第1章绪 论
1.1 研究背景及意义
随着经济的飞速发展，为数众多的具有增长潜力的中小企业如雨后春笋般出现在市场上。这些企业由于规模等限制，无法达到上市标准，因此融资困难，这严重阻碍了它们的发展。为支持这些具有发展潜力的企业发展壮大，进一步刺激宏观经济的增长，创业板市场应运而生。相对于主板市场，创业板市场准入门槛相对较低，这就为上述中小企业提供了融资渠道，但随着创业板正式启动，其高风险性已经引起广泛关注。美国纳斯达克作为全球范围内唯一一家从创业板发展起来的交易市场，其退市率一直是金融界关注的焦点，居高不下的退市率也引发了相关专家、学者对于创业板风险性的思考与讨论。
相关资料显示，在 1995~2007年 13 年的时间内，在纳斯达克上市的公司数量出现了负增长，从中退市的公司数量超过了同期上市公司的数量。1999~2001 年间，从数量上看，纳斯达克退市公司数量将近占全美退市公司总数的近四成左右。从我国创业板市场这几年的实际运行情况来看，市场风险已经显现。从 2010年中报来看，创业板中105家企业共实现营业收入182.30亿元，同比增长27.08%；净利润合计 30.45 亿元，同比增长 25.7%。而同时间的 1044 家主板和 392 家中小板上市公司净利润整体增幅分别为 47.8%和 43.0%。从数量上不难看出，虽然从理论上来讲，创业板上市公司较主板市场上市公司而言，应具有高成长性，但其净利润整体增长幅度已落后于主板市场上市公司。并且，创业板上市公司净利润中有相当部分来自于超募资金的利息，除去这一块，利润率还要大打折扣。虽然由于运行时间短，创业板目前还没有出现退市企业，但持续恶化的财务状况，必将给创业板企业和投资者酿成大祸。因此，本论文对创业板最大的一个行业制造行业进行研究，通过建立创业板制造行业财务危机预警模型，对创业板制造行业整体财务风险状况进行研究，具有重要价值。
1.1.2 研究意义
本文充分借鉴国内外专家学者对上市公司财务危机预警研究的理论和实践经验，采用定量研究，借鉴 Z 模型分析思路并结合主成分分析方法，通过从 A股市场选择 120 家与创业板相近企业为样本，选择了一组影响较大的财务比率为变量，并添加非财务指标变量以提高模型识别率，建立了创业板制造行业财务危机预测模型；并使用该模型对截至 2010 年底创业板制造行业 102 家企业进行财务风险分析，给出创业板制造行业整体风险状况。研究结果可供广大创业板投资人在投资决策时参考，以规避投资风险。并且制造行业作为创业板上目前最大的行业类别，本文对创业板制造行业上市公司财务风险研究方法，可以为整个创业板上市公司财务风险研究提供借鉴。
1.2 文献综述
1.2.1 财务危机定义和成因的国内外研究现状
广义的财务危机概念是指企业由于营销、决策或不可抗力等因素的影响而使经营循环和财务循环无法正常持续或陷入停滞的状态。但财务危机的具体的内涵意义，国内外学者从各个角度又给出了不同的定义。国外学者 W.H.Beaver[1]将财务危机定义为企业破产、拖欠优先股股利和拖欠债务。Altman[2]指出进入法定破产程序的企业即出现财务危机状况。Deakin[3]认为破产之后，没有能力偿还已有债务，或是没有能力清算债权人的相关利益的公司为财务危机企业。George Foster[4]将财务困境定义为，公司资产折现问题严重，公司现有状况根本无力解决上述问题，只有通过被动的转变才能应对上述危机。Ross，Westerfield 和 Jaffe[5]认为在衡量财务危机时，可以借鉴存量和流量的概念，存量破产和流量破产都将导致企业财务危机的发生。当企业负债大于资产时，将会引发存量破产；而现金流量的不足，导致企业无力偿还到期债务，那么企业将出现流量破产。Coats 和 Fant[6]认为，当对于公司审计报告注册会计师持保留意见时，该公司财务运营不畅，已出现财务危机。国内学者的研究中，李秉成[7]认为企业只要发生以下 3 种事项之一，就可以认定企业发生财务危机：出现了严重的亏损，严重缺乏现金流量；不能支付优先股股利，无偿债能力，资不抵债；破产。刘红霞[8]等认为财务危机有三层涵义，企业资产总额超过负债总额，但资产配置不合理，流动资产比例较小，现金流量小，资产很难变现；过去两个会计进度中，公司净利润为负值，并且上一个会计年度股东收益小于企业注册资本；企业负债总额高于企业资本的承载能力，公司进入重组。吕长江等[9]将企业财务状态分成闲置、充盈、均衡、困境和破产 5 种类型；若在债务到期时，企业难以偿还，该企业则陷入了财务困境的状态。
第2章企业财务危机预警理论研究
2.1 企业财务危机的界定
财务危机是财务风险累积到一定程度以后的产物，但是财务危机并不等同于破产，广义的财务危机概念是指企业由于营销、决策或不可抗力等因素的影响而使经营循环和财务循环无法正常持续或陷入停滞的状态。其狭义的概念，应以“持续经营”为基础要件，即该企业在市场化的环境下，能否依靠自身能力继续推动正常的经营及财务循环，这样使得我们的观察范围不仅仅局限于企业生命周期终结的极端情况，放宽了财务危机预警期，而且这一内涵意义的扩展，具体到我们对财务危机的研究中，一方面可以扩大相关研究成果的应用范围，另一方面对于财务危机预警方面的研究来说，解决了样本的选择问题。因此，在“持续经营”要件的基础我们对财务危机所作出的界定为“企业盈利能力遭受实质性削弱，并伴随持续亏损状态”。主板市场中，ST 公司符合这一概念的界定，所以，无论是在多元判别模型中还是在逻辑回归模型中，都将 ST 公司作为财务危机公司样本进行研究，这也是本文界定财务危机样本的的依据。
