创业板上市公司退市风险预警指标体系的构建——以欣泰电气为例.docx

《创业板上市公司退市风险预警指标体系的构建——以欣泰电气为例.docx》由会员分享，可在线阅读，更多相关《创业板上市公司退市风险预警指标体系的构建——以欣泰电气为例.docx（26页珍藏版）》请在课桌文档上搜索。

1、创业板上市公司退市风险预警指标体系的题目：构建一一以欣泰电气为例目录摘要4英文摘要.4I弓I言51.1 研究背景和研究意义51.1.1 研究背景51.1.2 研究意义6L2国内外研究现状71.2.1 国外研究现状71.2.2 国内研究现状82 .风险预警相关理论概述102.1 风险预警相关理论界定102.1.1 退市风险基本概念界定102.1.2 退市风险预警基本概念界定102.2 风险预警的理论11221风险预警目标和功能112.2.1 风险预警方法122.2.2 风险预警指标123 .创业板上市退市的因素123.1 导致创业板退市风险的影响因素123li盈利能力因素123.1.1 成长能力

2、因素133.1.2 营运能力因素133.1.3 偿债能力因素144创业板上市公司退市预警指标体系的建立144.1 样本选取与数据来源154.2 指标体系建立154.3 样本研究过程及结果分析164.3.1 Kolmogorov.Smimov检验184. 3.2因子分析对数据预处理194.3.3 提取公共因子194.3.4 因子解释与命名194.3.5 计算各样本因子得分204.3.6 回归模型建立215案例分析-以欣泰电气为例进行预警指标研究245. 1案列背景245. 2案例分析255. 3小结256防范退市风险的对策和建议26摘要尽管创业板市场在创立之后业绩大体呈好的态势，但是仍然有个别公

3、司报亏损。虽然，大多数创业板的上市公司是高新技术产业公司。但是，这些企业不一定都会有很好的成长性和发展性。在创业板市场上也实实在在的存在着一些质量比较差的公司，把创业板市场当成他们用来圈钱和套取现金的场所，完全忽视了创.业板市场当初成立的最初目的。为了抑制这种现象，证监会将打算重点突出创业板市场的退市制度,要求创业板市场所有公司严格执行。一旦创业板市场上有公司达到了退市的标准，绝对不允许徇私枉法，要立即将其清除出证券市场，以此来维护创业板市场上投资者的合法权益。可是，退市指标在退市的实际操作中，缺乏有效的指引，退市的风险仍然处于事后控制的状态，缺乏风险出现前的预警指标体系，因此，一旦发生了退市

4、风险，上市往往手忙脚乱，不知怎么办，才会不择手段。因此，为了保证证券市场能够健康稳定的生长，保护上市公司的正常经营活动，构建创业板上市公司退市风险预警指标体系，根据退市的风险，采取相应的解决办法，及时预警，规范创业板市场上公司的质量。关键词：创业板；退市风险；退市预警；AbstractAlthoughthegemaftertheestablishmentoftheperformanceofthemarketingeneralisagoodsituation,buttherearestillindividualcompaniesreportedlosses.Although,mostoftheG

5、EMlistedcompaniesarehigh-techindustrialcompanies.However,thesecompaniesdonotnecessarilyhaveagoodgrowthanddevelopment.IntheGEMmarketbutalsoinrealitytherearesomerelativelypoorqualityofthecompany,theGEMmarketastheyusedtoshareholdersandcashinplace,completelyignoredtheoriginalpurposeofthegemwasfounded.In

6、ordertocurbthisphenomenon,theCommissionintendstofocusonthegemdelistingsystem,theGEMmarketrequiresallcompaniestostrictlyimplement.OncetheGEMcompanieshavereachedthedelistingcriteria,absolutelynotallowedtofavoritism,immediatelyberemovedfromthestockmarket,investorsinordertomaintainthelegitimaterightsand

