文采用樣本公司(t-2)年的年報(bào)財(cái)務(wù)指標(biāo)及該公司股票在(t-2)年全年的交易數(shù)據(jù)建立模型,以此預(yù)測(cè)其是否會(huì)在t年發(fā)生財(cái)務(wù)危機(jī)。 第二、從制造業(yè)現(xiàn)狀的定性研究發(fā)現(xiàn),目前我國(guó)制造業(yè)企業(yè)大多處于價(jià)值鏈的低端,知識(shí)密集型、技術(shù)密集型的企業(yè)不多；從制造業(yè)上市公司地域分布情況來(lái)看,存在產(chǎn)業(yè)分布的集聚效應(yīng),企業(yè)分布最多的地區(qū)是以“北上廣”為代表的三個(gè)綜合經(jīng)濟(jì)區(qū)。 第三、通過(guò)正態(tài)性的K-S檢驗(yàn),獨(dú)立樣本T檢驗(yàn),表明將KMV模型的重要輸出指標(biāo)-違約距離以及本文中提出的“調(diào)整違約距離”指標(biāo)運(yùn)用于上市公司財(cái)務(wù)危機(jī)預(yù)警研究是可行的。通過(guò)單因素方差分析得出行情的大幅波動(dòng)對(duì)違約距離的影響是顯著,而對(duì)調(diào)整違約距離指標(biāo)沒有顯著影響。通過(guò)對(duì)比單—變量的Logistic回歸模型的擬合優(yōu)度、預(yù)測(cè)準(zhǔn)確率,我們得出調(diào)整違約距離用于財(cái)務(wù)危機(jī)預(yù)警效果更好。 第四、通過(guò)對(duì)初步選定的18個(gè)財(cái)務(wù)指標(biāo)的K-S正態(tài)性檢驗(yàn)、獨(dú)立樣本的Man-Whitney檢驗(yàn)、斯皮爾曼相關(guān)系數(shù)分析,我們得到“流動(dòng)比率”、“總資產(chǎn)收益率”、“現(xiàn)金流量對(duì)流動(dòng)負(fù)債比率”、“凈利潤(rùn)現(xiàn)金含量”、“總資產(chǎn)周轉(zhuǎn)率”、“主營(yíng)業(yè)務(wù)增長(zhǎng)率”共計(jì)6個(gè)財(cái)務(wù)指標(biāo)作為財(cái)務(wù)預(yù)警模型中反映會(huì)計(jì)信息的輸入指標(biāo)。 第五,將上述得到的6個(gè)財(cái)務(wù)指標(biāo)分別與違約距離指標(biāo)、調(diào)整違約距離指標(biāo)結(jié)合,構(gòu)建了兩個(gè)基于Logistic回歸分析方法的財(cái)務(wù)危機(jī)預(yù)警模型。通過(guò)從兩模型的變量系數(shù)顯著性、模型擬合優(yōu)度、預(yù)測(cè)準(zhǔn)確率、收益矩陣四個(gè)方面對(duì)比分析了兩模型,我們得到了如下結(jié)論： 在變量系數(shù)顯著性方面：在違約距離與財(cái)務(wù)指標(biāo)構(gòu)建的Logistic回歸模型中,違約距離值指標(biāo)的回歸系數(shù)Wald值為0.755,對(duì)應(yīng)的P值為0.385；而在調(diào)整違約距離與財(cái)務(wù)指標(biāo)構(gòu)建的Logistic回歸模型中,調(diào)整違約距離指標(biāo)的回歸系數(shù)Wald值為2.709,對(duì)應(yīng)P值為0.1。對(duì)比可以看出,違約距離指標(biāo)在回歸模型中表現(xiàn)是不顯著的,說(shuō)明其用來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)的能力有限,而調(diào)整違約距離指標(biāo)表現(xiàn)相對(duì)較好,預(yù)測(cè)能力要強(qiáng)。 在模型擬合優(yōu)度方面：違約距離與財(cái)務(wù)指標(biāo)構(gòu)建的Logistic回歸模型的-2倍對(duì)數(shù)似然值為66.3571,修正可決系數(shù)為0.7059；調(diào)整違約距離與財(cái)務(wù)指標(biāo)構(gòu)建的Logistic回歸模型的-2倍對(duì)數(shù)似然值為64.1823,修正可決系數(shù)為0.7188。對(duì)比可以看出,基于調(diào)整違約距離的Logistic回歸模型的擬合優(yōu)度優(yōu)于后者,能夠更好的解釋變異,擬和性更好。 在預(yù)測(cè)準(zhǔn)確率方面：由于樣本不足,本文只能將建模樣本回代以此來(lái)評(píng)價(jià)模型的預(yù)測(cè)準(zhǔn)確率。從樣本回代后的預(yù)測(cè)情況看,兩模型總體預(yù)測(cè)準(zhǔn)確率是相同的,均為88.6%,但兩模型犯第一類錯(cuò)誤與犯第二類錯(cuò)誤的概率卻是不相同的。 從收益矩陣的角度分析：通過(guò)兩模型的預(yù)測(cè)結(jié)果可以看出,基于違約距離的預(yù)測(cè)模型犯第一類錯(cuò)誤的概率更大,為“棄真”的錯(cuò)誤,即將原本應(yīng)該判為ST的公司,判定為了非ST公司,其犯第一類錯(cuò)誤的概率為13%；基于調(diào)整違約距離的預(yù)測(cè)模型犯第二類錯(cuò)誤的概率更大,為“存?zhèn)巍钡腻e(cuò)誤,即將原本正常的公司判定為ST公司,其第二類錯(cuò)誤的概率為13.7%。根據(jù)我們的分析,在總體預(yù)測(cè)能力相同的情況下,犯第二類錯(cuò)誤造成的損失不論是對(duì)公司經(jīng)營(yíng)管理者、投資者還是監(jiān)管當(dāng)局來(lái)說(shuō),其造成的損失顯然是比犯第一類錯(cuò)誤造成的損失要小。 因此,作者認(rèn)為將本文提出的調(diào)整違約距離應(yīng)用與財(cái)務(wù)危機(jī)的預(yù)警研究效果更好,將其與財(cái)務(wù)指標(biāo)結(jié)合構(gòu)建的Logistic回歸模型應(yīng)用于預(yù)測(cè)財(cái)務(wù)危機(jī),可以更好的減少?zèng)Q策可能造成的損失,預(yù)測(cè)能力更強(qiáng),適應(yīng)性更好。
[Abstract]:......
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：F406.72;F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉迎春;劉霄;;基于GARCH波動(dòng)模型的KMV信用風(fēng)險(xiǎn)度量研究[J];東北財(cái)經(jīng)大學(xué)學(xué)報(bào);2011年03期

