基于因子_logistic模型的房地产业上市公司财务预警分析

[财务与会计]

基于因子󰀁logistic模型的房地产业

上市公司财务预警分析

李建中,武铁梅

(西北工业大学管理学院,西安710129)

[摘󰀁要]为提供房地产业上市公司财务风险防范和控制的有效方法,基于102家房地产上市公司近三年的财务数据及审计意见,采用因子分析和Logistic回归法建立财务危机预警模型。实证结果表明,审计意见在财务预警中具有信息含量,加入审计意见后的logistic预警模型预测正确率得到提高;对房地产上市公司财务状况起关键作用的是公司的短期偿债能力和收益增长能力。因此,房地产公司运营中在注重收益提高的同时,应提高资产的运营效率和能力,以防止财务危机的发生。

[关键词]财务预警;因子分析;logistic模型;房地产业[中图分类号]F235.91󰀁[文献标志码]A󰀁

[文章编号]1671-7112(2010)05-00-05

AnalysisonFinancialEarlyWarningofRealEstateListedCompany

basedontheFactor-logisticModel

LIJian-zhong,WUTie-mei

(SchoolofManagement,NorthwesternPolytechnicalUniversity,Xi󰀁an710129,China)

Abstract:Toprovideaneffectivemethodtopreventandcontrolfinancialriskoftherealestatelistedcompanies,thispaperestablishesanfinancialearlywarningmodelbasedonfinancialdataandauditopinionofnearlythreeyearsof102realestatecompaniesbyusingfactoranalysisandLogisticregression.Theempiricalresultsshowthattheauditopinionhasthefinancialearly-warninginformationcontent,thecorrectrateofearlywarningisimprovedbyaddingtheauditopiniontologisticmodels;abilitytoshort-termsolvencyandearningsgrowthplayakeyroleinthefinancialsitua󰀁tionoftherealestatelistedcompanies,Therefore,inordertopreventfinancialcrisisoccurring,therealestatecompaniesshouldpayattentiontore󰀁turnsofassetsandincreasetheoperationalefficiencyandcapacityatthesametime.Keywords:financialearlywarning;factoranalysis;

logisticmode;lrealestate

引言

在全球经济一体化的背景下,企业面临的风险是多种多样的,其中财务危机是导致企业生存危机的重要因素。从多数企业的倒闭事实中可以看出,大都是由于财务出现问题,资金链断开最终导致无法持续经营。随着我国市场经济改革的不断深化,市场竞争日趋激烈,及时沟通企业有关的财务信息,构建财务预警系统,有效地防范和化解财务危机,是每个企业亟待解决的问题。

国内外学者对财务预警系统进行了大量的研究,比较有代表性的是:Altman于1968年提出了预测企业破产的Z值模型,采用多变量分析法对

[收稿日期]2010-05-17

66家美国制造企业的经营状况进行了判别研究,并建立了由5个参数(财务指标)组成的Z值模型,指出Z值越低,该企业遭受财务失败的可能性就越大。吴世农、黄世忠于1986年介绍了企业破产的分析指标和预测模型,应用单一线性判定分析、多元线性回归分析和逻辑分析三种方法,分别建立三种预测财务风险的模型。张玲等于2005年应用我国上市公司的财务报表数据,采用多元判别分析(MDA)技术和神经网络(ANN)技术对我国上市公司进行了财务困境预警研究。朱发根等于2008年应用新型机器学习方法󰀁󰀁󰀁支持向量机(SVM)构建了高新技术企业财务预警模型,并通过实证分析予以验证。

[基金项目]西北工业大学人文社会科学与管理振兴项目󰀁西部国防科技工业与西部经济互动研究󰀁(RW200904)[作者简介]李建中(1953-),男,陕西西安人,教授,从事企业发展战略研究。

󰀁󰀁

哈尔滨商业大学学报(社科版)2010年第5期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁JournalofHarbinUniversityofCommerceNo.5,2010