7、interestsofthegemmarket.However,intheactualoperationofthedelistingdelistingindicators,thelackofeffectiveguidance,theriskOfdelistingisstillincontrolafterthestate,lackofriskearly-warningindexsystem,beforetherefore,oncetheriskofdelisting,listedareoftenconfused,Idonotknowhowtodo,canuseunscrupulousdivisi

8、vetactics.Therefore,inordertoensurethehealthyandstablegrowthofthesecuritiesmarket,protectthenormalbusinessactivitiesoflistedcompaniesdelistingriskwarningindexsystem,theGEMlistedcompanies,accordingtotheriskofdelisting,takecorrespondingmeasures,timelywarning,standardizethequalityofthegemcompany.Keywor

9、ds:GEM;establishmentrisk;establishmentwarning;1 .引言1. 1研究背景和研究意义2. 1.1研究背景创业板的推出和运行为中小企业的成长提供了新的宝贵的融资渠道，有助于推动中国多层次资本市场体系的发展。但创业板在中国还是一个全新的市场，虽然已经运行了三年多，但仍不成熟，其自身的高风险是不容忽视的。其中，财务风险作为创业板上市公司自始至终都需要面对的风险和金融风险内的核心风险，直接影响创业板市场能否稳健运行。目前，我国创业板市场的各项制度还没有完善，对投资者和相关机构等利益者而言。关键是能建立一套客观科学的创业板上市公司财务风险评价指标,来评价创业板

10、上市公司风险评价。进而采取有效措施。这样才可以抓住创业板市场的风险命脉。创造成功投资的机遇和寻找合理监督管理手段。在创业板上市的多家公司中，欣泰电气是创业板在2016年第一家被强制退市的企业，不止欣泰电气，还有另外25家公司分别面临不同情况的退市风险。我国虽然已经在制度层面上建立了退市制度，但还是处于事后控制退市风险。缺乏对风险的提前预警，没有从根本上解决退市风险的预警问题，所以，完善创业板上市公司退市风险预警指标的研究，构建创业板上市公司退市预警模型，通过实证研究找出防范退市风险的相关建议。1.1.2研究意义2009年10月30日至今，我国创业板运行的三年多时间里，从发行前的高毛利率，高净资

11、产收益率，高营业收入等特征。演化到发行后的高波动性，高市盈率，高换手率等特征。进入门槛较低但运作要求较高是我国创业板市场的最大特点，有发展潜力的中小企业可以借助创业板市场这个平台获得更多融资机会。据统计，在创业板市场上市的公司多数为高科技企业，具有成长空间大的特性，但这些公司成立时间普遍较短，规模也不大，为数众多的公司尚处于钟子期或成长期，发展相对不成熟。因此，创业板市场必然存在较高的风险，尤其是财务风险，股价大幅度波动等风险。在诸多风险中，影响面大，综合性最强的是财务风险，财务风险是金融市场中最重要的风险形式之一，它能够综合反映公司是否具有投资价值，而且财务风险也是影响创业板市场能否健康运行

12、的核心因素。因此，本文对创业板上市公司风险预警指标体系的建设有重要意义。风险评价是会计领域和管理领域一个重要的研究课题，关于上市公司风险评价的研究在国外已经相对比较成熟，采用的基本模型有统计学方法，多元线性判断模型，财务比率分析模型等。现行的风险评价指标体系大都是针对主板上市公司的，对于具有高技术性和独立性的创业板上市公司来说，并非都适用。在运用这些风险指标对创业板上市公司的投资价值进行分析和判断时，需要结合创业板上市公司的自身特点（例如欣泰电气）进行一定的调整。因此，如何结合中国创业板的实际情况，对创业板上市公司的风险进行科学客观的评价，是迫切需要解决的问题，而且具有重要的理论价值和应用价值

