第一章 绪论
1.1 研究背景
我国证券市场经过二十几年的迅猛发展，上市公司数量逐年增多，市场规模也不断扩大，在国民经济中占有重要的地位。上市公司是证券市场的基石，其发展状况的好坏——尤其是其财务状况和其行为是否规范影响着整个证券市场的稳定。上市公司经营失败，即发生财务危机后，将面临特别处理和退市，这都对国民经济造成严重影响。其一，上市公司经营失败使投资者面临巨大威胁，经营失败使他们转瞬间倾家荡产，赔的血本无归。而这些上市公司内部的员工因为企业的财务困境而面临失业的风险，大量的失业威胁着国民的生活质量及社会安定。其二，从大的方面讲，企业发生财务困境会严重影响国家的税收、金融体系的稳定和国民经济的发展。综上所述，财务困境涉及到了国民经济的发展、金融体系的稳定、社会安定等大问题，不仅企业的管理者关心，公司的雇员、相关政府都非常关注。因此，在企业发生财务危机之前的一定时间内能够有效监督及预测企业财务状况尤为重要，这也已经成为理论界和务实界广泛关注的问题，引起公司、政府、各界学者的广泛重视。企业发生财务困境是一个渐进的过程，是一个从质变到量变的过程，是由财务状况正常到逐步恶化，最后导致财务困境发生或企业破产。
企业经营失败或是发生财务困境是有征兆的，因此企业财务困境是可以预测的。多年来，大量的企业及学者，投入了大量的资金和精力来研究企业财务困境，对其进行预测，以求挽救企业于危机之中，来促进经济发展、稳定金融体系、巩固社会安定。在几十年的研究中，国内外学者取得了巨大的成绩，提出了多种预测模型和预测工具，如单变量模型、多变量判别分析模型、Logistic 回归模型、Probit 回归模型、神经网络模型、支持向量机等。本文在以上研究的基础之上，寻求一种适合我国上市公司的通用的预警方法来预测我国上市公司在一年后是否发生财务困境。
1.2 文献综述
企业财务困境预测理论最早起源于二十世纪三十年代的西方经济学界的学者，他们陆续对企业财务问题进行研究。而国内对财务困境问题的研究起步较晚，且与国外存在较大差距，其原因较为复杂。经过国内外学者多年的潜心研究，目前为止，已研究出了许多较为成熟的理论、方法和工具来解释和预测企业财务困境。财务困境的预测理论和方法大致分为两类，一是定性预警研究方法，二是定量预警研究方法。定性预警研究方法始于企业财务困境研究早期，如德尔菲法（又名专家调查法） “四阶段症状”分析法、管理评分法等。定量预警研究方法又分为统计学分析方法和非统计学分析方法，统计学分析方法如单变量分析、多变量判别模型、Logistic 回归等，非统计学分析方法如数据挖掘算法、递归划分算法、神经网络模型、遗传算法、支持向量机、决策树等。
本文主要研究定量预警研究方法。国际上财务困境理论与实证研究较为成熟的理论有：单变量模型、多变量判别分析模型、Logistic 回归模型、Probit 回归模型、神经网络模型等。国内对以上模型也做出了较为深入的研究。William Beaver(1966)选取了 29 个财务比率指标，利用简单的统计学的方法建立单变量财务预警模型，来分析所选指标在企业陷入财务困境的前 1 到 5 年内的预测能力，结果发现债务保障率（即现金流量/债务总额）在前一年的预测准确率可以达到 87%。Edward.I. Altman（1968）[6]将多元线性判别方法引入财务危机预警领域，利用数理统计的方法，选取 5 个财务比率指标（即 营运资本 /总资产、 累计留存收益 /总资产、息税前利润 /总资产、股票市值/总债务账面价值、销售收入/总资产），作为预警系统的输入变量，形成财务危机预警多元判别分析模型。Ohlson(1980)[7]将多元逻辑回归分析方法用于财务预测分析上，选取资产负债率、总资产净利润、流动负债/流动资产等 9 个指标建立了 Logistic 模型，得到企业的财务结构、企业的规模、经营绩效、流动性这 4 个因素可以解释企业的财务危机。Odom 和Sharda(1993)[8]引入神经网络分析方法建立神经网络财务危机预测模型，并同多元判别分析方法进行了比较研究，实证表明运用神经网络建立的财务危机预测模型优于多元判别分析方法，具有较高的预测准确性。国内对以上理论也做了比较深入的研究。吴世农、黄世忠(1986)[9]介绍了企业破产的相关财务分析和所运用财务预警模型。陈静(1999)[10]选取到 1998 年的 54 家上市公司的年报财务数据作为样本数据，分别运用单变量分析和二类线性判别分析方法进行比较分析，结果发现在总资产收益率、资产负债比率、流动比率、净资产收益率四个指标中流动比率及资产负债比率的判别错误率比较低。吴世农、卢贤义[11](2001)分别建立了Logistic 回归模型、Fisher 线性判别模型、线性概率模型对上市公司的财务数据进行比较分析，结构表明 Logistic 回归模型的分析结果较好，预测准确度高。
