上市公司财务困境预测问题研究

　　第1章 绪论
　　1.1 研究背景
　　1.2 研究意义
　　1.3 全文的结构安排
　　第2章 文献综述
　　2.1 企业财务困境的定义
　　2.1.1 国外学者的观点
　　2.1.2 国内学者的观点
　　2.1.3 财务困境概念的再分析
　　2.2 关于财务困境预测变量的最新探讨
　　2.2.1 财务困境预测变量选择理论
　　2.2.2 利用普遍使用的财务比率
　　2.2.3 使用现金流量数据
　　2.2.4 用于预测的其他变量
　　2.2.5 调整财务比率：价格水平调整和变换
　　2.2.6 精简变量集
　　2.2.7 变量的数学变换
　　2.3 财务困境预测的统计与智能方法
　　2.3.1 单变量分析
　　2.3.2 线性判别分析
　　2.3.3 条件概率模型
　　2.3.4 多状态预测模型
　　2.3.5 生存分析
　　2.3.6 财务困境预测的智能方法
　　2.4 关于财务困境预测中样本与结果评价问题
　　2.4.1 样本选择和数据收集
　　2.4.2 评价实证结果
　　2.4.3 先验概率
　　2.4.4 在评价中加入误分成席
　　2.4.5 在确定结果的相关问题时其他注意事项
　　2.5 国内研究述评
　　2.6 财务困境理论的发展路线
　　第3章 企业财务困境预测方法简介
　　3.1 判别分析
　　3.2 支持向量机
　　3.2.1 Vapnik-Chervonenkis维
　　3.2.2 △间隔分类超平面
　　3.2.3 最大间隔分类
　　3.2.4 最小二乘支持向量机LSSVM
　　3.2.5 支持向量机研究现状
　　3.3 应用多选择模型
　　3.3.1 多分logit模型
　　3.3.2 条件logit模型
　　3.3.3 无关选择的独立假设
　　3.3.4 嵌套logit模型
　　3.3.5 多分probit模型
　　3.3.6 混合logit模型
　　第4章 基于SVM的财务困境预测
　　4.1 样本选择
　　4.2 预测变量选择
　　4.3 模型建立
　　4.4 剖面分析
　　4.5 支持向量机分类
　　4.6 与多变量判别分析判别效果与比较
　　4.6.1 判别前提检验
　　4.6.2 逐步判别分析
　　4.6.3 预测效果分析
　　4.7 误分成本分析
　　4.8 结论
　　第5章 基于支持向量机的三状态财务困境预测
　　5.1 引言
　　5.2 评价标准简介
　　5.3 研究设计
　　5.3.1 样本选择
　　5.3.2 预测变量选择
　　5.3.3 反应变量选择
　　5.3.4 模型建立
　　5.4 实证结果
　　5.5 结论
　　第6章 中美财务困境识别比较研究
　　6.1 前言
　　6.2 研究设计
　　6.2.1 美国公司样本
　　6.2.2 中国公司样本
　　6.2.3 变量选择
　　6.2.4 检验模型
　　6.3 实证结果
　　6.3.1 剖面分析
　　6.3.2 面板回归结果分析
　　6.4 结论
　　第7章 现金流在脱困识别中的作用
　　7.1 研究背景
　　7.2 相关文献回顾
　　7.2.1 破产预测文献
　　7.2.2 脱困预测文献
　　7.3 研究设计
　　7.3.1 样本与数据
　　7.3.2 变量选择与定义
　　7.3.3 检验模型
　　7.4 实证结果与分析
　　7.4.1 描述性统计量
　　7.4.2 现金流量相对信息含量的单变量logistic回归分析
　　7.4.3 现金流量增量信息含量的多变量logistic回归分析
　　7.5 结论
　　第8章 我国财务困境制度变迁与研究展望
　　8.1 我国财务困境法律制度的演变
　　8.2 我国证券市场的财务困境问题
　　8.2.1 我国上市公司的财务困境现象
　　8.2.2 导致上市公司财务困境的原因分析
　　8.3 本文总结与研究展望
　　参考文献
　　附录1 样本公司名单与变量各年剖面分析结果
　　附录2 WRDS系统数据的SAS加工程序

　　    姚宏善，男，40岁，博士，中南财经政法大学统计与数学学院副教授，硕士生导师。1989年9月-1993年7月在湖北民族学院数学系获理学学士学位。1994年7月-2000年7月在建设银行恩施州分行从事贷款项目评估工作。2000年9月-2003年1月在华中科技大学经济学院获-2006年12月在华中科技大学系统工程研究所获工学博士学位。2003年4月至今在中南财经政法大学任教。在国内外重要期刊和国际重要学术会议上发表论文20余篇。研究领域包括：神经网络及应用、经济系统建模。

　　    如何预测公司经营失败与困境公司的脱困已经成为理论界和实务界共同关心的问题。准确预测公司的财务困境可以为投资者提供重要投资参考，可以提醒公司管理层及早采取措施以避免情况进一步恶化，可以为债权人特别是商业银行的贷款管理提供预警指标，帮助证券监管当局制定有效的稳定市场的办法。
　　    《上市公司财务困境预测问题研究》在总结和分析国外与国内关于财务困境预测理论和方法的研究现状和发展的基础上，从以下几个方面对财务困境问题进行了探索：利用支持向量机（SVM）建立两状态财务困境预测模型与三状态财务困境预测模型；基于面板数据建立中国和美国公司的两状态财务困境预测模型；讨论了使用现金流信息识别脱离财务困境的可能性问题。具体研究内容和成果如下：
　　    在总结和回顾国际财务困境预测文献的基础上，从三个角度系统总结了此领域内的研究及存在的问题，即财务困境预测变量选择问题，财务困境预测的方法问题和结果评价问题。
　　    利用支持向量机这种先进的分类方法建立了基于我国公司的两状态财务困境预测模型，并将拟合和预测结果同用经典的MDA方法得到的结果进行了比较。鉴于传统计量方法在建立多状态财务困境预测模型的局限性，也用SVM建立了三状态的财务困境预测模型。结果表明SVM在建立三状态财务困境预测模型