ImageVerifierCode 换一换
格式:DOC , 页数:6 ,大小:26KB ,
资源ID:1975783      下载积分:10 文钱
快捷下载
登录下载
邮箱/手机:
温馨提示:
快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。 如填写123,账号就是123,密码也是123。
特别说明:
请自助下载,系统不会自动发送文件的哦; 如果您已付费,想二次下载,请登录后访问:我的下载记录
支付方式: 支付宝    微信支付   
验证码:   换一换

加入VIP,省得不是一点点
 

温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-1975783.html】到电脑端继续下载(重复下载不扣费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: QQ登录   微博登录 

下载须知

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。
2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。
3: 文件的所有权益归上传用户所有。
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. 本站仅提供交流平台,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。

版权提示 | 免责声明

本文(财务危机预警中的审计意见信息含量研究.doc)为本站会员(99****p)主动上传,文客久久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,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!

财务危机预警中的审计意见信息含量研究.doc

1、财务危机预警中的审计意见信息含量研究内容摘要:本文运用描述性统计的方法对 1999-2006 年上市公司年报中所有上市公司、ST 公司、亏损公司的审计意见进行比较分析;根据两种界定财务危机的方法分别建立 Logistic 回归模型,并比较分析了预测模型的有效性。结果表明审计意见具有显著信息含量,应当将此指标纳入财务危机预警模型。 关键词:审计意见 财务危机预警 信息含量 Logistic 回归模型 审计意见作为企业经营状况的指示灯,能够从其独特的视角反映公司的经营状况。关于审计意见信息含量的研究,国外开始的比较早,相关文献表明,审计意见在财务危机预警中的作用尚无定论。与国外的研究结果相一致,我

2、国学者对审计意见在财务危机预警中是否具有信息含量研究的结论也不一致。 研究设计 审计意见的分类。本文在研究时,审计意见的划分为标准审计意见(标准无保留审计意见)和非标准审计意见(除标准无保留审计意见之外的其他审计意见)两类。 财务危机的界定。本文在研究时,采用两种较为常见的财务危机标志事件选择方法并比较这两种选择方法在财务危机预警中作用的异同。取值规则(FDA,Financial Distress Affair)如下: 研究假设。国内一些学者关注审计意见信息含量的实证研究,基本着重于考察审计意见在股票市场上的市场反应,而没有对审计意见能否预测财务危机给予正面回答。由此本文提出以下假设: H1:

3、财务危机公司获得的非标准审计意见的比例要大于所有上市公司的平均水平。 H2:加入审计意见的预测模型的预测能力高于未加入审计意见模型的预测能力。 H3:离公司陷入财务危机的时间越短,预测精度就越高。 H4:对财务危机的不同界定方法(FAD1 和 FAD2)对模型的预测正确率有显著影响。 本文数据来源于巨潮资讯网。选取 19982006 年度的所有亏损上市公司和因财务状况异常而被 ST 的所有上市公司作为统计分析的研究样本。实证研究 (一)我国上市公司审计意见的描述性统计 按照以上审计意见分类标准和财务危机的界定方法,本文对 1998-2006 年沪深两市上市公司披露的审计意见作了描述性统计,具体

4、结果如表 1。 为了更好地反映不同类型公司在不同年度的审计意见,按照本文的划分方法(标准审计意见和非标准审计意见) ,得到 1999-2006 年上市公司审计意见如图 1、图 2 所示。 从表 1、图 1、图 2 中,我们可以看出: 第一,亏损公司和 ST 公司获得非标准审计意见的比例均显著大于所有上市公司,也可以说,所有上市公司获得的标准审计意见显著大于亏损公司和 ST 公司,所以 H1 成立。 第二,从时间序列上来看,ST 公司出具的非标准审计意见的比例要大于亏损公司,或者可以说,亏损公司出具的标准审计意见的比例要大于 ST 公司。 (二)预测审计意见类型的 Logistic 回归 1.样