13、。通过对创业板上市公司退市风险预警指标体系的构建的研究，有利于：L完善创业板上市公司退市风险的预警指标有利于规范创业板市场的健康发展。2.加强退市风险的预警会有利于纠正投资者的经营理念，预防靠投机获取利益的心理。3.退市风险的预警指标体系的建立有利于提升创业板上市公司的整体素质。1.2国内外研究现状1.2.1 国外研究现状国外关于上市公司预警方面的研究主要针对上市公司的财务状况，主要的研究思路是通过选定相应的财务指标，通过对不同经营情况的上市公司财务情况的对比，筛选影响力强的指标，再建立风险预警的模型。Altman(1966)从22个能够反映公司经营业绩的财务指标中挑选出五个财务指标，分别是运

14、营资本/总资产，留存收益/总资产，息税前利润/总资产，权益资本市场/负债账面价值，总资产周转率，作为判定是否导致上市公司经营失败的重要指标。Zmijewski(1984)首先选取了100多个财务指标，然后从其中筛选出75个财务指标，并将这些指标分成十大类别，然后归纳出具有显著判别能力的共有四类指标，其中包括回报率，财务杠杆，固定收入保障和股票回报率，把四类指标作为判定上市公司是否经营失败的重要指标。美国的Beaver(1968)是最早提出了单变量判定模型的学者，以此来判定公司是否经营失败，在对比样本方面他选取了经营失败的公司与经营正常的公司各七十家，单变量分析方法通常仅仅依靠个别财务指标，所以

15、只能反映的公司个别财务信息状况，而不能对公司的整体财务状况与经营情况作出合理全面的评价。在多变量分析方面，ohlson(1980)还提出了LOgiStiC模型，他运用LogiStiC回归的方法，在研究样本方面选取了19701976年这个期间的上市公司，其中包括105家经营失败公司与2058家正常公司，通过运用Logistic模型发现对预测财务危机的准确率最高的是公司规模，资本结构，业绩以及融资能力等方面的指标。Sinkey(1985)建立的早期风险预警模型是基于多重判别法，研究样本选取了各100家企业，其中包括被美国监管部门所断定为“问题上市公司”和与之经营结构，经营规模相似的“正常企业”对这

16、两类样本进行对比和判别分析。通过分析这两类企业连续3年的财务报表计算出了十个财务指标。依靠这些财务指标值作为变量，并构建预警模型。MartirI(1987)对正常上市公司和退市公司的辨别研究是通过使用Logistic回归分析模型。此方法假设退市公司的概率(用P表示)服从Logistic逻辑分布，把财务指标值通过软件计算出来一个公式,再把每个公司具体指标的数值带入就可以算出某一上市公司发生退市风险的概率P,用得到的概率值对比预先设定好的临界概率，如果P大于临界概率，则确定企业属于具有退市可能性上市公司，反之，则属于无退市风险公司。由于单变量分析方法在研究中存在着一定的局限性,AlUnan(196

17、8)在他的研究中使用了多变量分析方法，以美国1946.1965年期间的制造业上市公司作为样本，分别选取这期间的申请破产和正常经营的各三十三家上市公司进行对比，选取二十二个财务指标，并从中筛选出五个预测能力最强的财务指标，包括盈利方面、营运方面、偿债方面的指标，然后运用多元线性回归的方法，并构建了后来很著名的Z分数模型。L2.2国内研究现状近几年，我国学术界在研究预警方面的文献上主要集中在上市公司的财务预警，其中也包括对上市公司退市风险的研究，其实也就是对上市公司退市危机预警。陈静(1999)在变量选择时使用了财务比率，主要考虑反映企业的盈利能力，流动性以及财务杠杆等指标，并且依据成本与效应相适

18、应原则，选取那些比较容易从财务报表中获得的负债比率，流动比率，总资产收益率，净资产收益率的数值，构建模型，并且经过分析后发现，判定准确率最高的是流动比率和资产负债率这两个指标。吴世农，卢贤义(2001)在选取样本时从我国主板市场上3年中连续出现的82家ST公司中，在界定财务困境公司时从中选取70家，对其进行财务困境的预测研究，在计算出40家样本公司可以综合反映企业的盈利能力，长短期偿债能力，营运能力，成长能力和企业规模的财务指标之后，使用剖面分析，研究认为，对公司经营失败的判定的判定效果最理想的是净资产收益率这个指标。刘洪(2004)的研究样本中的ST公司是选取2002年和2003年分别首次被

