1、1本科毕业论文外文翻译译文标题财务比率，判别分析和企业破产预测资料来源金融学杂志作者奥特曼学者似乎倾向于把消除比率分析作为评价企业业绩的一种解析方法。理论学家任意地使经验法则降级，例如公司比率比较，被从业人员广泛的使用。自从学术界中被尊重的人员发出对比率分析相关性的抨击，是否就意味着比率分析仅局限于“基本特征的世界”。或者，这种方法的意义不被人们所关注并且被不合理地妨碍了我们是否可以弥补其差距，而不是去切断传统的比率分析和近几年来广泛受到学者关注的严格统计技术之间的联系本文的目的是试图对这个问题比率分析的质量作为一个分析技术进行评估。公司破产的预测被作为一种解说性的案例来分析。特别地，一系列的
2、金融和经济的比率将在破产预测调查范围内的其中一个多元统计方法是采用判别分析法。用于研究的数据被限制到制造业公司。传统比率分析发展的简要的回顾作为研究公司业绩的一项技术在第一部分被提出来。在第二部分对这一方法的不足之处进行了讨论和对多元判别分析介绍，重点围绕其兼容性在破产预测方面分析的介绍。判别模型是在第三部分被提出，其中六十六家公司的初始样本是用来建立一个函数，它能够在公司之间最有效的去区分两个相互排斥的群体破产和非破产企业。第四部分审查是从最初的样本和几个二级样本来获得实证结果，后者是选择检查判别模型作为预测技术的可靠性。第五部分介绍了在实际的决策和其潜在的好处各种情况下，对模型的适应性提出
3、了建议。最后一部分总结研究的结果和结论，并评估在现代分析背景下传统的比率分析的作用和意义。I传统比率分析检测公司的经营和财务困难特别容易受到财务比率分析影响。在发展公司业绩的定量措施之前，机构的建立是为了提供一个定性信息来评估特别的商家的信誉。在二十世纪三十年代，有关经营失败征兆的正式研究是很明显的。当时和几个后来者的研究得出的结论是失败的企业表现出显著不同的测量比率超过持续实体。此外，另一项研究关注大资产规模的公司比率时，在履行他们的2固定负债义务方面经历困难。最近的一项研究涉及破产预测中的财务比率分析。这与后者的工作相比，比率个别失败的企业和非失败企业匹配出一份样品清单。观察到的证据表明五
4、年前被称为决定性的失败比率分析可能是有用的预测失败。上述研究意味着预测破产的比率有一定的潜力。在一般情况下，测量的盈利能力，流动性和偿债能力的比率持续作为最重要的指标。其重要性的顺序是不明确的，因为几乎所有的研究列举了不同比率作为迫在眉睫的问题的最有效的指示。II多元判别分析上一节列举的几项研究，它们是偏离一个公司的情况进行分析财政困难之前，虽然这些作品建立了某些重要的推广方面的性能和趋势的具体措施，适应的结果进行评估潜在的公司破产，从理论和实践两个方面，其结果值得商榷的。”几乎在每一个案件的情况下，该方法基本上是单变量的性质，并强调迫在眉睫的问题是单个信号。以这种方式提交的比率分析是受到了错
5、误的解释，是有可能引起混乱。例如，一个具有盈利能力或偿债能力记录差的公司可能会被视为一个潜在的破产企业。然而，由于其高于平均流动性，情况可能不被视为严重。但几家公司的相对表现出来的潜在模糊性是显而易见的。关键性的固有缺点在于其中任何单因素分析。因此，适当引伸先前提到的研究，是建立在他们的调查结果上，结合成一个有意义的预测模型的几点措施。在这样做时，比率分析作为一种分析技术的亮点就要被强调的，而不是被降级。问题是，这些比率在检测破产潜力方面是最重要的，但如何去衡量这些应该附属于的指定的比率，以及应如何客观地确定权重。经过慎重考虑这个问题的性质,并且知道本文的目的是选择一个多元判别分析（MDA）作
6、为适当的统计技术。虽然没有流行的回归分析，但是MDA是1930年第一个应用程序，一直被使用于各种学科。在早期的几年MDA主要是用于生物学和行为学科学。最近，这种方法已成功地被应用于金融方面，如消费信贷评估和投资的分类。沃尔特利用MDA模型进行分类高价格低市盈率公司，并且史密斯应用该技术于企业分类中，并是该技术成为了标准的投资类别。MDA是一种统计技术，它是对几个组别进行分类观察，而这些组别取决于观察的个体特征。它主要用于分类和/或预测因变量出现质的形式，例如，男3性或女性，破产或非破产的问题。因此，第一步是要建立明确的组分类。原组的数量可以是两个或两个以上。小组成立后，数据收集为小组的对象。M