第二章 财务困境概述及财务困境预警基本模型
2.1 财务困境的定义
财务困境(Financial Distress)又称为财务危机( Financial Crisis)，最为严重的财务困境就是破产(Bankruptcy)。企业走向财务困境是一个连续的渐进的过程，从财务状况良好逐渐走向财务困境，很多专家认为不能够找到一个明确的点将公司财务状况划分为财务困境和非财务困境。正因为如此，国内外专家学者对财务困境有多种不同的定义方法，目前为止，对财务困境定义仍然没有形成一个统一的标准。国外对财务困境的界定研究较早，具有代表性的有：1968 年 Altman 提出公司在破产前需经历三个阶段：失败阶段、无力偿还债务阶段和破产阶段。而在这三个阶段中，失败阶段是企业出现财务危机的开始，而无力偿还债务阶段表明公司己陷入财务危机状态。1972 年 Carmichae 将企业财务困境界定为企业履行义务时受阻，表现为四种形式：动性不足；权益不足；债务拖欠；资金不足。1997年 Morris 提出了 12 条企业陷入财务困境的标志，其严重程度逐次递减：（l）债权人申请破产清算，企业自愿申请破产清算，或者被指定接收者完全接收；（2）公司股票在交易所被停止交易；（3）针对持续经营，会计师出具了保留意见；（4）与债权人发生债务重组；（5）债权人寻求资产保全；（6）违反债券契约，公司债券评级或信用评级下降，或发生了针对公司财产或董事的诉讼；（7）公司进行重组；（8）重新指定董事，或者公司聘请公司诊断师对企业进行诊断；（9）被接管（当然不是所有被接管都预示企业陷入财务困境）；（10）公司关闭或出售其部分产业；（11）减少或未能分配股利，或者对外报告损失；（12）公司股票的相对市场价格出现下降。2000 年 Ross 等人则从四个角度定义企业的财务困境：（一）企业失败，即企业清算后仍无力支付债权人的债务；（二）法定破产，即企业和债权人向法院申请企业破产；（三）技术破产，即企业无法按期履行债务合同；（四）会计破产，即企业的账面净资产为负，资不抵债。
第三章 时段基因模式研究方法....................... 19-24
3.1 模式原理....................... 19-20
3.2 时段基因模式....................... 20-21
3.3 时段基因模式的数据转换方法....................... 21-22
3.4 时段基因模式图....................... 22-24
第四章 财务预警指标体系和样本数据....................... 24-35
4.1 财务预警指标体系概述....................... 24-29
4.2 指标选取原则 .......................29-30
4.3 选取指标的清单 .......................30-33
4.4 样本及数据的确定....................... 33-35
第五章 时段基因模式研究方法实证....................... 35-52
5.1 时段基因模式数据编码的生成 .......................35-37
5.2 研究方法....................... 37-38
5.3 实证数据....................... 38-43
5.4 单指标时段基因模式分析 .......................43-47
5.5 多指标时段基因组合模式分析 .......................47-52
结论