19、ST的大约100家上市公司，分别以他们2002年和2003年提前3年，即1999年和2002年的财务数据，2000年对2003年的财务数据作为研究依据，加入了反映公司发展能力的指标，利用这18个财务指标对判定公司的经营业绩好坏情况进行预警分析。王芳云(2008)在研究中首先介绍了我国上市公司退市的法律依据，为后文研究做准备，在样本选择方面选取了深圳证券交易所的31家已退市的上市公司，然后分析了上市公司形成退市风险的具体原因，并针对这些原因，提出管理方面的建议，以此来防范和控制上市公司的退市风险。郭得仁，王培辉(2009)在研究中首先梳理了国内学者关于企业财务预警模型相关文献，并加以总结概括，由

20、此提出了一种新的财务预警模型基于模糊聚类和模糊模式识别的模型，利用该模型可以首先对统计样本进行模糊聚类，在计算最优聚类中心，然后对需要评价的样本所属类别进行模糊模式识别，通过对在上交所的40家公司进行实证分析之后，该模型显示了较好的预警效果。林婵(2010)以2005-2007年期间的中国沪深两市上市公司作为研究对象,对样本公司采取了基于LogiStiC回归模型的财务预警实证分析，并且通过拟合度检验验证了该模型的预测效果，结果表明该回归模型可以很好的预测上市公司是否会出现财务危机。梁慧媛(2010)选取了我国2008年被ST的9家金属，非金属行业的上市公司作为研究样本；按照同时期，同行业的对比

21、要求，同样选取了9家财务情况正常的上市公司作为匹配样本，选取了能够反映财务状况的六类共计13个财务指标，作为财务模型的自变量，用因子分析法提取主成分后构建了适用于我国制造业的财务预警模型，并对其实用性加以检验。曹珊珊(2012)以沪深两市的1370家上市公司作为研究样本，通过介绍并运用信息理论，客观的测定财务指标的预测能力，根据以往研究选取出预测能力最强的11个指标作为自变量，构建了Logistic回归模型，来对上市公司财务困境进行预测。研究结果表明；包括每股净资产，营业毛利率等在内的11个绝对财务指标和相对财务指标对公司是否陷入财务困境有较强的预测能力。张建华，韩英峰(2012)在研究中采用

22、多变模式，将五大类指标有机的结合起来，包括能够反映企业偿债能力，营运能力，盈利能力，获现能力和发展能力的指标，通过计算所得到的图像，来判断企业是否未来会陷入财务危机。刘澄，胡巧红，孙莹(2012)在研究制造业上市公司时，选取138家样本公司，运用聚类分析的方法，把财务状况划分为5个层次，分别是健康，良好，一般，预警和危机，然后运用粗糙集中的变精度加权平均粗糙度来构造决策树的算法。把这些公司划入相应的等级，进而提出上市公司的财务状况预警的建议，这样生成的决策树财务预警规则防噪声能力更强，分类效果更好。周首华，杨济华，王平(1996)在考虑了公司现金流量变化指标的基础上,通过对样本数的扩大和指标的

23、更新，修正了Z分数模型，提出了可以弥补Z分数模型缺陷的F分数模型。张玲(2000)选取了120家上市公司作为研究样本，从盈利能力，偿债能力，营运能力以及资本结构四个方面的诸多相关财务指标中筛选了留存收益占资产总额的比率，营运资金占总资产的比例，资产负债率和总资产利润率四个财务指标构建了财务风险评价模型。李铭(2008)将BP神经网络技术引进到上市公司财务风险评价模型中，将上市公司财务风险分为四类并结合上市公司的财务数据来进行上市公司财务风险评价。许言(2011)站在创业板上市公司自身的角度，针对创业板上市公司的特点，在对财务风险特性分析的基础上，将模糊数学与层次分析法相结合，并以一家创业板上市

