论文部分内容阅读
在经济迅猛发展和竞争日益激烈的环境中,我国制造业在一系列政策推动下不断发展的同时,也面临着各种问题和风险。近年来,制造业上市公司的财务状况恶化,逐步导致财务危机并被ST的情形也时有发生。目前国内外学者对上市公司的财务危机预警展开了研究,而制造业公司具有重要性和代表性,从该行业的特点着手,建立属于该行业的财务危机预警模型,成为了制造业公司财务危机预警的重要手段之一。因此,针对制造业上市公司的实际情况,构建符合行业特征的财务危机预警模型,从而针对财务危机问题达到早发现早预防早解决的目的,这对公司持续健康发展有具一定的影响。本文通过总结现有的研究成果,主要结合内部控制理论、危机管理理论和系统非优理论,采取理论分析与实证研究相结合等手段,基于MLP人工神经网络原理而对制造业上市公司财务危机预警展开相关研究。首先,本文以我国A股制造业上市公司为研究对象,综合国内学者的研究和我国证券市场的实际情况,本文以被ST处理(ST样本组)代表公司发生财务危机,以公司未被ST处理(非ST样本组)代表公司财务状况良好。本文样本为2010年到2015年因财务状况且首次被ST处理的公司69家,并按照行业相同、股本规模相同或相似以及1:1的比例标准筛选出69家非ST公司,共138家样本;检验样本共82家,为2016年到2018年ST公司和非ST公司各41家。然后,运用财务指标和非财务指标构建财务危机预警指标体系,并采用K-S检验、独立样本T检验、Mann-Whitney U检验及主成分分析等方法,筛选出能够有效区分财务危机和非财务危机上市公司的指标和成分。再者,介绍MLP神经网络的基本原理并构建MLP神经网络财务预警模型。最后,选择样本数据以验证指标及模型的有效性。通过研究,本文得出以下结论:1)公司偿债、经营、盈利及发展等四方面能力对财务危机预警影响显著,非财务指标中的股权集中度也对公司的财务状况产生一定的影响;2)本文对ST组和非ST组财务状况预测结果的准确率均达到90%以上。综上所述,本文考虑财务指标和非财务指标因素,并基于MLP人工神经网络针对制造业上市公司构建了财务危机预警模型,并验证财务危机预警的预测结果准确性,这对制造业公司风险管控和可持续发展具有一定的意义。