从国内外研究现状可以看出,国外关于财务预警的分析起步较早,现有的财务预警模型为企业提供了风险防范和控制的有效方法,但大多是发达国家的学者在研究本国上市公司的基础上建立起来的,鉴于我国上市公司在管理与内部控制等方面与国外的公司相比尚存差距,加之市场机制的差异,这些模型并不完全适用于评估我国企业的经营状况和财务风险。为此,国内的学者近年来在财务预警方面进行了大量的研究,但在模型的构建中尚存在一些问题,主要有如下几点:首先,在样本选取范围上未考虑行业的。不同行业的财务比率经验值可能不同,有些甚至有很大差异。以流动比率为例,工业企业的流动比率大多在2󰀁1比较合理,而商业企业的流动比率合理值则低于该值

[1]

求,原因在于:第一,没有严格的假设条件,这是多元判别法等所不具备的;第二,对于两类总体判别问题,即因变量为0󰀁1变量问题具有较好的区分效果;第三,操作比较简单且结果易于理解,具有较强的实用性,而其他方法则机理复杂,尤其在模型的应用方面会显示出劣势。如:人工神经网络方法具有信息分布式存储和并行协同处理的特点,有较好的学习、归纳能力,因此判别能力较强,但在实际应用中不利于深入分析危机产生的根源,预警能力受到制约。基于上述原因,本文选择使用Logistic回归方法构建财务危机预警模型。

Logistic模型假设企业出现财务危机的概率为P(出现财务危机取1,未出现财务危机取0),并假设可以用财务比率线性解释,从而计算出企业出现财务危机的概率

[3]

[2]

。其次,预警模型缺乏非财务

。其判别规则是:如果

因素支持。运用财务指标建立的财务预警模型虽然能较直观地反映企业的综合财务状况,但从我国企业的情况来看,一些上市公司通过操纵利润、弄虚作假而致使财务指标含有󰀁水分󰀁,不能仅采用财务指标作为判别依据。因此,本文建立了针对房地产业上市公司的财务危机预警模型,同时引入非财务信息󰀁󰀁󰀁审计意见变量,以期使所作研究更具针对性并使据此提供的预警信息更加准确,从而更具现实意义。

一、󰀁因子󰀁Logistic回归󰀁模型

财务危机预警模型是指借助企业一系列财务指标和非财务指标来识别企业财务危机的判别模型。国内外财务危机预警主要有两种模型:一种是早期的单变量模型分析,即运用单个财务指标预测财务风险;另一种基于多变量的财务预警模型,即采用多个财务指标建立多元回归方程构建财务危机预警系统。

基于单变量的预警模型是Beaver于1966年提出的,他利用个别财务比率预测企业财务危机,分析较为简单。但是,企业的生产经营状况受到许多因素的影响,单个比率反映的内容往往有限,无法全面解释企业的财务状况,因此其有效性受到一定的,逐渐被新的财务预警模型所替代。

基于多变量的财务预警模型较多,如多元判别法、Logistic回归法、人工神经网络分析法等。综合来看,Logistic回归法更符合实际应用的要󰀁

90󰀁P值大于0.5,表明企业出现财务危机的概率较大,判定企业出现财务危机;如果P值低于0.5,表明企业财务正常的概率比较大,可以判定为未出现财务危机。

具体模型如下:把事件发生的情况定义为Y=1,事件未发生的情况定义为Y=0,这样,取值为0、1的因变量可以写为:

Y=

1(出现财务危机)0(未出现财务危机)

把P看做变量Xi(表示多种影响因素)的函数,即

p=p(y=1)=F(󰀁ixi),i=1,2,3󰀁k引入p的Logistic变换,即󰀁(p)=logit(p)=ln(󰀁2x2+󰀁󰀁kxk+󰀁

p

)=󰀁0+󰀁1x1+p-1

(3)(2)(1)

其中,󰀁0是与诸因素Xi无关的常数项,󰀁1,󰀁2,󰀁,󰀁k是回归系数,它表示诸因素Xi对P的贡献量。由(3)式,将P由Xi来表示,得到

p=

1

1+e

-󰀁0+󰀁1x1+󰀁2x2+󰀁󰀁kxk+󰀁

(4)

(4)式即为所要求的Logistic回归模型。模型的曲线为S形,且预测最大值趋近于1,最小值趋近于0。由于模型本身是以概率形式表示出来的,所以,以此为依据判断、识别危机是否会发生就更为直观了。

Logistic模型建立在累计概率函数的基础上,

󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁李建中,武铁梅:基于因子󰀁logistic模型的房地产业上市公司财务预警分析󰀁

