第一章 导论 1
1.1 研究背景 1
1.2 研究的价值与意义 4
1.3 问题的提出 6
1.4 财务困境概念界定及辨析 10
1.4.1 财务困境 10
1.4.2 财务困境产生的原因 15
1.4.3 财务困境与破产 18
1.4.4 我国上市公司财务困境的界定 19
1.4.5 静态预测与动态预测 24
1.5 研究内容与思路 25
1.6 研究方法 28
1.6.1 实证分析与规范分析相结合 28
1.6.2 静态分析与动态分析相结合 29
第二章 公司财务困境预测文献述评 30
2.1 国外研究综述 30
2.1.1 规范性理论研究 30
2.1.2 实证性理论研究 40
2.2 国内研究综述 64
2.3 财务困境预测研究面临的问题 69
2.3.1 规范性理论研究与实证性理论研究的割裂 69
2.3.2 前瞻与后看 70
2.3.3 传统预测模型的静态化与动态预测需要的矛盾 70
2.3.4 传统预测模型研究方法的问题 71
小结 71
第三章 上市公司财务困境预测的分析框架 73
3.1 MM定理带来的挑战 76
3.2 现代期权定价理论 78
3.3 期权理论基础上的财务困境解释和模型设定 84
3.4 适用性分析 87
小结 89
第四章 上市公司财务困境动态预测模型的建立 90
4.1 财务困境预测实证检验 90
4.1.1 样本洗选 90
4.1.2 过程设计 91
4.1.3 实证分析 92
4.2 模型构建存在的现实问题 95
4.2.1 非流通股对模型的影响 96
4.2.2 公司资产价值增长率的假设、 97
4.3 上市公司财务困境动态预测模型的构建 99
4.3.1 总体样本 99
4.3.2 子样本划分 100
4.3.3 分割点选取 101
4.3.4 模型设计 102
4.3.5 模型结果 102
4.3.6 模型比较与选取 107
小结 108
第五章 上市公司财务困境静态预测模型实证研究 109
5.1 预测指标的确定 109
5.1.1 文献回顾 110
5.1.2 粗糙集与信息熵 113
5.1.3 过程设计 115
5.1.4 实证研究 116
5.2 样本选取 126
5.2.1 样本的选取 126
5.2.2 先验概率与分割点的关系 128
5.3 Fisher判别模型 131
5.3.1 Fisher判别分析原理 131
5.3.2 Fisher判别分析模型的建立及预测结果 133
5.4 Logistic回归模型的建立及预测结果 138
5.4.1 Logistic回归分析原理 138
5.4.2 Logistic回归模型的建立及预测结果 142
5.5 人工神经网络模型 146
5.5.1 人工神经网络模型原理 146
5.5.2 人工神经网络模型的建立及预测结果 151
5.6 模型比较 153
5.6.1 误判率比较 153
5.6.2 关键指标比较 154
5.6.3 稳定性比较 155
小结 156
第六章 上市公司财务困境动静态综合预测模型的构建 157
6.1 动态模型与静态模型的组合分析 157
6.1.1 财务报表运用于财务困境预测的局限性 157
6.1.2 股价能够为财务困境预测提供有用信息 160
6.1.3 股价与财务指标的综合可以更好地预测财务困境 161
6.2 上市公司财务困境动静态综合预测模型的建立 164
6.2.1 模型结果 164
6.2.2 模型判别效果 165
6.3 动静态综合预测模型的优越性分析 166
6.3.1 功率曲线 166
6.3.2 误判率比较 168
小结 169
第七章 研究结论与讨论 170
7.1 主要结论和创新点 170
7.1.1 主要结论 170
7.1.2 研究创新点 172
7.2 进一步研究的展望和建议 173
附录1 175
附录2 181
附录3 235
参考文献 299
后记 310