第3章 创业板制造行业现状分析................ 30-36
3.1 创业板市场特点 ................30-31
3.2 创业板制造行业现状分析................ 31-34
3.3 本章小结 ................34-36
第4章 我国创业板制造行业财务危................ 36-56
4.1 财务危机预警模型的构造思路................ 36-38
4.2 数据来源和样本的选择................ 38-40
4.2.1 数据来源及分析................38
4.2.2 样本选择标准及程序 ................38-40
4.3 财务危机预警指标体系构建................ 40-41
4.3.1 财务指标体系构建 ................40-41
4.3.2 非财务指标体系构建 ................41
4.4 财务指标主成分处理 ................41-48
4.5 临界值选择 ................48-50
4.6 构造预测函数模型 ................50-51
4.7 财务危机预警模型有效性检验 ................51-53
4.8 模型推广性检验 ................53-54
4.9 本章小结 ................54-56
第5章 创业板制造行业财务危机风险状况................ 56-68
5.1 创业板制造行业企业财务风险判别值计算................ 56-59
5.1.1 企业数据确定 ................56
5.1.2 创业板制造行业风险判别值计算 ................56-59
5.2 创业板制造行业财务危机风险状况分析................59-65
5.3 本章小结................ 65-68
结论
（1）以 9 个财务比率和 1 个非财务比率经过主成分法得出的 6 个主成分组建模型，并按错判率最小及谨慎性原则选择出判别的临界值点。分别为 0.175 和-0.026，企业分值大于 0.175 时，企业运行在绿灯区；而企业分值小于-0.026 时，企业运行在红灯区；当企业分值介于 0.175 和-0.026 之间时，企业运行在黄灯区。
（2）运用模型对创业板制造行业 102 家企业进行分析，得出创业板制造行业整体企业财务状况，有 30 家企业财务状况良好，运行在财务绿灯区，1 年后财务状况良好；有 46 家企业运行在财务红灯区，1 年后财务风险大；有 26 家企业运行在黄灯区，1 年后的企业财务状况需要给予关注。根据主成分统计分析，结合主成分经济意义解释，得出结论，创业板制造行业财务风险产生的主要原因是企业是偿债能力、经营能力、财务能力、成长能力变差造成的。
（3）引入专业机构的评价意见作为参照，对 46 家模型判别为财务风险高的企业近一年的市场表现进行了总结分析，46 家企业的市场表现与模型预测基本吻合，进一步验证了模型的预测的有效性。
[1] Beaver.W.H.Financial Ratios as Predictors of Failure[J].Journal of AccountingResearch(Supplement),1966:71-111.
[2] Altman E I. /cwgllw/ Financial Ratios Discriminant Analysis and Prediction of Corporate Bankruptcy[J].Journal of Finance,1968(9):589-609
[3] Deakin E B.A Discriminate Analysis of Prediction of Business Failure,Journal of AccountingResearch,1972 (3):167-169
[4] George Foster．Financial Statement Analysis[M]．Pearson Education，2007
[5] Ross，Westerfield，Jaffe．Corporate Finance[M]．McGrew-Hill，2002
[6] Coats P K.,Fant L F.Recognizing financial distress patterns using a neural network tool,Financial Management,1993,(11):142-155.
[7] 李秉成．企业财务困境研究[M]．中国财政经济出版社，2004.
[8] 刘红霞，张心林.以主成分分析法构建企业财务危机预警模型[J].中央财经大学学报，2004(4): 70-75.
[9] 吕长江，徐丽莉，周琳.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):64-73.
[10] 张玲.财务危机预警分析判别模型[J].数量经济技术经济研究，2000，17(3): 49-51.