24、公司为例，对创业板上市公司财务风险的大小进行了识别。腾达(2012)指出上市公司财务指标众多，且随着企业的发展会出现新的财务指标。因此，构建上市公司财务风险评价体系时要结合上市公司实际，因地制宜，充分考虑上市公司所处行业和特点，及时淘汰不合适的指标，增加反映企业实际需求的新指标。沈友娣(2012)在考虑了能充分体现创业板上市公司特点的技术人员比重,大股东比例等非财务指标后，提出来一套针对创业板上市公司的财务风险评价指标体系，并以2009年和2010年在创业板上市的属于制造业的17家业绩较差的公司和17家业绩较好的公司为样本做了研究，并在此基础上指出了提高我国创业板上市公司财务风险评价指标有效的

25、途径。乐菲菲(2011)根据可拓学的相关理论，选取高科技上市公司的相关财务指标建立高科技上市公司财务风险可拓评价模型，运用现有公开数据对可拓评价模型加以检验，并对样本公司的财务风险情况进行评价。2.风险预警相关理论概述2.1 风险预警相关理论界定2.1.1 退市风险预警基本概念界定退市风险预警是指通过设立相关的指标衡量体系对上市公司存在的退市风险进行及时监控,从而实现对上市公司退市风险的事前控制,避免上市公司退市的命运。对于退市风险预警的方法，国内外学者采用了不同的数理模型对上市公司退市风险的大小进行动态监测及时识别上市公司在盈利能力、营运能为、成长能力、偿债能力等方面的问题。建立上市公司退市

26、风险预警模型,不仅可为上市公司及其利益相关者提供利益保障,而且可为监管部口提供定量分析的依据。2.1.2退市风险基本概念界定退市是指上市公司不再满足证券交易所对于上市公司财务及其他方面的要求而主动或被动退出资本市场。其中,主动退市,又称自愿退市,是指上市公司根据自身经营战略决策及发展需求,主动向主管部口申请撤销上市资格，自愿退出证券市场的行为。被动退市,又称强制退市,是指上市公司因不满足上市标准而彼相关部口强制退出证券市场的行为。就我国资本市场现状而言，自愿退市的情况少之甚少，因而通常意义上而言,退市即指强制退市。2.2风险预警理论2.2.1风险预警目标和功能创业板市场上市公司退市风险预警的主

27、要目标是：在上市公司退市风险发生前及时发现，对各种即将产生的风险进行提前控制，以实现事前控制风险。但是，往往由于风险无法及时控制而最终产生，由此造成上市公司的退市。因此，风险预警指标应分为两部分，即风险发生前的预警指标和发生后的处置指标，这里我们着重强调发生前的预警指标。风险发生前的目标，（I）保障投资者利益,维护良好的投资者关系，债权，债务关系等诸多重要的关系是一家上市公司能够活跃在证券市场上的重要因素。因素，上市公司控制退市风险应建立在保障投资者利益的基础上。建立风险预警指标体系，起到提前控制风险的作用，保护投资者利益。（2）降低成本费用，上市公司都是以盈利为目的，但是，如果以预防退市风险

28、为目的，增加控制风险的成本，加重经营成本，甚至放弃盈利机会，就会违背上市的意愿，就会得不偿失。公司的经营目标就是要求风险预警部门能够以最低的成本,把风险控制在最低限度内。建立经济有效的风险预警指标体系，在一定程度上保证了利润最大化。（3）履行相关义务，上市公司的经营，必须遵守上市规则，履行应尽义务。不可因为预防退市风险，而忽视了应尽的经济，社会义务。上市公司应严格控制开展风险预警工作而产生的外部效应，不得损害社会利益。2. 2.2风险预警方法预警是指在风险产生之前，根据以往总结的方法或规律识别风险的前兆，从而做出风险情况报告。早在19世纪，西方国家最初将风险预警技术应用在宏观经济监控领域，随后

