论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　该模型从系数来看，影响程度从大到小的排列顺序为X2、X8、X6、X4、X5、X7。
　　（五）模型检验参照相关研究，本文选取0.5为发生财务困境的阀值，当拟合值大于0.5时判定该公司为ST公司，当拟合值小于0.5时判定该公司为非ST公司。应用上述模型分别对2010新增ST上市公司和对应的非ST公司进行检验（结果见表5）。模拟结果显示，该模型具有较好的预测能力，其中上市公司在被特别前三年的准确率为84.91%，前两年的准确率为94.34%，前一年的准确率为96.23%。在公司被列为ST公司前两年，该模型预测准确程度均比较高，这反映该模型进行预测时具有比较稳定、可靠的性质。但是也应该注意到，公司发生财务困境前第三年的预测程度较低，这可能是因为时间跨度较大，由于公司发生财务困境是个渐进的过程，所以导致模型在不同年份的预测准确率存在较大差异。
　　五、模型评价
　　（一）指标选取方法的评价为克服指标上的主观性等问题，本研究综合运用Z检验、因子分析法等对指标进行初步分析与遴选，在Z检验后剔除两个指标的基础上，利用因子分析法将13个指标信息浓缩为8个代表性的公共因子指标，并且有效解决了指标间相关性对估计结果的影响。
　　（二）使用数据的评价本文采用的数据是2002-2010年上市公司的混合数据，这综合考虑到了样本公司特征与系统特征的影响，避免了个别年份导致指标变动对估计结果的影响，有效提高了模型的稳定性与预测准确率，由此建立的财务困境模型在进行预测分析时的可靠性更高。
　　（三）模型的有效性本文建立的财务困境预警模型可能存在的最大优点是模型预测的准确率与有效性较高，正如结果显示，上市公司发生财务困境前3年的预测准确率均比较高，这为后续的模型应用提供了较好的基础。
　　（四）模型的适应性考虑到本模型主要运用了随机选择与因子分析法，抽象掉了上市公司的个体特征，这使得模型对公司的个性化特征变动考虑不够，因此，模型存在的可能不足主要在于公司个体特征考虑不够周全，在模型具体应用中也要结合公司具体特征展开分析。
　　参考文献：
　　[1]DominicBarton，RobertoNewell，andGregoryWilson.Anearlywarningsystemforfinancialcrises[J]，McKinseyonFinance，2003。
　　[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年第3期。
　　[3]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年第6期。
　　[4]马超群、吴丽华；《基于邻域粗糙集和神经网络的财务预警研究》，《软科学》2009年第11期。
　　[5]孔宁宁、魏韶巍：《基于主成分分析和Logistic回归方法的财务预警模型比较——来自我国制造业上市公司的经验证据》，《经济问题》2010年第6期。
　　[6]秦小丽、田高良：《基于灰色理论和神经网络的公司财务预警模型》，《统计与决策》2011年第16期。
　　[7]汪超群、黄晓莉：《基于现金流量的上市公司财务预警系统分析——以信息技术业为例》，《经济论坛》2011年第6期。
　　[8]张恒、秦宾、许金凤：《上市公司财务预警的正则化逻辑回归模型》，《华东交通大学学报》2011年第6期。