国内外文献综述Word格式.docx

国内外文献综述Word格式.docx

《国内外文献综述Word格式.docx》由会员分享，可在线阅读，更多相关《国内外文献综述Word格式.docx（16页珍藏版）》请在冰点文库上搜索。

出现了多样化的风险与危机，有些企业逐步从财务状况正常发展到财务状况恶化，陷入财务危机，甚至出现倒闭、破产，使企业本身、投资者等多方面利益遭受到损失。

所以本文试图通过对财务预警模型的研究，实现保护企业和投资者利益、防范企业财务风险的目的，具体意义如下：

（1）对于投资者来讲。

有助于投资者预知公司是否会陷入财务危机，获取财务危机的事前提示，使投资者对公司的财务状况和经营成果作出预先判断，加强投资的警惕性，这样就能使投资者尽可能的降低公司股票价格大跌及破产清算的影响，尽可能的避免损失。

所以财务预警有助于投资者作出正确的投资决策，切实保障投资者自身利益。

（2）对于企业经营者来讲。

可以有效防范财务风险，加强企业内部控制，改善企业经营管理。

目前来讲，阶段性地评估企业当前的财务状况是一项极其重要的工作，因为这样可以发现公司潜在的优势和不足，以便采取针对性的对策，制定新的措施，改变企业发展现状，有效阻止企业的财务危机，有助于企业长久、稳定地发展。

（3）对于债权人来讲。

目前的债权人以银行和金融企业居多，通过财务预警债权人可以判断企业的偿债能力，合理评估企业未来的资信状况，从而提前采取相应的措施，避免贷款损失，保证债权资产的安全。

（4）对于监管部门来讲。

证监会对上市公司进行的监管主要依赖于上市公司年底所披露的财务报表，在时效上具有一定的滞后性。

通过财务预警，监管部门便可以利用该公司前几年披露的财务报表提前对上市公司进行监测，对于有财务危机预兆的上市公司，可以通过加强事前监管，更好的维护市场秩序，并且防范股票市场风险。

1.2国内外文献综述

1.2.1国外文献研究

国外学者对企业破产预测的研究始于美国历史上的“大萧条”时期，大批银行倒闭，企业破产，市场萧条，生产锐减，失业人数激增，人民生活水平骤降，农产品价格下跌，很多人濒临破产，全面的金融危机接踵而至。

国外对企业财务危机的研究经历了以财务比率分析为主的单变量分析阶段和将财务比率与各种统计方法相结合的多变量分析阶段，具体而言：

最初有关企业财务危机的预警分析主要采用财务报表分析和财务比率分析。

财务报表分析的基本思想是通过考核企业财务报表（资产负债表、利润表及利润分配表、现金流量表）中的历史比较、横向比较和结构性比较的数据来实现分析企业真实情况的目的。

财务比率分析在本质上是属于财务报表分析，但比财务报表分析又更进一层，主要包括企业的偿债能力、经营能力、获利能力、财务结构、成长能力和现金流量分析等。

真正全面对企业的财务危机进行预测研究的是Fiztpartrick。

1932年Fiztpartrick以19家公司为样本，运用单个财务比率将样本划分为破产组和非破产组，进行单变量破产预警研究，其发现判别能力最高的是“净利润/股东权益”和“股东权益/负债”两个比率。

1966年Beaver沿着Fitzpartriek的思路继续研究破产预测问题，在其《财务比率与失败预测》一文中，Beaver以企业危机预测为主题，以单一财务比率指标为基本变量，运用配对样本法，随机挑选了1954年至1964年间的79家运营失败的企业，并针对这79家失败企业挑选了与其产业相同且资产规模相近的79家正常企业，分别检验了反映企业不同财务特征的6组30个变量在公司破产前的1-5年的预测能力，他发现最好的判别变量是“现金流量/总负债”（在公司破产的前一年成功地判别了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%）。