29、这一技术得到后继学者的完善。风险预警需要对大量的信息综合分析，落后的人工管理手段已经无法适应，只有依靠高科技手段，结合人工管理，提高分析自动化水平和处理能力，才能逐步提高风险预测的准确性和及时性。因此，建立一个高度自动化，智能化的风险预警体系，与证券市场上的其他系统密切配合，将在证券市场的风险管理体系中发挥出积极的作用。现在，对于风险预警研究大多数采取建立数理数据统计的方法。此方法是指监管者根据现场检查和非现场监管等渠道获得统计信息。采用一定的技术手段，运用先进的数理统计模型的方法对风险状况进行动态监测和早期预警，其目的是及时提前识别企业在盈利，经营和成长能力等方面的问题。2. 2.3风险预警

30、指标风险的发生变动，可以通过风险指标上的数量的变化所反映，同时，风险指标的变化也是对风险变化的量化测度。因此，风险指标可以作为测定风险的指示器，在上市公司退市风险评估和预警模型构建中起着至关重要的作用。因此，在选取风险指标时，首先要考虑到指标体系的完整性，建立的体系为指标集合中的最小完备组，其次要考虑到指标的非重复性。再次，所选指标应涵盖风险预警所需要的主要变量，达到预警的目的，同时剔除对主体贡献不大，判断结果模糊的非主要变量。总之，风险指标体系的构建，是建立风险预警模型的基础。3创业板上市退市的因素3. 1导致创业板退市风险的影响因素3. 1.1盈利能力因素企业的盈利能力就是企业获取利润能力

31、的大小，也被称为资金的增值能力，是上市公司在经营情况、产销情况、财务状况下的综合反映。其重要性可想而知。本文从净资产收益率和净利润率两个具有代表性的财务指标来反应上市公司盈利能力。净资产收益率，是净利润和平均净资产之间的比值，通常也被称为股东投资收益报酬率，这个指标可以将上市公司的资本获利能力以及股东权益的收益程度直接的体现出来，指标数值的大小与上市公司的盈利能力的强弱成正比，数值越大，上市公司的获利越多、盈利能力越好，反之亦然。通常情况下，处于30%-50%水平的净资产收益率就非常高了，如果一个企业拥有高达50%甚至100%以上水平的暴利净资产收益率，如果不是其具有超强的竞争力来获取异常高的

32、盈利，就是过度包装财务报表、业绩被注水。净利润率，是净利润与销售收入二者之间的比值，通常也被称为销售净利润率，这个指标能够将销售收入的收益水平反映出来,使投资者可以清楚地知道如果获得一单位的销售收入可以随之带来多少净利润。销售净利率=（净利润/销售收入）X100%其中：净利润等于利润总额和应交所得税利润总额之差，也就是营业利润、投资收益和营业外收入三者之和与营业外支出之差；营业利润等于主营业务收入与主营业务成本、主营业务税金及附加、期间费用之差。3. 1.2成长能力因素创业板上市公司的成长能力是指在对上市公司的盈利水平、经营状况进行一段时间的研究观察后，对创业板上市公司未来的发展空间和潜力进行

33、分析预测。本文选取了净利润增长率和营业总收入增长率这两个指标。净利润增长率是本年末净利润除以上年末净利润后的值再减去一，该指标不仅能够反映出创业板上市公司的盈利能力，同时更能反映出创业板上市公司的未来发展潜力。净利润增长率数值越高，说明创业板上市公司在某一期间内创造的财富越多，创业板上市公司的经营状况越良好，成长能力就越强。营业总收入增长率的计算公式是：营业收入增长率一Yff业收入增长额，上年营业收入总额）X100%,营业收入增长率是指企业本年主营业务收入总额同上年主营业务收入总额差值的比率，是评价创业板上市公司成长状况和发展能力的重要指标。该指标值越高，表明创业板上市公司营业收入的增长速度越