5、本选取与设计。选择 2006 年度被 ST 的上市公司 50 家,同时选择与 ST 公司处于同一行业,资产规模相近、上市时间相近的 50 家公司作为配对公司(记作 SAMPLE1) ,然后选取 ST 公司前一年和前两年的数据分别建立模型。 选择 2006 年度亏损上市公司 50 家,同时选择与亏损公司处于同一行业,资产规模相近、上市时间相近的 50 家公司作为配对公司(记作SAMPLE2) ,然后选取亏损公司前一年和前两年的数据分别建立模型。 2.模型设计。本文采用 Logistic 多元回归模型进行研究。为了比较两种财务危机的界定方法(FDA1 和 FDA2)对回归模型的影响,本文将以这两种

6、划分标志分别建立模型,并且比较它们的预测效果;此外,由于本文的侧重点在于审计意见信息含量的研究,所以没有把过多的精力放在建立复杂的财务预警模型上,最终本文从反映企业的盈利能力、短期偿债能力、长期偿债能力、增长能力和资产利用能力等方面考虑,最终确定以下变量:资产收益率、流动比率、资产负债比率和总资产周转率,分别用 X1,X2,X3,X4 表示,建立 Logistic 回归模型。 理性的管理者往往希望通过以前年度上市公司的审计意见类型,结合其他重要会计信息来合理预测本年度公司的情况,所以,我们把在2006 年被 ST(或亏损)公司记为 i 年,因此 i-1(2005) ,i-2(2004 年)分别

7、表示陷入财务困境前一年、前两年。 未加入审计意见模型, 其中,其中,i=1,2,分别表示 i-1 和 i-2 年;P 表示上市公司陷入财务危机的概率。对于 ST(或亏损)公司,Yi 取 1,否则取 0,根据所得到的Logistic 方程,以 0.5 为最佳判定点对原始数据进行判定,若P0.5,则判定该样本为财务危机的公司,否则为正常公司。 加入审计意见 X5 建立新模型。在原来模型的基础上引入审计意见这一指标,用 X5 表示。 建立的新模型如下:3.预测模型及结果分析。为考察以上模型的预测效果,我们把样本SAMPLE1 中的 3/5 作为估计样本,共 60 家,其中 ST 公司和匹配公司各30

8、 家;其余的 2/5 作为预测样本,共 40 家,其中 ST 公司和匹配公司各20 家;此外,我们把样本 SAMPLE2 中的 3/5 作为估计样本,共 60 家,其中亏损公司和匹配公司各 30 家;其余的 2/5 作为预测样本,共 40 家,其中亏损公司和匹配公司各 20 家,通过估计样本数据,分别建立预测模型。 由表 2 可得:无论采取哪种界定财务危机的方法,加入审计意见后,模型的预测正确率都会大大提高,也就证明了审计意见具有增量信息含量,从而证明 H2 成立。离公司陷入财务危机的时间越短,预测精度就越高。我们可以看出 2005 年综合模型的预测正确率要大于 2005 所对应的综合模型。从

9、而证明 H3 成立。财务危机的界定方法对模型的影响不大,所以 H4 不成立。 结论 本文通过对 19982006 年沪深两市上市公司披露的审计意见的实证分析,可以得出以下结论:财务危机公司(亏损公司和 ST 公司)获得非标准审计意见的比例均显著大于所有上市公司的平均水平;从时间序列上来看,ST 公司出具的非标准审计意见的比例要大于亏损公司出具的非标准审计意见的比例;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。 参考文献: 1.陈梅花.审计意见信息含量研究来自中国证券市场的实证证据D.上海财经大学博士论文,2001 2.张鸣,张艳,程涛.财务预警前沿研究M.上海财经大学出版社,2003 3.单鑫.中国股票市场对审计意见信息披露反应的研究D.清华大学硕士论文,1999

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。