中小板企业财务预警分析开题报告

1. 研究目的与意义

良好的财务状况是企业赖以生存和发展的基础,财务风险管理是企业风险管理的一个重要环节。 近年来,受制于全球低迷的经济形势,因陷入财务困境而导致的企业兼并、破产等事件频繁发生,财务困境预警因而再次成为当前业界和学界关注的热点。目前,理论界在进行财务困境预警研究时大部分仍采用诸如利润等财务指标,但实际中这些指标容易被一些高管操控,使得它们并不能有效地反映企业的实际财务状况。相比之下,现金流指标具有不易被操控的特点,特别是该项指标所蕴含的现金流风险状况直接反映了企业债务的偿还能力,因而以其作为预警变量可望使得企业财务困境预警效果更具真实性和准确性。

中小企业在我国经济发展中处于举足轻重的地位, 在扩大就业、活跃市场、收入分配、社会稳定和国民经济结构布局等方面已成为我国市场经济建设的主力军。据统计, 中小企业占我国企业总数的99%以上,创造的产品和服务的价值占GDP的50%以上, 提供的就业机会占70%以上。中小企业已由我国国民经济的“有益补充”和“拾遗补缺”地位, 提升到不可或缺的组成部分和国民经济重要支柱的新高度。在我国,中小型创新企业对经济发展发挥着重要作用。目前,我国中小型创新企业具有数量多、分布广的特点,生产线规模小,创新技术有限,但经营方式多样化,负债水平较高。现如今全球经济逐步走向一体化,对风险抵御能力较弱的中小型创新企业的财务风险预警机制的有效性和可行性提出了更高标准,中小型创新企业在激烈的市场竞争中压力剧增。此外,企业内部财务风险管控能力不足、管理层治理结构不完善、资本运营结构不健全、资金投融方式不恰当和创新技术不独特等问题进一步加剧了中小型创新企业在市场上生存并发展下去的难度,需要企业及时实施相应的防治措施。因此，根据中小企业的具体特征建立财务风险预警模型已成为刻不容缓之事。

2. 研究内容和预期目标

本文在国内外研究成果的基础上,进一步搜集财务危机企业和非财务危机企业的财务数据,通过检验主成分指标,构建主成分预警模型,得出该模型判别结果准确率不高的结论,进而构建Logistic回归财务风险预警模型,并进一步研究主要的影响因素。通过检验预测组发现,本文所构建的Logistic回归预警模型能够及时识别财务风险和财务危机的征兆,可以为中小型创新企业财务风险预警提供参考。

研究方法：本文拟选取企业规模、财务结构相似相近，而经营领域不同的30家中小型企业作为分析对象（分为“ST”与“非ST”两组），利用主成分分析和构建logistic回归模型对样本组和对照组2014-2018年度的财务数据进行分析，分别建立财务风险预警模型。同时本文从企业偿债能力、成长能力、现金流量能力、营业能力、盈利能力等方面进行分析，从5个方面共选取21个指标，并据此划分企业的财务风险层次，作为解释变量，对于解释变量通过因子分析降维，减少变量个数，建立logistic回归模型。以上变量处理与统计模型建立所用工具为SPSS 19.0与EXCEL 2016，所有数据均取自企业年报。

3. 国内外研究现状

国内研究现状：我国学者建立的财务风险预警模型主要是以传统的财务指标为基础、以财务比率分析为主体的单变量预警模型,在研究过程中,多将财务比率和各种统计方法结合为多变量预警模型,使用非统计类方法建立财务风险预测模型。周首华（1996）在z-score模型的基础上，增加了现金流量指标，进行大量样本采集，提出了f分数模型。判别的5个变量分别为：营运资本/资产总计、留存收益/资产总计、息税前利润/资产总计、总市值/负债合计、（税后净利润 利息 折旧）/平均总资产。其优势在于引进现金流量指标，缺陷在于没有考虑到不同行业间指标的差异。

吴世农，卢贤义（2001）选取70家st公司作为财务危机公司和70家非st公司作为配对研究样本，选择剖面分析、单变量判定分析、多元线性判定模型变量分析、logistic回归分析多种方法进行实证研究，筛选出16个财务指标在公司陷入财务困境前1～2年中具有判定和预测效果。相比之下，logistic回归分析误判率最低，财务困境发生前一年误判率仅为6.74%。杨淑娥（2005）采用bp人工神经网络工具对企业财务预警方法精度进行比较研究。选取120家上市公司财务数据作为建模样本，同期60家公司作为检测样本构建预警模型。从偿债能力、盈利能力、资产管理能力、主营业务鲜明度等方面筛选10出个财务指标作为建模的原始变量，判别正确率高达90%。其优点在于数据呈非线性变化和不全的情况下仍可得到较满意结果，适用范围更广。邸红娜（2006）选取2002-2005年制造业上市公司为研究对象，运用t检验选出了12个判别能力较显著的财务指标，对bp神经网络进行完善，预警模型准确率达92.5%，预测判别准确率高。俄召娣，陈红（2009）以我国沪深两市高新技术企业财务数据作为样本，从财务预警角度出发，在z模型的基础上，增添引入“因素模糊评价法”和专家评分法，构建适用于高新企业财务预警判别的模型。毛天棋（2018）以计算机、通信企业为样本，从经营、投资和筹资三个维度选取财务风险三维预警指标，构建、合成三维预警指数，构建财务预警定位模型。邓旭东，张瑜，徐文平（2019）从完整的现金流指标体系出发，对财务危机样本进行重新定义，研究2002-2017年沪深两市a股房地产行业上市公司，运用logistic回归构建财务预警模型。模型对危机企业预测准确率达96.8%，总体预测正确率为87.1%

国外研究现状：

最早用统计方法进行财务危机预测研究的是fitzpatrikc (1932) 开展的单变量破产预测研究。fitzpatrikc发现, 在财务危机预测研究中净利润/股东权益和股东权益/负债这两个比率的判别能力是最高的。

4. 计划与进度安排

2022年11月12日—2022年12月20日，阅读资料，写出论文开题报告。

2022年12月21日—2022年1月10日，阅读大量资料并写出论文大纲。

2022年3月1日—2022年4月20日，根据大纲进行调研，搜集资料，写出论文初稿。

5. 参考文献

1]周哲恺.引入“z记分法”下的我国中小板企业融资风险预警——基于logistic模型的实证研究[j].金融理论探索,2019(04):30-42.

[2]孟巧,范国帅,王胜男,牟必燕,张靖,周凯朋.基于动态主元的logistic模型在中小型创新企业财务风险预警中的应用[j].商业会计,2019(17):77-81.

[3]王庆华,杨杏.基于多分类logistic回归模型的企业财务风险影响因素探析[j].财会月刊,2015(18):64-68.