不需要自变量服从多元正态分布和两组间协方差相等的条件,克服了线性方程受统计假设约束的局限性,稳健性较好,可解释性较强,具有广泛的适用范围。但是,模型自变量的多重共线性对回归模型的估计会产生影响,而且计算过程比较复杂,在计算中有很多的近似处理,不可避免地会影响到预测精度。

为了解决Logistic回归的多重共线性问题,本文将因子分析引入回归模型。

因子分析的基本思想是根据变量相关性的大小把原始变量分组,使得同组内的变量之间相关性较高,而不同组的变量间的相关性较低。每组变量可以用一个公共因子来表示。因子分析不仅达到降维、简化问题的目的,同时,使得保留下来的公共因子能够最大限度地解释原始变量,使其损失信息不太多。具体来说,设有n个样本,每个样本有P个观测指标,这P个指标具有较强的相关性,则因子分析的模型可表述为:

X1=a11F1+a12F2+󰀁a1mFm+󰀁1X2=a21F1+a22F2+󰀁a2mFm+󰀁2󰀁󰀁

Xp=ap1F1+ap2F2+󰀁apmFm+󰀁p

其中,m是公共因子的荷载,或者说,aij是Xi和Fj的相关系数,荷载较大,说明Xi与Fj的相关程度越大

[4]

持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司会给予特别处理或退市

[5]

。

本文以󰀁因财务状况异常而被特别处理(简称ST)󰀁作为上市公司财务危机的界定标准。根据CSRC行业分类标准,选取2009年沪深两市归类于房地产行业的102家上市公司作为研究样本。需要说明的是,由于一个公司陷入财务危机

是个连续、动态的过程,要做到客观、全面地分析财务危机,需要根据其最近几年的年度财务数据分别进行分析预测。按照我国信息披露制度的要求,上市公司上一年的年报是在此后年度的四个月内报出的,ST的实施是根据上一年度年报进行的,鉴于此,本文以T-1、T-2、T-3年的数据为基础(假定上市公司在T年将被特别处理),结合房地产上市公司的实际情况,初步选择了涵盖企业偿债能力、盈利能力、营运能力、成长能力等方面的财务指标共20个,应用因子分析法,以特征值大于1为原则,从中提取关键因子,同时引入了审计意见信息指标(其中,审计意见类型为标准无保留意见时,标志值为1;审计意见类型为非标准无保留意见时,标志值为0),建立Logistic财

(5)务预警模型,文中数据来源于CCER色诺芬中国证券市场数据库,数据的分析运用统计软件SPSS16.0实现。

2.基于因子分析的房地产公司财务危机的影响因素分析

为建立房地产业财务危机预警模型,需首先判断影响其财务状况的主要因素。本文采用因子分析法,基于所选上市公司财务数据,提取影响其财务运作的关键因子。

在做因子分析之前,需要首先进行KMO(Kaiser-Meyer-OlkinMeasureofSamplingAde󰀁quacy)测定,KMO测定用来比较观测变量之间的简单相关系数和偏相关系数的相对大小,其值的变化范围从0到1,通常以0.5为界,大于0.5,说明观测变量越适合做因子分析,反之则表明观测变量不适合做因子分析。

经计算,三年KMO值分别为0.637、0.608、0.772,均大于0.5,且Barlett检验的卡方统计值的显著性概率为0.00<0.05,所以,认为样本数据均较适合做因子分析。

根据因子旋转矩阵,得到三年的公共因子,并且根据公共因子代表的原始变量,对因子进行命名。如表1所示。

󰀁91󰀁

。

通过因子分析,可以得到主要的影响因子,并据此计算出每个因子的得分,然后,只需用因子得分作为logistic模型中的自变量进行回归分析,这样,既解决了多重共线性问题,又不过多损失信息。本文将此方法命名为󰀁因子󰀁Logistic回归󰀁方法,相应的模型称为󰀁因子󰀁Logistic回归󰀁模型。

二、实证研究

1.样本的选取和变量的确定

财务危机又称财务困境,是指企业明显表现为无力按时偿还到期的无争议的债务。对于财务危机通常有两种确定的方法:一是根据法律上对企业破产的定义来确定,人们通常会用企业进入破产程序来判断一个企业是否陷入财务危机;二是以上市公司的有关要求来确定,证券交易所对

