基于Probit模型的中国上市公司退市风险预警研究

（二）Probit多元回归建立预警模型

probit模型是一种广义的线性模型。最简单的probit模型就是指被解释变量Y是一个0,1变量，事件发生地概率是依赖于解释变量，即P（Y=1）=f(X)，也就是说,Y=1的概率是一个关于X的函数，其中f(.)服从标准正态分布。^[4]为建立多元预警模型，首先设定退市和非退市公司为因变量（退市取值1，非退市取值0，同时将因子分析得到的4个因子为自变量，用probit多元回归建立预警模型。运用spss17.0软件进行拟合毕业论文的格式，得到最终的结果如下：

表6 参数估计值

从表6中可以看出，所有因子均通过了检验，可以认为总资产净利润率、销售净利率、主营利润增长率、总资产增长率、资产负债率、流动比率、速动比率等指标能较好反映退市公司与非退市公司的差异性。由此可建立如下probit回归方程：

表7 模型的总体检验

由表7可知拟合优度检验结果p= 0.621，说明当前模型拟合良好，且在可区间计算时不再进行异质性校正。以0.50为概率最近分割点进行预测，P大于0.5为退市公司，预测结果如表8：
 

表8 预测结果

由上，模型整体预测效果为87.5%，其中非退市公司的预测准确率为94.4%，退市公司的预测准确率为80.6%，模型预测效果较好。
 

五、结论及建议

笔者利用Probit模型，对中国上市公司的退市风险进行了预测研究论文提纲格式。选取的样本是已退市的36家公司和相同数量的业绩正常的上市公司，采纳的数据变量是反映了上市公司总体状况的多项财务指标。实证研究结果表明,选入的财务指标各自的预测准确率不同,但其中的总资产净利润率、销售净利率、主营利润增长率、总资产增长率、资产负债率、流动比率、速动比率七项指标能较好反映退市公司与非退市公司的差异性。通过Probit回归所得总体上的模型方程的预测结果来看,判断的准确率达到了87.5 % ,比较理想。这说明Probit模型在预测上市公司退市风险方面是有效的，对于上市公司的管理层和资本市场上的机构与个人投资者来说具有投资决策与风险管理方面的参考价值。

根据本文的研究结论，上市公司的多项财务指标对于退市风险都有较大的影响力，而我国现有的上市公司退市量化标准却比较单一，仅仅是连续三年亏损。因此笔者建议，首先，对于监管机构而言毕业论文的格式，应该进一步完善上市公司的退市机制，考虑证券市场和上市公司的多方面因素，加强对上市公司多项财务指标的监控，并建立健全多元化的退市量化标准。一方面可以加强退市机制对上市公司的约束力，避免本该退市的上市公司通过对会计利润的调整轻易规避退市的现象。一方面还可以增强退市规则的明晰度和可操作性，从而强化上市公司退市机制的执行力。其次，对上市公司而言，应该充分认识到，企业在证券市场继续上市的价值是源于企业的盈利能力、偿债能力、成长能力、营运能力等综合能力的全面发展，上市公司应当加强对企业多项财务指标的关注，通过从整体上提升企业内在价值的方式来避免退市风险。

参考文献：
[1]冯芸.上市公司退市制度实施效果的实证分析[J].财经研究,2009,(1):133-143
[2]李明祥.上市公司退市风险预警模型研究[J].数学的实践与认识,2008,(7):44-47
[3]Karels G, Prakash A.Multivariate Normality and Forecasting of Business Bankruptcy[J] . Journal ofBusiness Finance Accounting ,1987，(20) :573-593.
[4]Santomero A , Vinso J .Estimating the Probability of Failure for Firms in the Banking System [J].Journal of Banking and Finance ，1977 ,1 (9) :185-205.
 

 2/2   首页 上一页 1 2