7、DA然后尝试“最好的”组与组之间的不同的特点，推导出一个线性组合。如果一个特定的对象，例如一间公司，它可以为所有的公司在分析量化的特性（财务比率），MDA可以决定的其判别系数。当这些系数应用到实际的比率中，就要对存在相互排斥的集团进行的基础上的分类。MDA技术已经在考虑有关企业的共同特点的整个轮廓，以及这些属性的互动优势。从另一方面，一项单元数的研究，可以只考虑小组分配一次使用的测量。MDA的另一个优点是减少分析师的空间维度，从不同的独立变量的数目来看，即GI尺寸（S），其中G等于原来的一个先验群体。本文关注的是两个群体，一方面是破产公司组成的，另一方面是其他非破产公司。因此，把分析转化为其最
8、简单的形式一个维度。判别函数的形式ZV1X1十V2X2十十VNXN个别变量的值转换到一个单一的判别得分或Z值，然后用来区分对象V1，V2VN判别系数X1，X2，XN独立变量MDA计算判别系数，VJ，而自变量XJ实际值其中，J1,2，N我们有理由相信，利用财务比率综合清单去评估一家公司的破产潜力，这些测量将会有很大程度的相关性和线性相互。在这方面，必须慎重选择的预测变量（比率），但也是有优势，它产生了一个相对模型的，而其选定的测量有可能传达大量的信息。这个信息很可能表明群体之间的差异，但是否这些差异是重要的和有意义的是另一个更重要的方面的分析。他肯定是破产企业和健康的企业之间的差异，但这些差异幅
9、度，能否去促进发展的一个准确的预测模型也许MDA的主要优点是在处理分类问题，分析对象的整个变化的剖面同时，而不是去按顺序检查其个体特征的潜力。正如线性和整数规划在传统技术方面提高资本预算的MDA方法的传统比率分析，使其能够重新认识到问题的正确性。具体来说，可能在早期发现传统的研究中，组合比率分析可以消除可能出现的含糊之处。4鉴于上述描述性，MDA技术被选定为最合适的破产研究。一个经过精心设计和解释的多元回归分析方法，可以想象，可能已被用于在这两个组的情况下。4外文文献原文TITLEFINANCIALRATIOS,DISCRIMINANTANALYSISANDTHEPREDICTIONOFCOR
10、PDRATEBANKRUPTCYMATERIALSOURCEJOURNALOFFINANCEAUTHORA1TMANEACADEMICIANSSEEMTOBEMOVINGTOWARDTHEELIMINATIONOFRATIOANALYSISASANANALYTICALTECHNIQUEINASSESSINGTHEPERFORMANCEOFTHEBUSINESSENTERPRISETHEORISTSDOWNGRADEARBITRARYRULESOFTHUMB,SUCHASCOMPANYRATIOCOMPARISONS,WIDELYUSEDBYPRACTITIONERSSINCEATTACKSON
11、THERELEVANCEOFRATIOANALYSISEMANATEFROMMANYESTEEMEDMEMBERSOFTHESCHOLARLYWORLD,DOESTHISMEANTHATRATIOANALYSISISLIMITEDTOTHEWORLDOF“NUTSANDBOLTS“OR,HASTHESIGNIFICANCEOFSUCHANAPPROACHBEENUNATTRACTIVELYGARBEDANDTHEREFOREUNFAIRLYHANDICAPPEDCANWEBRIDGETHEGAP,RATHERTHANSEERTHELINK,BETWEENTRADITIONALRATIO“ANA
12、LYSIS“ANDTHEMARERIGOROUSSTATISTICALTECHNIQUESWHICHHAVEBECOMEPOPULARAMONGACADEMICIANSINRECENTYEARSTHEPURPOSEOFTHISPAPERISTOATTEMPTANASSESSMENTOFTHISISSUETHEQUALITYOFRATIOANALYSISASANANALYTICALTECHNIQUETHEPREDICTIONOFCORPORATEBANKRUPTCYISUSEDASANILLUSTRATIVECASESPECIFICALLY,ASETOFFINANCIALANDECONOMICR