哈尔滨商业大学学报(社科版)2010年第5期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁JournalofHarbinUniversityofCommerceNo.5,2010

表1󰀁因子分析结果汇总

年份

因子及其命名F1短期偿债因子F2成长能力因子

T-1

F3短期偿债因子

F4营运能力因子F5收益增长因子F1短期偿债因子F2收益增长因子F3短期偿债因子F4总资产因子󰀁F5成长能力因子F6长期偿债因子F1短期偿债因子F2收益因子󰀁󰀁F3收益增长因子F4资产增长因子F5营运因子󰀁󰀁F6收益增长因子

代表变量

󰀁󰀁󰀁󰀁现金流动负债比、现金负债比率󰀁󰀁󰀁󰀁资产增长率、净资产增长率󰀁󰀁󰀁󰀁流动比率、存货流动负债比󰀁󰀁󰀁󰀁存货周转率、资产周转率󰀁󰀁󰀁󰀁税后利润增长率、资产收益率󰀁󰀁󰀁󰀁现金流动负债比、现金负债比率󰀁󰀁󰀁󰀁营业利润增长率、税后利润增长率󰀁󰀁󰀁󰀁流动比率、存货流动负债比󰀁󰀁󰀁󰀁总资产收益率、总资产增长率󰀁󰀁󰀁󰀁净资产增长率、营业收入增长率󰀁󰀁󰀁󰀁债务资产比率

󰀁󰀁󰀁󰀁现金流动负债比、流动比率󰀁󰀁󰀁󰀁资产收益率、净利润率󰀁󰀁󰀁󰀁营业收入增长率、营业利润增长率󰀁󰀁󰀁󰀁净资产增长率、总资产增长率󰀁󰀁󰀁󰀁存货周转率、资产周转率󰀁󰀁󰀁󰀁税后利润增长率、营业利润增长率

71.861累积贡献率(%)

T-278.508

T-376.748

󰀁󰀁从表1中可以看出,因子的代表性较强,三年

分别为71.861%、78.508%、76.748%,说明所提取的因子反映了绝大部分财务信息。影响房地产业上市公司财务状况的主要因素是短期偿债能力和收益增长因素,具体来说,短期偿债能力主要受现金流动负债比率、速动比率、流动比率影响,收益增长则主要受税后利润增长率、营业收入增长率等影响,因此,各公司在运营中应对企业的现金及资产的流动性给予高度重视,稳定的现金流和高效的资产运转是企业避免出现财务危机的保障,企业应时刻关注企业的资产运营情况,提高资产的运营效率和能力。同时,还应兼顾利润的增

F1

回归系数󰀁

T-1年

显著性检验回归方程󰀁回归系数󰀁

T-2年

显著性检验回归方程󰀁回归系数󰀁

T-3年

显著性检验回归方程󰀁

-.127.824-.144.747.163.519

F2-.253.62.

长,以及时为企业奠定提供现金流的基础。这一点与现实相符,多数出现财务危机的企业多是由于资金链断开,导致无法持续经营,而利润的增长在某种程度可为企业注入新的现金流,从而缓解资金短缺的压力,助企业走出财务困境。3.财务危机预警模型的建立󰀁󰀁󰀁Logistic回归分析

为得到房地产业财务危机预警模型的最终结果,需利用因子分析结果,根据因子得分矩阵,以因子得分作为自变量进行Logistic回归分析,得到三年的模型估计结果。如表2所示:

表2󰀁Logistic回归模型参数估计结果

F3-1.05.031

F4.345.420

F5-.403.135

F6--D-4.09.002

[1+e-(1.37+0.163F1+0.253F2-1.051F3+0.345F4-0.403F5-4.0D)]-1-.137.770

-1.53.017

.112.674

-.149.686

1.178.137

]-1

-1.76.058]-1

-1.39.143

[1+e-(1.731-0.144F1-0.137F2-1.

-.266.326[1+e-(-0.

