创业板上市公司财务风险预警研究[开题报告]

创业板上市公司财务风险预警研究[开题] 毕业论文,设计,开题报告 题 目: 创业板上市公司财务风险预警研究 一、选题的背景、意义 (一)背景 改革开放30多年来，我国的私营、民营经济从无到有、从小到大、发展迅速。目前，我国民营经济已进入快速发展的阶段，对国家经济的持续、协调发展起着愈来愈明显的作用，民营企业己成为现阶段我国最具竞争力的经济力量，是人们普遍认同的中国经济发展动力之源，加快民营企业经济发展已日益成为全社会的共识。但是，由于民营企业自身的经营规模和管理引起的不利因素，同时，由于民营企业发展的不确定性，更无法满足主板市场的上市要求在资本市场融资。融资的困难已成为制约我国民营企业发展的最大障碍，进而阻碍了我国民营企业的发展。进入21世纪的中国，在证券市场上最引人注目的事件莫过于创业板的设立和运营。创业板设立的初衷，是鼓励和扶持创业企业的发展，但是创业板市场上存在的不仅是机会，也存在很大的风险。作为创业板市场上市主体之一的民营企业，因为目前的融资障碍，对创业板市场表现出异乎寻常的热情，竞相提出上市申请。而创业板由于其本身的特殊性又将使上市企业面临较主板市场更高的风险。我国证券市场仍处于初级阶段，创业板对盈利要求、营业、活跃业务、最低市值的要求均低于主板市场，市场机制的不完善、监管理念和监管方式的落后，以及上市公司质量欠佳等各方面的不足决定了我国创业板市场必将面临较大的财务风险。而企业财务风险预警系统，作为一个行之有效的诊断工具能发现问题并告知企业经营者，使之防范与解决问题，回避财务风险。在这里我们就是要把财务风险预警模型应用到创业板公司上，使之规避风险，防范危机。 (二)意义 建立创业板市场在中国资本市场具有革命意义的变革。一个着眼于创新的创业板市场的建立，对于构建完善的资本市场、解决民企融资、为风险投资提供有效退出渠道等方面，将起到不可或缺的作用，但较之其他企业而言，创业板面临着更大的财务危机与风险。很多企业对于财务风险的认识还不足，财务风险防范意识较低，没有认识到财务风险的影响，因此对于企业财务风险预警与防范的关注度较低。但国外的理论研究与实际经验表明，财务风险不容忽视，而建立财务风险预警系统是企业防范财务风险的重要途径。 目前，企业财务风险预警的研究尚处于探索阶段，理论体系和方法体系都有待发展和完善。随着财务风险预警理论研究的不断深入和财务风险预警分析方法的不断科学化，企业在财务管理中必将越来越关注对财务风险预警系统的运用，而越来越多的企业对这一领域的尝试和探索又必将推进财务风险预警理论的完善。财务风险预警理论和实际应用相互促进、协调发展，必将推动企业管理的进一步发展，从而增强我国企业参与竞争和应对挑战的能力。 本文正是试图从上市公司的立场，对其进行在创业板市场上市的风险的研究。建立财务预警模型来研究创业板，使其能够预防财务危机，让创业板市场在今后朝着更加，健康的方向发展。在严格监管的前提下，为更多的高科技、创新性、成长性企业提供上市机会和融资服务。 二、相关研究的最新成果及动态 (一)国外关于财务风险预警的研究 国外对于财务风险预警的研究开始于20世纪30年代，其研究主要集中在财务预警模型的构建上。如今这些研究成果已经比较成熟，并且在实际中得到广泛应用。 1、一元判定模型的研究 最早用统计的方法进行财务预警研究的当属Fitzpatrick(1932)进行的单变量研究，他以19家公司为样本，运用单个财务比率将样本划分为破产和非破产两组进行研究，自此开创了财务危机预警实证研究的先河。之后美国芝加哥大学教授William Beaver(1966)进行了较为成熟的单变量预警研究，他以1954-1964年间79家经营失败公司和相同数量的正常公司为例，检验了反映不同财务能力的6组30个变量在公司破产前1-5年的预测能力，结果发现现金流量,总负债预测的准确率最高，其次是资产负债率，并且离经营失败日越近，预见性就越强。单变量模型虽然比较简单，但也存在很多问题。 2、多元线性判定模型的研究 美国学者Edward Altman(1968)首先将多元线性判别法引入财务风险危机预警研究领域，根据行业和资产规模，他选择了33家破产公司和33家非破产公司作为研究样本，确定了5个变量作为判别变量，构建了Z模型，通过对模型的检验表现出了较高的预测能力。此后，多变量分析方法被广泛采用。 3、多元逻辑回归模型 Ohlson(1980) 第一个将逻辑回归方法引人财务危机预警领域，他选择了 1970-1976年间破产的105家公司和2058家非破产公司组成的配对样本，发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12,。逻辑回归分析方法使财务预警得到了重大改进，克服了传统判别分析中的许多问题。 4、多元概率化回归模型 Ohlson(1980)采用概率化回归方法进行财务预警研究，采用极大似然法，通过每个样本个体的破产与非破产的联合概率最大来构造模型，其研究思路与多元逻辑回归相似，不同之处是多元概率化假设样本服从正态分布，且寻求破产概率的方法不同，所以其缺陷类似于多元逻辑方法。 5、人工神经模型 Coats和Fant(1993)将人工神经网络模型运用于财务风险预警研究。