2 賀燦飛;潘峰華;孫蕾;;中國(guó)制造業(yè)的地理集聚與形成機(jī)制[J];地理學(xué)報(bào);2007年12期

3 賀燦飛;朱彥剛;朱晟君;;產(chǎn)業(yè)特性、區(qū)域特征與中國(guó)制造業(yè)省區(qū)集聚[J];地理學(xué)報(bào);2010年10期

4 馬慶林;;中國(guó)經(jīng)濟(jì)區(qū)域劃分與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展問(wèn)題研究[J];南方金融;2009年07期

5 李銘;肖東生;;基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警[J];工業(yè)工程;2008年06期

6 楊海軍;太雷;;基于模糊支持向量機(jī)的上市公司財(cái)務(wù)困境預(yù)測(cè)[J];管理科學(xué)學(xué)報(bào);2009年03期

7 孔寧寧;魏韶巍;;基于主成分分析和Logistic回歸方法的財(cái)務(wù)預(yù)警模型比較——來(lái)自我國(guó)制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J];經(jīng)濟(jì)問(wèn)題;2010年06期

8 吳世農(nóng),盧賢義;我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J];經(jīng)濟(jì)研究;2001年06期

9 楊毓;蒙肖蓮;;用支持向量機(jī)(SVM)構(gòu)建企業(yè)破產(chǎn)預(yù)測(cè)模型[J];金融研究;2006年10期

10 周首華,楊濟(jì)華,王平;論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J];會(huì)計(jì)研究;1996年08期

相關(guān)碩士學(xué)位論文 前6條

1 萬(wàn)晏伶;我國(guó)制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D];重慶大學(xué);2011年

2 田兵;違約距離在上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建中的應(yīng)用研究[D];北方工業(yè)大學(xué);2008年

3 鄒娟霞;基于EVA的上市公司財(cái)務(wù)預(yù)警實(shí)證研究[D];山東大學(xué);2010年

4 趙曉飛;吉林省上市公司財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究[D];吉林大學(xué);2010年

5 王磊;金融危機(jī)下我國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警研究[D];河南大學(xué);2010年

6 谷鵬;我國(guó)中小制造類企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D];北京化工大學(xué);2010年

，

本文編號(hào)：1771224