财务困境是现代企业所面临的严重问题，得到社会各界的广泛重视。其预警研究更是备受关注，企业、政府、各界学者都投入了大量的资金和时间进行研究，并取得了丰硕的成果。本文借鉴前人研究成果的基础上，提出了时段基因模式研究方法，研究财务困境预警问题。该方法将连续的财务数据按着一定的转换规则转化为离散数据，并使数据信息不丢失，保持数据的隐含特征。本文参照以往研究，选取了尽可能多的财务指标，其中包括财务比率指标和非财务比率指标，组建了财务困境预警指标体系进行研究。本文采用了比较法，将财务指标每年的增减趋势表达为时段基因模式的形式，并设计指标时段基因模式图，更加清晰地表达财务指标随时间变化的趋势。运用简单的统计学方法统计各指标模式及其组合模式的百分比和预测准确率。经过实证研究，该方法选取的模式预测准确度可达到 95%，表明该研究方式能够较好的表示财务指标的时间序列变化趋势的特征，能够提取显著的基因模式进行财务预测。其方法简便，具有普遍应用性和使用价值。#p#分页标题#e#
本文创新之处在于：引入遗传算法中的模式原理，提出了时段基因模式的概念，将多时段财务指标的特征以基因模式的方式表示；设计了指标时段基因图，可以将指标的时段变化趋势以时段基因图的形式表示；在实证中，提取了具有代表性预测准确度较高的基因组合模式。本文优点在于：本文建立的财务预警指标体系选取了尽可能财务指标，包含了企业财务状况的方方面面；以我国经营持久的上市公司为研究样本，且样本选取时不分行业、不分规模，该方法筛选出来的时段基因模式具有广泛的适用性；该研究方法简单，易于使用，有利于简化数据信息，具有普遍应用性和使用价值。本文不足之处在于：虽然本文尽可能多的、尽可能全面的选取财务指标，但是并未包含所有财务指标，且本文只包含财务指标，而不包含非财务指标，有时非财务指标对于企业财务状况具有很强指示作用；本文选取样本不考虑其行业及规模，虽然这样使筛选的时段基因模式具有广泛的适用性，但是也增大了其判断的错误率；本文采用的是比较法，将财务指标按增减性进行二分类，但有些财务指标可能并不适合按着财务指标增减性进行二分类，而适合于按着其他方法进行三分类、四分类等；本文在时段基因模式筛选时只用了简单的统计学方法。
参考文献
[1] Dallkey N.，The delphi method：an experimental study of group opinion．RANDMemorandum，California，1964
[2] Zadeh L.，The concept of a linguistic variable and its application to approximatereasoning．Informationsciences，1975，8：338-353
[3] 周首华，现代企业财务理论前沿专题，大连：东北财经大学出版社，2000
[4] 高民杰，袁兴林，企业危机预警，北京：中国经济出版社，2003
[5] Beaver W H．Financial ratios as predictors of failure．Empirical research inaccounting: Selected studies [J]．Journal ofAccounting Research，1966(3)：71-11
[6] Altman E I．Financial ratios,discriminant analysis and the/cwglxnlw/ prediction of corporatebankruptcy [J]．The Journal of Finance，1968，23：589-609
[7] Ohlson J A．Financial ratios and the probabilistic prediction of bankruptcy[J]．Journal ofAccounting Research，1980，18：109-131
[8] M．Odom，R．Sharda．A Neural Network Model for Bankruptcy Prediction，in：R．R．Trippi and E．Turban，Eds．，Neural Networks in Finance and Investing，Probus Publishing Company，Chicago，1993
[9] 吴世农，黄世忠企，业破产的分析指标和预测模型[J]，中国经济问题，1986(6)：15-22
[10]陈静，上市公司财务恶化预测的实证分析[J]，会计研究，1999(4)：32-39