Bevaer还发现越临近破产日，误判率越低。

由于单变量分析具有内在的无法克服的缺陷，因此后来的学者开始寻求新的方法。

Altman首先将判别分析方法MDA（MultipleDiscriminantAnalysis）应用到对企业财务危机的研究中。

1968年，根据行业和资产规模，他为33家破产公司选择了33家非破产配对公司，选用22个变量作为破产前1-5年的预测备选变量，根据误判率最小的原则，最终确定了5个变量（营运资本/总资产、留存收益/总资产、税息前利润/总资产、权益市场价值/总债务的帐面价值及销售收入/总资产）作为判别变量组成了Z计分（Z-Score）模型。

由于Z计分模型是以上市公司中的制造业公司为研究对象，不利于非上市公司及非制造业的评分，所以后来Ahman修改了Z计分模型，分别建立了非上市公司及非制造业的Z计分模型。

1977年Altman，Haldemna和Narayanan扩展了原始的Z计分模型，建立了ZETA模型，该模型以1962年至1975年间的53家破产企业和58家配对的正常公司为样本，选用了27个初始财务比率进行区别分析，最后选取了7个解释变量，其分类正确率高于原始的Z计分模型，特别是在破产前较长时间的预测准确率较高。

由于Z计分模型的预测能力好，成本效益好，后续很多学者也曾按照Atlmna的方法进行了类似的研究并取得了良好的效果，因此多元判别分析方法成为了研究企业财务危机的一种主流方法。

自80年代后，许多相关文献在会计比率选择及新方法的引入方面进行了许多积极的探索。

ohlson（1980）用多元逻辑回归方法分析了1970-1976年间破产的205家公司和2058家公司组成的非配对样本，运用逻辑斯蒂回归法建立了预测模型，他发现至少存在四类显著影响公司破产概率的变量:

公司规模、资本结构、经营业绩和当前的变现能力。

从1980年代以来，Lgoistic回归分析代替判别分析法，在财务危机预测研究领域占据主流地位。

Frydman，Altman和Kao（1955）提供了一种新分类方法一递归划分算法（RcursivePartitioning）进行财务分析并在公司财务危机的背景下与判别分析作了比较。

发现递归划分算法在许多原始样本和对比样本上比判别分析更好。

Platt（1990）检验了与产业相关的财务指标营运指标和产出的变化与公司经营失败的关系，结果证明，用产业因素调整后的模型事前和事后的分析效果较佳。

从而证明了在进行财务危机预警研究时，应注意考虑不同行业之间所存在的差异。

Coats和Fant（1991）采用类神经网络构建了破产预测模型。

他们用了47家财务危机公司和47家健康公司来建立并检测模型的预测效果，结果显示：

模型用于预测财务危机公司准确率达91%;

而采用多元判别法的模型预测同样德94家样本企业，多元判别法的预测精度仅为72%。

这从而反映出了类神经网络具有较佳的预测能力。

但由于其缺乏理论架构说明其运作原理，其预测效果并未得到广泛认同，因此应用前景尚不明朗。

Chen和Lee（1993）利用生存分析法（survivalanalysis）研究了二十世纪80年代的石油天然气行业，研究样本包括1980-1988年间的75家企业，结果表明，流动性比率、财务杠杆比率、营业现金流、开采成功率、企业历史和规模对企业能否存活影响巨大。

Lindsay和Campball（1994）应用混沌系统对46对破产公司和非破产公司的配对样本进行分析，指出健康公司比非健康公司显现更多的混沌现象，但是利用该理论构筑的预测模型对23对企业的预测结果的第一类错误和第二类错误分别高达19.51%和12.20%。