13、ATIOSWILLBEINVESTIGATEDINABANKRUPTCYPREDICTIONCONTEXTWHEREINAMULTIPLEDISCRIMINANTSTATISTICALMETHODOLOGYISEMPLOYEDTHEDATAUSEDINTHESTUDYARELIMITEDTOMANUFACTURINGCORPORATIONSABRIEFREVIEWOFTHEDEVELOPMENTOFTRADITIONALRATIOANALYSISASATECHNIQUEFORINVESTIGATINGCORPORATEPERFORMANCEISPRESENTEDINSECTIONIINSECT
14、IONIITHESHORTCOMINGSOFTHISAPPROACHAREDISCUSSEDANDMULTIPLEDISCRIMINANTANALYSISISINTRODUCEDWITHTHEEMPHASISCENTERINGONITSCOMPATIBILITYWITHRATIOANALYSISINABANKRUPTCYPREDICTIONCONTEXTTHEDISCRIMINANTMODELISDEVELOPEDINSECTIONIII,WHEREANINITIALSAMPLEOFSIXTYSIXFIRMSISUTILIZEDTOESTABLISHAFUNCTIONWHICHBESTDISC
15、RIMINATESBETWEENCOMPANIESINTWOMUTUALLYEXCLUSIVEGROUPSBANKRUPTANDNONBANKRUPTFIRMSSECTIONIVREVIEWSEMPIRICALRESULTSOBTAINEDFROMTHEINITIALSAMPLEANDSEVERALSECONDARYSAMPLES,THELATTERBEINGSELECTEDTOEXAMINE5THERELIABILITYOFTHEDISCRIMINANTMODELASAPREDICTIVETECHNIQUEINSECTIONVTHEMODELSADAPTABILITYTOPRACTICALD
16、ECISIONMAKINGSITUATIONSANDITSPOTENTIALBENEFITSINAVARIETYOFSITUATIONSARESUGGESTEDTHEFINALSECTIONSUMMARIZESTHEFINDINGSANDCONCLUSIONSOFTHESTUDY,ANDASSESSESTHEROLEANDSIGNIFICANCEOFTRADITIONALRATIOANALYSISWITHINAMODERNANALYTICALCONTEXTITRADITIONALRATIOANALYSISTHEDETECTIONOFCOMPANYOPERATINGANDFINANCIALDIF
17、FICULTIESISASUBJECTWHICHHASBEENPARTICULARLYSUSCEPTIBLETOFINANCIALRATIOANALYSISPRIORTOTHEDEVELOPMENTOFQUANTITATIVEMEASURESOFCOMPANYPERFORMANCE,AGENCIESWEREESTABLISHEDTOSUPPLYAQUALITATIVETYPEOFINFORMATIONASSESSINGTHECREDITWORTHINESSOFPARTICULARMERCHANTSFORMALAGGREGATESTUDIESCONCERNEDWITHPORTENTSOFBUSI
18、NESSFAILUREWEREEVIDENTINTHE1930SASTUDYATTHATTIMEANDSEVERALLATERONESCONCLUDEDTHATFAILINGFIRMSEXHIBITSIGNIFICANTLYDIFFERENTRATIOMEASUREMENTSTHANCONTINUINGENTITIESINADDITION,ANOTHERSTUDYCONCERNEDWITHRATIOSOFLARGEASSETSIZECORPORATIONSTHATEXPERIENCEDDIFFICULTIESINMEETINGTHEIRFIXEDINDEBTEDNESSOBLIGATIONSA
19、RECENTSTUDYINVOLVEDTHEANALYSISOFFINANCIALRATIOSINABANKRUPTCYPREDICTIONCONTEXTTHISLATTERWORKCOMPAREDALISTOFRATIOSINDIVIDUALLYFORFAILEDFIRMSANDAMATCHEDSAMPLEOFNONFAILEDFIRMSOBSERVEDEVIDENCEFORFIVEYEARSPRIORTOFAILUREWASCITEDASCONCLUSIVETHATRATIOANALYSISCANBEUSEFULINTHEPREDICTIONOFFAILURETHEAFOREMENTION