-.070.887

531F3+0.112F4-0.149F5+1.178F6-1.399D)

-.084.850

-.0.388

.357.198

956-0.127F1-0.266F2-0.070F3-0.084F4-0.0F5+0.357F6-1.7D)

󰀁󰀁经过Logistic回归分析,得到模型的总体检验(似然比检验)的显著性概率值分别为:

0.013、0.004、0.077,总体来看,T-1年、T-2󰀁

92󰀁年Logistic回归模型的显著性概率小于0.05,通过显著性检验,说明模型具有统计学意义,而T-3

的模型统计学意义相对较弱。可见,对于房地产

󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁李建中,武铁梅:基于因子󰀁logistic模型的房地产业上市公司财务预警分析󰀁

业上市公司来说,在被ST的前两年的数据对财务危机的预警效果比较显著。从表2中可以看出,三个模型中,T-1年较显著的因子是F3、F5,T-2年较显著的因子是F3、F6,T-3年较显著的因子是F2、F6,对照表1可知,他们分别是短期偿债能力因子、收益因子,更进一步证明了短期偿债能力和收益能力对财务危机预警的重要性。

预测值

观测值

未发生财务危机

未发生财务危机

T-1年

发生财务危机󰀁未发生财务危机

T-2年

发生财务危机󰀁未发生财务危机

T-3年

发生财务危机󰀁

9511939909

此外,三个模型中,审计意见的显著性概率值分别为:0󰀁02、0󰀁143、0󰀁058,相比较除短期偿债能力因子和收益因子之外的其他各因子更加显著,即对于房地产类上市公司来说,审计意见对财务危机的预警具有较高的信息含量,这一点也可以由以下的判别矩阵来加以证实。

表3󰀁未加入审计意见变量前Logistic模型判别矩阵

正确率

发生财务危机

001212

100.0.098.918.298.918.2

90.290.5.6综合正确率

(%)

󰀁󰀁从表3来看,模型具有较高的判别性,三年的正确率分别为.6%、90.5%、90.2%,且越接近

发生危机的年份,正确率相对越高。

在基于财务指标预测的基础上引入审计意见

类型因素,代入模型进行Logistic回归,发现加入审计意见后,模型的判别率有所提高。具体见表4所示:

表4󰀁加入审计意见变量后Logistic模型判别矩阵

预测值

观测值

未发生财务危机

未发生财务危机

T-1年

发生财务危机󰀁未发生财务危机

T-2年

发生财务危机󰀁未发生财务危机

T-3年

发生财务危机󰀁

9499309

发生财务危机

121312

98.918.298.927.398.918.2

90.291.490.6

正确率

综合正确率

(%)

󰀁󰀁对比表3和表4中最后一列可知,除T-3年

外,另外两年的判别率分别提高了1%,证明审计意见可以增量信息含量。因此,在财务预警模型中,引入审计意见变量可以提高预测率,这一点也与现实相符。实际生活中,保持性的注册会计师的审计意见能够从其独特的视角反映公司的财务状况与经营成果,可以在一定程度上发现公司运营中存在及潜藏的风险,从而使审计意见对财务困境发生的可能性具有一定的解释作用。

三、结论

本文将因子分析法和Logistic回归模型相结合,选择房地产业上市公司建立财务危机预警模

型,并引入非财务信息审计意见变量,分析审计意见因素对公司财务危机预警的影响作用。得出以下结论:

1.因子󰀁Logistic回归模型在我国房地产业上市公司的财务预警研究中具有很高的应用价值。实证结果表明,该方法建立的模型判别精度可达90.7%,可以获得较好的预警效果。2.对房地产业上市公司财务状况起关键作用的是公司的短期偿债能力和收益增长能力。从三年的回归模型来看,衡量公司短期偿债能力和收益增长能力的因子都进入了模型,并具有良好的解释能力。因此,上市公司经营的任何阶段都应

(下转第104页)

󰀁93󰀁

哈尔滨商业大学学报(社科版)2010年第5期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁JournalofHarbinUniversityofCommerceNo.5,2010