这些年来，为了克服单一方法的局限，一些研究人员尝试将统计、金融、经济和社会等领域的各种方法相结合推进相关研究，出现了财务预警的混合模式。

混合模式是指在进行预警分析时，同时采用两种或两种以上的方法建立模型，以实现企业财务危机预警的目的。

建立混合模式的目的是同时采用多种方法，克服各个方法自身的缺陷，取长补短。

对此进行的实证研究表明，混合模型与其中包括的单个方法模型相比，有着更高的准确性。

2001年，英国学者FnegYuLin和SalylMCClena以四种独立的财务预警研究方法（判别分析法、逻辑回归法、神经网络方法及决策树方法）为基础，将这几种方法进行不同的组合，建立了几种混合模式，再对这些方法进行实证分析，验证结果表明在同等条件下，混合模式明显优于单个方法模式。

通过上述对西方财务困境预测模型的分类介绍，得出的基本评价是：

目前财务困境预测模型尽管层出不穷，但主要使用的还是单变量判别模型、多元线性判别模型和多元逻辑回归模型三大类。

其他研究方法虽然也作出了一些有益的尝试，但由于模型开发历史较短，研究不够广泛，模型的稳定性尚有待进一步检验。

1.2.2国内研究现状

我国学者对财务危机预警问题的研究始于二十世纪八十年代末期，国内关于财务危机预警的研究基本以静态分析为主。

最初的研究主要是对国外模型的介绍和评价，直至1994年，以我国企业数据为基础，建立适用于我国国情的预警模型的文章才开始出现。

此后，国内学者开始提出一些预警的指标框架并开始引进国外的研究方法对财务危机预警问题进行实证研究。

陈静在1999年的研究。

此研究以到1998年年底的27家ST公司与同规模、同行业的非ST公司作为研究样本，选取净资产收益率、资产负债率、流动比率及总资产收益率等4个财务比率，进行了单变量分析，研究结果表明：

流动比率和资产负债率在宣布ST前1年的准确率最高，但在宣布前两年、前三年时，总资产收益率的准确率最高。

张爱民在2001年借鉴了Ahmna的多元Z值模型，选用了8个企业财务指标（净资产收益率、总资产利润率、销售利润率、总资产周转率、股东权益比率、流动比率、总资产增长率、资本积累率），选择了40家我国的上市公司为估计样本，用主成分分析法建立了主成分预测模型，并给出了所研究上市公司的PS值范围:

当PS≥0.03时，则该公司近期不可能发生财务危机；

当PS<

0.03时，则该公司近期有可能发生财务危机。

吴世农、卢贤义在2001年以1998-2000年中的70家被ST公司和70家非ST公司作为研究样本。

分别从长短期偿债能力、企业的盈利能力、成长能力、营运能力和企业规模等角度选取了股东权益收益率、盈利能力增长率等21个指标，首先采用了单变量判定分析和剖面分析研究前5年内各年这些公司21个财务指标的差异性。

然后又以Fisher线性判别分析、多元逻辑回归和线性回归分析三种方法应用构建了相应的模型。

研究结果表明：

三种模型都可以在财务危机发生前做出较为准确的判断。

吴超鹏、吴世农在2005年收集我国1998-2003年540家价值损害型上市公司的有关财务变量，并且首次引入公司内外部治理变量，应用“排序因变量模型”分析财务状态变化的影响因素,并采用“人工神经网络技术”,预测价值损害型企业的五种变化趋势:

财务康复、财务转好、财务维持、财务转差或财务困境。

其结果表明：

股票超额收益、公司治理指数和投资者利益保护指数都有助于提高模型的预测能力。

吕长江、周现华在2005年以制造行业上市公司的33个指标样本为基础,分别运用多元判别分析、逻辑线性回归模型和人工神经网络模型对财务状况处于困境的公司进行预测分析并对他们的预测结果加以比较。

吕长江在2008年对上市公司两阶段财务预警进行了研究，在对公司财务行为和风险特征的研究基础上,提出了公司财务状况五分类法,并采取两阶段财务预警的思路,研究了上市公司财务困境和财务破产的前后变化关系,给出了预防、诊断和治疗财务困境、财务破产的不同措施,这对于丰富和发展公司财务理论,规范、指导公司的财务行为,提高上市公司财务运营的质量,指导上市公司财务管理实践,优化市场资源配置,促进证券市场的健康稳定发展具有重要的理论意义和现实意义。