他们以47家破产公司和非破产公司为样本，运用神经网络模型进行判别，发现该模型的准确率达到91,，明显高于其他判别方法。该模型没有严格的假设条件，具有很强的容错性和学习、纠错能力，因此应用较广。但由于神经网络系统在工作时具有很强的随机性，因此要想得到一个较好的神经网络结构，需要反复地去进行调试，非常耗费人力和时间，使其应用受到了一定的限制。 Takeshi Jingu (2009)在文中提到了中国创业板的重要作用，更表示在创业板市场建立财务风险预警模型是当务之急，而Scott(2010)也表明了要建立适合的财务风险预警模型。 (二)国内关于财务风险预警的研究 我国关于财务风险预警的研究相对于国外来说起步较晚，吴世农等人(1986)在《中国经济问题》发表了一篇文章，首次在我国介绍了企业财务风险预警模型。之后我国学者才真正的开始对财务风险预警的研究，并且也取得了一定的成绩。 1、单变量模型 在单变量模型研究方面，陈静(1999)以沪、深两市27家ST公司1995-1997年财务数据为样本进行单变量预警研究，结果表明资产负债率、流动比率、总资产收益率、营运资本比率对企业财务失败反映较为敏感。 2、多变量模型 在多变量研究方面，周首华等(1996)借鉴Altman的研究成果，在Z模型的基础上引入现金流量指标，选用1977-1990年的62家公司，另外配对的3l家非破产公司， 建立了F分数模型，其准确率高达70,，但他们的研究对象不是中国的证券市场。卫建国、唐红(2002)通过Z模型在上市公司的实证研究发现Z模型在我国上市公司财务困境预测中具有一定适用性，但其临界值不能生搬硬套原模型的数据，需要根据我国的实际情况进行修正，而且不同行业其临界值有所不同。 3、多元逻辑回归模型 陈晓红(2007)运用多元逻辑回归模型，采用一系列财务比率变量来预测公司出现各种危机的概率，然后根据银行、投资者的风险偏好程度设定风险警戒线，以此来分析对象的警度。通过单变量组间均值相等检验选出6个显著性变量，并进行相关性分析，应用卡方检测对模型系数进行综合检验。 4、人工神经网络模型 在人工神经网络模型研究方面，黄小原，肖四汉(1995)提出了神经网络预警系统的构建。杨保安，季海(2001)探讨了人工神经网络在商业银行信贷风险预期中的应用，发现该模型比其他的预警模型判别意义更加清晰，特征抽取符合实际，是一种很好的方法和工具。乔卓(2002)等人通过前馈神经网络预测模型的实证研究，发现提前两年和提前3年神经网络模型的预测精度明显高于Logit模型和Fisher判别分析模型，在对ST公司和非ST公司的预测上神经网络模型也较两种统计模型有一定的优越性，可以作为证券投资者和分析人员使用的一种有效的财务困境预测工具。 5、功效系数法 顾小安(2000)运用功效系数法建立了企业的长期财务预警系统，但他没有对此系统进行实证分析，因此，该方法的有效性无从验证。而后陈晶璞，李鹏雁(2002)以耀华玻璃股份有限公司的财务资料为样本，以反映企业偿债能力、盈利能力、营运能力及成长能力等四个方面的10个财务指标通过层次分析法确定指标权重，对公司采用功效系数法构建企业财务风险预警系统,从而判定了功效系数法的有效性。 通过对国内外财务预警研究现状的分析，可以发现在该领域的研究还存在以下的问题: (1)我国有关创业板财务风险预警系统研究的文献较少，尤其是要结合我国当下背景进行相关分析，多是借鉴国外的研究理论。 (2)仅仅是对其企业内部财务风险控制方面存在的问题进行了分析，并提出改善建议，缺乏对引起的财务风险外在原因的深入分析，如企业怎样应对我国创业板市场的不规范，也是在本文中财务预警系统研究方面提出的一个探讨的课题。 三、课题的研究内容及拟采取的研究方法,技术路线,、研究难点及预期达到的目标 (一)课题的研究内容: 1、财务风险涵义及影响因素。本部分主要介绍了财务风险的定义以及影响企业财务风险的因素等。 2、创业板的特征及财务风险问题。本部分主要介绍了我国创业板的基本特征，从外部和内部两方面分析了影响创业板财务风险的因素。 3、创业板上市公司财务风险预警的构建。本部分根据我国创业板上市公司财务风险的现状，利用Z分数模型，构建创业板上市公司财务风险预警模型。 4、创业板上市公司财务风险防范建议。本文根据上述的相关模型，对我国创业板上市公司财务风险的防范提出有针对性的建议。 (二)拟采取的研究方法(技术路线): 1、文献研究法。首先对于国内外股利政策的相关理论文献进行广泛阅读，了解掌握国内外相关理论动态，打好理论基础。 2、定量分析法。调查近几年创业板上市公司的情况，依据掌握的数据，建立Z计分模型计算出分析对象的各项指标及其数值，从而来分析公司是否需要进行财务风险预警。 技术路线: 创业板上市公司财务 风险预警研究 引言 财务风险相关理 论 影响企业财务财务风险风险的因素的的含义 相关内容 创业板的相关 理论 创业影响创业板的板财务风 险的因素 基本 特征 创业板上市公司 财务风险预警的 构建 Z计分法模型 研究创业板上 财务风险防范问市公司财务风 题与建议 险的现状 结 论 主 要 结 论 需要进一步 完善的问题 (三)研究难点 课题的研究难点是:(1)创业板上市公司财务风险预警的构建;(2)创业板上市公司财务风险防范建议。 (四)预期达到的目标 课题预期达到的目标分析创业板上市公司的现状及问题，利用Z计分模型分析我国创业板的财务指标，从而看出是否有财务风险，再进一步提出解决创业板上市公司财务风险存在问题的对策，促进创业板公司的长期稳定发展。 四、论文详细工作进度和安排 2010.10.08—2010.11.22 完成毕业论文选题 2010.11.23—2011.01.10 完成文献综述、开题报告及外文翻译 2011.01.11—2011.03.11 完成毕业论文初稿 2011.03.12—2011.05.03 毕业实习，修改论文 2011.05.04—2011.05.12 毕业论文定稿 五、主要参考文献 [1] 吴世农,黄世忠.企业破产的分析指标和预测模型.中国经济问题,1986(6): P36-37. [2] 陈静.上市公司财务恶化预测的实证分析.会计研究,1999(4):P31-38. [3] 周首华,杨济华,王平.论财务危机的预警分析_F分数模式.会计研究,1996: P8-11. [4] 吴世农,卢贤义.我国上市公司财务困境的预测模型研究.经济研究,2001(6): P57-59. [5] 卫建国,唐红.奥特曼模型在我国上市公司财务预警中的应用研究.财会月 刊,2002(12):P34-36. [6] 陈晓红.中小企业融资与成长.经济科学出版社,2007:P17-20. [7] 杨保安,季海.基于人工神经网络的商业银行贷款风险预警研究.系统工程理论与 实践,2001(5):P70-74. [8] 乔卓.上市公司财务困境预测模型实证研究.财经科学,2002(7):P25-34. [9] 顾小安.公司财务预警系统的构建.财经论丛,2000(7):P65-71. [10] 陈晶璞,李鹏雁.企业财务风险预警系统的建立与应用.燕山大学学报2002: P250-253. [11] 卫娴,吕妍,林顺顺.我国创业板市场存在的风险及防范措施.金融论坛， 2010(4):P5-8. [12] 易丽琦.企业财务预警系统设计及预警模型研究.西北工业大学,2004:P72-74. [13] 黄小舟.Z记分模型的应用及其局限性.江西农业大学学报,2005(6):P58-78. [14] 张红日.我国中小企业板块上市公司财务风险预警研究.经济师,2009(6):P 70-71. [15] 张艳红,黄启.我国创业班市场的风险暴露研究.中国科技信息,2010(8):P1 57-159. [16] 李东卫.我国创业板市场面临的风险及建议.中国浦东干部学院学报,2009 (11):P78-82. [17] 黄烨,李海波.当前中国创业板市场风险及对策研究.经济研究导刊,2009:P 55-56. [18] 海闪闪,海冰涛.我国创业板初期的风险隐忧.财税金融,2009:P27. [19] 彭紫云.创业板上市公司财务风险管理预警系统研究.会计与审计,2010(2) :P232-247. [20] Fitzpatrick,1932.“Certified Public Accountant”. A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms.pp.23-25. [21] Beaver, W H,1966.“Supplement Journal of Accounting Research, Empirical Research in Accounting”. Financial ratios as Predictors of failure[J].Selected Studies. pp.71-111. [22] Edward I Altman,1968.“Journal of Finance”. Discriminant Analysis and The Prediction of Corporate Bankruptcy. pp.589-609. [23] Ohlson J A,1980.“Journal of Accounting Research”. Financial Ratios and The Probabilistic Prediction of Bankruptcy. pp.109-131. [24] Coats, P Fant,1993,“Financial Management”. Recognizing Financial Distress Patterns Using Neural Network Tool.pp.145-155. [25] Takeshi Jingu.2009.“China's Second Board”. Nomura Journal of Capital Markets Winter 2009 Vol.1 No.4.pp.1-15. [26] Scott ,Hal S,2010.“The Reduction of Systematic Risk In The United States Financial System”. Harvard Journal of Law.pp.2-5.