20、EDSTUDIESIMPLYADEFINITEPOTENTIALOFRATIOSASPREDICTORSOFBANKRUPTCYINGENERAL,RATIOSMEASURINGPROFITABILITY,LIQUIDITY,ANDSOLVENCYPREVAILEDASTHEMOSTSIGNIFICANTINDICATORSTHEORDEROFTHEIRIMPORTANCEISNOTCLEARSINCEALMOSTEVERYSTUDYCITEDADIFFERENTRATIOASBEINGTHEMOSTEFFECTIVEINDICATIONOFIMPENDINGPROBLEMSIIMULTIPL
21、EDISCRIMINANTANALYSISTHEPREVIOUSSECTIONCITEDSEVERALSTUDIESDEVIATEDTOTHEANALYSISOFAFIRMSCONDITIONPRIORTOFINANCIALDIFFICULTIES,ALTHOUGHTHESEWORKSESTABLISHEDCERTAINIMPORTANTGENERALIZATIONSREGARDINGTHEPERFORMANCEANDTRENDSOFPARTICULARMEASUREMENTS,THEADAPTATIONOFTHEIRRESULTSFORASSESSINGBANKRUPTCYPOTENTIAL
22、OF6FIRMS,BOTHTHEORETICALLYANDPRACTICALLY,ISQUESTIONABLEINALMOSTEVERYCASE,THEMETHODOLOGYWASESSENTIALLYUNIVARIATEINNATUREANDEMPHASISWASPLACEDONINDIVIDUALSIGNALSOFIMPENDINGPROBLEMSRATIOANALYSISPRESENTEDINTHISFASHIONISSUSCEPTIBLETOFAULTYINTERPRETATIONANDISPOTENTIALLYCONFUSINGFORINSTANCE,AFIRMWITHAPOORPR
23、OFITABILITYAND/ORSOLVENCYRECORDMAYBEREGARDEDASAPOTENTIALBANKRUPTHOWEVER,BECAUSEOFITSABOVEAVERAGELIQUIDITY,THESITUATIONMAYNOTBECONSIDEREDSERIOUSTHEPOTENTIALAMBIGUITYASTOTHERELATIVEPERFORMANCEOFSEVERALFIRMSISCLEARLYEVIDENTTHECRUXOFTHESHORTCOMINGSINHERENTINANYUNIVARIATEANALYSISLIESTHEREINANAPPROPRIATEE
24、XTENSIONOFTHEPREVIOUSLYCITEDSTUDIES,THEREFORE,ISTOBUILDUPONTHEIRFINDINGSANDTOCOMBINESEVERALMEASURESINTOAMEANINGFULPREDICTIVEMODELINSODOING,THEHIGHLIGHTSOFRATIOANALYSISASANANALYTICALTECHNIQUEWILLBEEMPHASIZEDRATHERTHANDOWNGRADEDTHEQUESTIONBECOMES,WHICHRATIOSAREMOSTIMPORTANTINDETECTINGBANKRUPTCYPOTENTI
25、AL,WHATWEIGHTSSHOULDBEATTACHEDTOTHESESELECTEDRATIOS,ANDHOWSHOULDTHEWEIGHTSBEOBJECTIVELYESTABLISHEDAFTERCAREFULCONSIDERATIONOFTHENATUREOFTHEPROBLEMANDOFTHEPURPOSEOFTHEPAPER,AMULTIPLEDISCRIMINANTANALYSISMDAWASCHOSENASTHEAPPROPRIATESTATISTICALTECHNIQUEALTHOUGHNOTASPOPULARASREGRESSIONANALYSIS,MDAHASBEEN