总之，在财务危机预警问题上我国学者作了一些有益的探索并取得了一定的成果，与此同时也存在着一定的问题:

第一对国外的模型不加修正直接采用，没有充分考虑国内外模型适用环境不同;

第二上市公司前一年的财务报告是上市公司是否会被特别处理的主要依据。

而我国的大多数研究都以上市公司发生财务危机前一年的财务报告为数据来源，这样就会降低了所建模型的实用性;

第三“配对抽样”方法可能把象行业和资产规模排除在模型之外，而这些因素很可能是解释破产的重要因素。

同时，配对抽样还夸大了预警模型的判别正确率;

第四我国财务危机预警研究中大都没有涉及现金流量内容，这样就影响一些研究成果的有用性。

本文在进行研究时充分考虑了以上问题并在一定程度上予以改进，极力建立适合我国上市公司的财务危机预警模型。

1.3研究方法与理论框架

1.3.1研究方法

本文主要采取定性分析与模型构建为主的方法，以制造业上市公司财务预警模型的构建为研究目的。

在国内外财务预警理论研究的基础上，试图找出一种改进的财务预警模型，主要采用以下研究方法：

（1）规范分析方法。

这种方法主要用于建立理论分析框架，阐述制造业上市公司财务危机预警的概念和理论基础，建立财务危机预警的指标体系。

（2）统计分析方法。

这种方法应用在资料整理、寻找规律以及数学建模等，应用中要合理确定统计方法的应用条件，有效利用这种方法寻找规律和检验规律。

（3）定性与定量相结合的方法。

在定性方法中，首先采用的是历史分析法。

在文献综述部分，以时间为主线，对历史上相关领域的主要代表人物及其研究成果进行了汇总和归纳，并结合本研究的需要加以评述。

在文中的实证研究部分，在搜集大量的样本数据基础上，综合运用了数学及计算机等知识，最终得出研究结论并加以分析解释。

1.3.2理论框架

研究背景与意义

引言

研究方法理论框架

财务危机的基本概念

财务危机预警研究的理论基础

财务危机预警研究的基本理论

财务危机预警的方法

研究样本选取

研究变量的选择

研究样本及研究变量选取

变量的初选

变量的确定

KMO和Bartlett'

s检验

提取因子

因子分析

财务危机预警模型的构建

因子得分系数

Logistic回归模型的建立

Logistic回归模型的检验

结论与不足

[1]Fitzpatrick,P.J.AComparisonofRatisofSuccessfulIndustrialEnterprisesWithThoseofFailedFirms.CertifiedPublicAccountant.1932,2:

589-737

[2]WilliamH.Beaver.FinancialRatiosAsPredictorsOfFailure.JournalOfAccountRecearrh.1966,4:

71-127

[3]EdwardI.Altman.FinaneialRatios,DiseriminantAnalysisandPredietionofCorPorateBankrupt.JournalofFinanee.September1968,9:

589-606

[4]EdwardI.Altman,RobertG.Haldeman,P.Narayanan.ZetaAnalysis:

ANewModeltoIdentifyBankruptcyRiskofCorporation.JournalofBankingandFinanee.1977,1:

29-54

[5]OhlsonJ.S.FinaneialRatiosAndTheProbabilisticPredietionofBankruptcy.JournalofAccountingReseareh.1980,1:

109-131

[6]Zmijewski,M.E.MethodologicalIssuesRelatedtotheEstimationofFinancialDistressPredietionModels.SupplementtoJournalofAccountingReseareh.1984:

59-82

[7]HalinaFrydman,EdwardI.Altman,Duen-LiKao.IntroducingReeursivePartitioningforFinancialClassification:

TheCaseofFinancialDistress,JournalofFinanee.1985，40

（1）:

269-291

[8]HarlanD.Platt,MarjorieB.Platt,DevelopmentofaClassofStablePredietiveVariables:

TheCaseofBankrupteyPredietion.JournalofBusinessFinance&

Accounting.1990.Spring

[9]PamelaK.CoatsandL.FranklinFant,ANeuralNetworkApproachtoForecastingFinancialDistress.TheJournalofBusinessForecasting.1991-1992.Winter

[10]KevinC.W.Chen,Chi-WenJevonsLee.FinancialRatiosandCorporateEndurance:

ACaseoftheOilandGasIndustry.ContemporaryAccountingReseareh.1993,9

（2）.Spring.

[11]DavidH.Lindsay,AnnhenrieCampbell.AChaosApproachtoBankrupteyPredietion.JournalofAppliedBusinessResareh.1994

[12]FengYuLin.SallyMCClean.AdataminingapproachtothePredietionofcorporatefailure.Knowledge-BasedSystems.2001,14:

189-195

[13]Deakin.E.B.ADiseriminantAnalysisPredictionofBusinessFailure.JournalofAccountingReseareh（Spring）,1972:

167-169

[14]Koh,H.C.ThesensitivityofoptimalcutoffpointstomisclassificationcostsoftypeIandtypeⅡerrorsinthegoing-concernpredictioncontext，JournalofBusinessFinance&

Accounting，1992,19

（2）:

187-97.

[15]Sinkey,J.F.,Jr.Amultivariatestatisticalanalysisofthecharacteristicsofproblembanks,TheJournalofFinance.1975,30

（1）:

21-36

[16]KichinosukeTakahashi,YukiharuKurokawa,CorporateBankrupteyPredictioninJapan.JournalofFlankingandFinanee.1984,6

[17]Joo-HaNam,TaehongJinn.BankrupteyPredietion:

EvidencefromKoreanListedCompaniesduringtheIMFCrisis.JournalofInternationalFinancialManagementandAccounting，2000，11（3）

[1]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）31-38

[2]张爱民，祝春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究.金融研究,2001，（3）10-25

[3]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）46-55

[4]吴超鹏，吴世农.基于价值创造和公司治理的财务状态分析与预测模型研究[J].经济研究，2005（11）：

99-110

[5]吕长江，赵岩.上市公司财务状况分类研究[J].会计研究，2004（11）：

56-61

[6]王克敏，姬美光.基于财务与非财务指标的亏损公司财务预警研究[J]，财经研究，2006（7）：

63-72

[7]吕长江.上市公司两阶段财务预警研究[J]，审计与经济研究，2008（3）：

111

[8]陈燕，张海军.上市公司财务预警模型的研究[J]，财经问题研究，2007（6）：

92-97

[9]宋鹏，张信东.基于Logistic模型的公司财务危机预警研究[J].经济问题，2009（8）：

50-52

[10]吕长江，周现华.上市公司财务困境预测方法的比较研究[J].吉林大学社会科学学报，2005（11）：

99-109

[11]赖娟，肖珉，周宗放.基于因子分析和Logistic回归模型的我国集团上市公司财务危机预测实证研究[A].第四届（2009）中国管理学年会——金融分会场论文集[C],2009.

[12]吕长江.上市公司财务困境与财务破产的比较分析[J].经济研究，2004（8）.

[13]赵桂芹，周晶晗.我国产险公司财务恶化预警——基于Logistic模型[J].经济管理，2007（13）:

13-20.

[14]赵景.企业财务预警模型实证研究.现代金融，2008（4）

[15]赵桂芹，周晶晗.我国产险公司财务恶化预警.经济管理，2007（13）

[16]薛业飞.上市公司财务危机预警研究.上海金融，2006（12）

[17]韩臻聪，于丽萍.上市公司财务危机成因分析[J].经济论坛，2005（19）:

120-123

[18]周娟，王丽