(七)积极解决中小企业融资问题,拓展产业升级发展的融资渠道

拓展中小企业融资渠道,引导福建省内的民间自由资本、吸引拥有富余资金闽商与海外闽籍华侨的资金回笼。适当放宽发展民营、地方性的中小金融机构的。对于国有金融机构,应该出台相关信贷优惠对中小企业进行扶持。例如,对风险投资提供一定的法律保障,特别对发展第三产业的中小企业或个人的自由贷款给予高出市场平均利率部分的利息补贴,或者对中小企业的长期低息贷款提供贴息。可以利用财政资金通过私人金融中介机构,或者由设立专门的中小企业的长期低息贷款专项基金,或建立专门的金融机构,针对符合条件的中小企业发放贷款。另外,还可以借鉴发达国家解决企业发展融资难问题的方法来拓展产业升级发展的融资渠道,如通过发行企业债券和股票向私人投资者募集资金来解决中小企业融资难的问题。采取灵活措施积极帮助台资企业(特别是生产性服务业企业)解决融资困难。在台商投资相对集中的地区推动建立台商信用担保公司,提高台商信用担保能力;将台资企业纳入各地中小企业信用担保体系,为台资企业提供有效的融资新渠道;发展主要面向台资企业的融资租赁业等。(八)创新人才培养引进机制,为闽台合作提供人力资源保障

应该充分发挥福建省内高等学府的优势学科的培养作用,为产业升级与科技创新提供智力支

撑。例如,发挥福州大学的计算机、软件工程等专业优势;扶持厦门大学的经济、管理、金融类等与产业升级密切相关的高素质的专业人才培养。再者,由于历史缘故,两岸之间的人才培养存在一定不兼容性,应深化󰀁产学合作󰀁人才培养机制,搭建校企互动平台,培养技能型、应用型、开放型与复合型人才,为深入实施闽台合作提供人力资源保障。福建还应创新人才引进机制,主动完善人才󰀁专项󰀁编制制度,提高地区薪酬待遇等,加快金融、物流、创意产业等方面高层次创新创业人才的引进。

[参考文献]

[1]阮晓莺.闽台两地产业结构变迁与产业合作发展的空间和路径[J].国际贸易问题,2007,(2):51-56.[2]赵

慧.探寻金融危机下闽台生产性服务业合作之路

玲.闽台经贸合作的主要特色与对策思

[J].发展研究,2009,(9):90-94.[3]吴文芳,刘[4]肖

路[J].农业探索,2008,(12):29-32.

蕾,黄茂兴.改革开放30年闽台区域经济互补与合作研究[J].福建论坛:人文社会科学版,2009,(9):138-142.

[5]张向前,陈耕拓,杜銮燕.海峡西岸经济区台资企业发展建议[EB/OL].东南新闻网,2009-06-09.[6]黄春华.零和与双赢的抉择󰀁󰀁󰀁论海峡西岸经济区一体化进程[EB/OL].东南新闻网,2009-06-24.[7]唐永红.对如何构建󰀁两岸人民交流合作先行区󰀁的建议[EB/OL].东南新闻网,2009-05-21.

[责任编辑:姜野]

(上接第93页)

该关注资产运营及收益情况,注重收益提高的同

时,提高资产的运营效率和能力,并密切关注其变化趋势。

3.审计意见在财务预警中具有信息含量,即加入审计意见后,提高了预测正确率。因此,在建立财务危机预警模型时,应重视公司的审计意见信息,并与公司的财务信息相结合,建立综合预警模型,最终提高模型的预测能力。

综合来看,本文在实证过程中获得了较好的拟合模型,预测正确率三年平均达到了90.7%,在基于房地产业上市公司年度财务报告数据的基础上,引入非财务信息来构建财务预警模型,极大地提高了财务危机预测的及时性,给房地产企业的一般投资󰀁

104󰀁

者和债权人提供了更准确的预警途径。

[参考文献]

[1]汪浩杰.企业财务风险预警分析[J].知识经济,2009,

(16):57.

[2]宋鹏,张信东.基于Logistic模型的上市公司财务危机预警研究[J].经济问题,2009,(8):50-51.[3]马德功,李梦斐.我国货币危机预警模型及实证分析󰀁󰀁󰀁基于因子󰀁Logistic回归模型的修正与运用[J].山西大学学报:哲学社会科学版,2009,(5):83-84.[4]莫少杏,骆王旬.引入公司治理变量的制造业上市公司财务危机预警研究[J].生产力研究,2009,(12):70-71.[5]徐海峰.基于财务报表重要项目的财务危机预警[J].财会通讯,2009,(8):137.

[责任编辑:姜野]