26、UTILIZEDINAVARIETYOFDISCIPLINESSINCEITSFIRSTAPPLICATIONINTHE1930SDURINGTHOSEEARLIERYEARSMDAWASUSEDMAINLYINTHEBIOLOGICALANDBEHAVIORALSCIENCESMORERECENTLYTHISMETHODHADBEENAPPLIEDSUCCESSFULLYTOFINANCIALPROBLEMSSUCHASCONSUMERCREDITEVALUATIONSANDINVESTMENTCLASSIFICATIONFORINSTANCEINTHELATTERAREA,WALTERUT
27、ILIZEDAMDAMODELTOCLASSIFYHIGHANDLOWPRICEEARNINGSRATIOFIRMS,ANDSMITHAPPLIEDTHETECHNIQUEINTHECLASSIFICATIONOFFIRMSINTOSTANDARDINVESTMENTCATEGORIESMDAISASTATISTICALTECHNIQUEUSEDTOCLASSIFYANOBSERVATIONINTOONEOFSEVERALAPRIORIGROUPINGSDEPENDENTUPONTHEOBSERVATIONSINDIVIDUALCHARACTERISTICSITISUSEDPRIMARILYT
28、OCLASSIFYAND/ORMAKEPREDICTIONSINPROBLEMSWHERETHEDEPENDENTVARIABLEAPPEARSINQUALITATIVEFORM,EG,MALEORFEMALE,BANKRUPTORNONBANKRUPTTHEREFORE,THEFIRSTSTEPISTOESTABLISHEXPLICITGROUP7CLASSIFICATIONSTHENUMBEROFORIGINALGROUPSCANBETWOORMOREAFTERTHEGROUPSAREESTABLISHED,DATAARECOLLECTEDFORTHEOBJECTSINTHEGROUPSM
29、DATHENATTEMPTSTODERIVEALINEARCOMBINATIONOFTHESECHARACTERISTICSWHICH“BEST“DISCRIMINATESBETWEENTHEGROUPSIFAPARTICULAROBJECT,FORINSTANCEACORPORATION,HASCHARACTERISTICSFINANCIALRATIOSWHICHCANHEQUANTIFIEDFORALLOFTHECOMPANIESINTHEANALYSIS,THEMDADETERMINESASETOFDISCRIMINANTCOEFFICIENTSWHENTHESECOEFFICIENTS
30、AREAPPLIEDTOTHEACTUALRATIO,ABASISFORCLASSIFICATIONINTOONEOFTHEMUTUALLYEXCLUSIVEGROUPINGSEXISTSTHEMDATECHNIQUEHASTHEADVANTAGEOFCONSIDERINGANENTIREPROFILEOFCHARACTERISTICSCOMMONTOTHERELEVANTFIRMS,ASWELLASTHEINTERACTIONOFTHESEPROPERTIESAUNIVARIATESTUDY,ONTHEOTHERHAND,CANONLYCONSIDERTHEMEASUREMENTSUSEDF
31、ORGROUPASSIGNMENTSONEATATIMEANOTHERADVANTAGEOFMDAISTHEREDUCTIONOFTHEANALYSTSSPACEDIMENSIONALITY,IE,FROMTHENUMBEROFDIFFERENTINDEPENDENTVARIABLESTOG一IDIMENSIONS，WHEREGEQUALSTHENUMBEROFORIGINALAPRIORIGROUPSTHISPAPERISCONCERNEDWITHTWOGROUPS,CONSISTINGOFBANKRUPTFIRMSONTHEONEHAND,ANDOFNONBANKRUPTFIRMSONTH
