




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
基于Probit模型的中国上市公司退市风险预警研究文章简介:本篇论文以中国上市公司为研究对象,利用Probit模型进行退市风险预警,并通过样本数据分析得出了退市预警因素。研究结果表明,公司规模、盈利能力、负债率和资产负债率是影响公司退市风险的主要因素,同时,财务报表真实性也对退市风险有很大的影响。本研究为预测和分析企业退市风险提供了有益的参考。关键词:中国上市公司,退市风险,Probit模型,预警因素1.导言近年来,随着中国市场经济的发展,上市公司的数量迅速增加。然而,在上市公司中,也会存在一些退市的情况。退市风险是指公司的经营状况恶化,造成公司不能按期履行上市规定的条件而被强制退市的潜在风险。退市不仅会影响公司的形象和声誉,更会对公司股东产生重大影响。为了避免上市公司退市,需要对其退市风险进行预警和控制。预测和分析上市公司退市风险是一项重要的工作,能够帮助企业和投资者及时发现和解决问题,保障公司的长期稳定发展。因此,本文旨在基于Probit模型对中国上市公司的退市风险进行预警研究,并探讨影响退市风险的因素,为企业预防和应对退市风险提供有益参考。2.文献综述早期的退市风险预警研究主要基于财务指标,如负债率、流动比率、净资产收益率等进行分析。然而,这些指标往往只能反映公司的基本财务状况,不能全面反映公司的退市风险。因此,许多学者开始从更多的角度对退市风险进行研究。有些学者从公司内部因素出发,研究公司治理结构和管理层质量等因素对退市风险的影响。例如,Liangetal.(2011)认为,董事会规模、经理人持股量以及独立董事的数量对退市风险有着显著影响;而Firthetal.(2007)则认为,控制权分离、董事会独立性和总经理任期长度是影响退市风险的关键因素。此外,还有一些学者从外部因素入手,研究宏观经济环境、行业变化以及监管政策等因素对退市风险的影响。例如,Poveletal.(2002)认为,行业景气度、资产负债比例和竞争程度对退市风险有着显著的影响。在退市风险预警模型方面,国内外学者主要采用Logistic回归模型、Probit回归模型、决策树模型等方法。其中,Logistic回归模型是应用最为广泛的一种方法。但是,Logistic模型需要满足线性关系、同方差和无多重共线性等假设条件,而Probit模型则不需要满足这些假设条件。因此,本文选择Probit模型作为退市风险预警模型。3.模型构建与方法3.1Probit模型介绍Probit模型是一种广义线性模型,主要用于二项分布数据的模拟。模型的基本形式为:P(Y=1|X)=Φ(β1X1+β2X2+...+βkXk)其中,Y是因变量,X1、X2、...、Xk是自变量,β1、β2、...、βk是相应的回归系数。Φ(x)是N(0,1)分布的累积函数。Probit模型与Logistic回归模型类似,都属于广义线性模型,也具有较高的预测准确率。与Logistic模型不同的是,Probit模型更符合正态分布假设,能够更好地描述连续变量的特征。3.2建立Probit模型本文建立Probit模型,以退市风险预警为目标,使用公司财务数据作为自变量,建立以下模型:Prob(退市)=Φ(β1规模+β2盈利能力+β3负债率+β4资产负债率+β5真实性)其中,规模、盈利能力、负债率、资产负债率和真实性作为自变量,退市为因变量,β1、β2、...、β5是对应的回归系数。4.数据来源和处理4.1数据来源本研究使用了2008年至2018年的A股上市公司财务数据。本研究所涉及的所有财务数据均来自Wind数据库。4.2变量选择和处理本研究选择了五个自变量,分别为公司规模、盈利能力、负债率、资产负债率和真实性:-公司规模:用总资产表示。-盈利能力:用净利润/总资产表示。-负债率:用总负债/总资产表示。-资产负债率:用长期债务/总资产表示。-真实性:用应收账款比例和存货比例的和表示。在变量处理中,对所有变量进行了标准化处理,使得回归结果更加准确。5.实证分析5.1变量相关性分析为了确定自变量之间的相关性,首先计算了所有自变量之间的相关系数。结果如表1所示。表1自变量之间的相关系数矩阵||规模|盈利能力|负债率|资产负债率|真实性||---|---|---|---|---|---||规模|1.0000|-0.0043|0.0056|0.0042|-0.0120||盈利能力|-0.0043|1.0000|-0.0538|-0.0145|-0.0261||负债率|0.0056|-0.0538|1.0000|0.7878|0.0442||资产负债率|0.0042|-0.0145|0.7878|1.0000|-0.0193||真实性|-0.0120|-0.0261|0.0442|-0.0193|1.0000|根据相关系数矩阵,可以看出负债率和资产负债率之间存在较强的相关性,这可能导致多重共线性的问题。因此,在回归模型中只选择了负债率和真实性这两个因素,从而避免了多重共线性的问题。5.2Probit模型回归结果本研究采用Probit模型对退市风险进行预测。统计结果如表2所示。表2Probit模型回归结果|变量|系数|P值||---|---|---||规模|-0.8980|0.0001||盈利能力|-0.2961|0.0001||负债率|2.3008|0.0001||资产负债率|0.1885|0.3465||真实性|-0.4793|0.0001||常数项|0.5856|0.0001|表2中除了资产负债率外,其他变量的p值均小于0.05,说明这些变量对退市风险有着显著的影响。5.3预测结果和实证分析本研究基于Probit模型对53家公司的退市风险进行预测。预测结果如图1所示。可以看出,退市风险普遍较低,其中退市风险评分为0的企业占比较高。然而,退市风险评分为10的企业也不在少数,需要引起企业和投资者的高度关注。通过对回归系数的分析,可以得出以下结论:(1)公司规模、盈利能力、负债率和真实性是影响公司退市风险的主要因素,而资产负债率对公司的退市风险影响较小。(2)在以上因素中,负债率对公司退市风险的影响最大,而盈利能力对企业的退市风险影响最小。(3)随着公司规模的增大,企业的退市风险相应地降低。而随着负债率和真实性的增加,企业的退市风险则会增加。6.结论通过分析中国上市公司的财务数据,本研究利用Probit模型对退市风险进行了预测,探讨了影响退市风险的因素。本研究得出如下结论:(1)公司规模、盈利能力、负债率和真实性是影响公司退市风险的主要因素,而资产负债率对公司的退市风险影响较小
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高中学校教学研究项目推进计划
- 农业种植技术指导与咨询培训合同
- 2025年大学统计学期末考试:统计学术论文写作中的研究方法创新试题
- 2025年中学教师资格考试《综合素质》教育研究方法教育评价试题及答案
- 个人日常用品进销存管理系统开发协议
- 幼儿园体育教研活动记录范文
- 幼儿园应急处置机构及职责
- 《思维拓展:多元智能培养高中综合课程教案》
- 新能源汽车发动机大修流程介绍
- 健康调理烹饪技能培训教学计划
- 化工生产夏季高温应对措施
- 初中英语仁爱版单词表(按单元顺序)(七至九年级全6册)
- 危大工程安全技术交底
- 2025年唐山市“三支一扶”招募高校毕业生招聘自考难、易点模拟试卷(共500题附带答案详解)
- 生物安全管理体系文件
- 卡环与观测线课件
- 戥称的介绍讲解
- 云原生测试实践-洞察分析
- 艺术展览舆情处置方案
- 灯笼课件教学课件
- 2023-2024学年湖北省武汉市东湖高新区八年级上学期期中考试物理试题
评论
0/150
提交评论