32、EOTHERTHEREFORE,THEANALYSISISTRANSFORMEDINTOITSSIMPLESTFORMONEDIMENSIONTHEDISCRIMINANTFUNCTIONOFTHEFORMZV1X1十V2X2十十VNXNTRANSFORMSINDIVIDUALVARIABLEVALUESTOASINGLEDISCRIMINANTSCOREORZVALUEWHICHISTHENUSEDTOCLASSIFYTHEOBJECTWHEREV1，V2，VNDISCRIMINANTCOEFFICIENTSX1，X2，XNINDEPENDENTVARIABLETHEMDACOMPUTEST
33、HEDISCRIMINANTCOEFFICIENTS,VJ,WHILETHEINDEPENDENTVARIABLESXJARETHEACTUALVALUESWHERE,J1,2,NWHENUTILIZINGACOMPREHENSIVELISTOFFINANCIALRATIOSINASSESSINGAFIRMSBANKRUPTCYPOTENTIALTHEREISREASONTOBELIEVETHATSOMEOFTHEMEASUREMENTSWILLHAVEAHIGHDEGREEOFCORRELATIONORCOLLINEARITYWITHEACHOTHERWHILETHISASPECTNECES
34、SITATESCAREFULSELECTIONOFTHEPREDICTIVEVARIABLESRATIOS,ITALSOHASTHEADVANTAGEOFYIELDINGAMODELWITHARELATIVELYSMALLNUMBEROFSELECTEDMEASUREMENTSWHICHHASTHEPOTENTIALOFCONVEYINGAGREATDEALOFINFORMATIONTHIS8INFORMATIONMIGHTVERYWELLINDICATEDIFFERENCESBETWEENGROUPSBUTWHETHERORNOTTHESEDIFFERENCESARESIGNIFICANTA
35、NDMEANINGFULISAMOREIMPORTANTASPECTOFTHEANALYSISTOHESURE,THEREAREDIFFERENCESBETWEENBANKRUPTFIRMSANDHEALTHYONESBUTARETHESEDIFFERENCESOFAMAGNITUDETOFACILITATETHEDEVELOPMENTOFANACCURATEPREDICTIONMODELPERHAPSTHEPRIMARYADVANTAGEOFMDAINDEALINGWITHCLASSIFICATIONPROBLEMSISTHEPOTENTIALOFANALYZINGTHEENTIREVARI
36、ABLEPROFILEOFTHEOBJECTSIMULTANEOUSLYRATHERTHANSEQUENTIALLYEXAMININGITSINDIVIDUALCHARACTERISTICSJUSTASLINEARANDINTEGERPROGRAMMINGHAVEIMPROVEDUPONTRADITIONALTECHNIQUESINCAPITALBUDGETINGTHEMDAAPPROACHTOTRADITIONALRATIOANALYSISHASTHEPOTENTIALTOREFORMULATETHEPROBLEMCORRECTLYSPECIFICALLY,COMBINATIONSOFRAT
37、IOSCANBEANALYZEDTOGETHERINORDERTOREMOVEPOSSIBLEAMBIGUITIESANDMISCLASSIFICATIONSOBSERVEDINEARLIERTRADITIONALSTUDIESGIVENTHEABOVEDESCRIPTIVEQUALITIES,THEMDATECHNIQUEWASSELECTEDASMOSTAPPROPRIATEFARTHEBANKRUPTCYSTUDYACAREFULLYDEVISEDANDINTERPRETEDMULTIPLEREGRESSIONANALYSISMETHODOLOGYCONCEIVABLYCOULDHAVEBEENUSEDINTHISTWOGROUPCASE