34、快，创业板上市公司市场前景越好。3. 1.3营运能力因素运能力是指企业的经营运行能力，是社会生产力在企业中的微观表现，是指企业通过组合与配置利用各项经济资源而促进企业发展的能力。本文从应收账款周转率、总资产周转率这两个方面来反映上市公司的营运能力。创业板上市公司的营运能力水平总体呈良好态势。但是相比较于主板、中小板的平均水平，创业板上市公司的平均应收账款情况还是稍差。应收账款周转率创业板市场所属行业低于中小板的数值主要表现在以下行业：中医药生物、石化塑胶行业、社会服务行业，而只有机械设备行业与电子行业是两个例外，这说明创业板市场里面的上市公司相对于其他板块的上市公司而言，如果有一单位的销售收入

35、，那么其所对应的应收账款的投资也相应比较多，明显富于其他两板。营运能力是对上市公司运营资产使用效率和使用效益的具体衡量,包括总资产周转率、流动资产周转率、存货周转率、应收账款周转率等方面。评价运营能力可帮助上市公司明确各资产项目的使用效率,调整经营策略,采取适宜的经营方式,泣到提高经营绩效的目标。上市公司运营能力的强弱会影响上市公司的经济效益和经营状况。应收贩款收回不力、存货积压等营运能力不佳的具体表现都会对上市公司退市风除产生促进作用。因此营运能力与上市公司退市风险负相关。3. 1.4偿债能力因素创业板上市公司在偿债能力方面表现出了竞争优势，这是由于创业板上市公司具有较高的风险，较弱的融资能

36、力，依仗的是股权投资来进行日常经营，通过向银行借款来进行负债融资的规模相对来说比较小，所以导致创业板上市的公司的负债水平相对比较低。创业板上市公司比较倾向于依靠公司自有资产，并不是依赖于向银行借款。创业板上市公司的平均资产负债率，在2013年的数值为16.82%,比2011年下降了10.44%,和2012年相比下降了5.05%,比平均水平为32.09%的中小板市场低很多。创业板的平均产权比率数值为23.01%,与上一年相比较，下降了17.56%,与平均水平为3209%的中小板相比，创业板的平均产权比率与之相差较多。除此之外，创业板上市公司平均长期资本负债率逐年递增，2013年长期资本负债率达到

37、20.37%,反观中小板市场，其平均长期资本负债率数值约为5.52%,从以上数值可以看出，在资本结构的选择上，长期资本更多的被创业板上市公司所依赖。4创业板上市公司退市预警指标体系的建立4. 1样本选取与数据来源经中国证监会调查，欣泰电气主要存在两方面违法事实。第一，欣泰电气报送中国证监会的申请首次公开发行股票并在创业板上市（以下简称“IP0”）申请文件中相关财务数据存在虚假记载。据悉，为实现发行上市目的，解决欣泰电气应收账款余额过大问题，欣泰电气总会计师刘明胜向公司董事长、实际控制人温德乙建议在会计期末以外部借款减少应收账款，并于下期初再还款冲回。二人商议后，温德乙同意并与刘明胜确定主要以银

38、行汇票背书转让形式进行冲减。2011年12月至2013年6月，欣泰电气通过外部借款，使用自有资金或伪造银行单据的方式，在年末、半年末等会计期末冲减应收款项，大部分在下一会计期初冲回，致使其在向中国证监会报送的IPO申请文件中相关财务数据存在虚假记载。中国证监会认为,欣泰电气将包含虚假财务数据的IPO申请文件报送中国证监会并获得中国证监会核准的行为，违反了中华人民共和国证券法第十三条关于公开发行新股应当符合的条件中“最近三年财务会计文件无虚假记载，无其他重大违法行为”和第二十条第一款“发行人向国务院证券监督管理机构或者国务院授权部门报送的证券发行申请文件，必须真实、准确、完整”的规定，构成证券法

39、第一百八十九条所述“发行人不符合发行条件，以欺骗手段骗取发行核准”的行为。4. 2指标体系建立退市风险的出现，并不是由单一的指标引起的，而是由各个指标互相影响，正如本文在前文中的分析，为了对创业板上市公司的退市风险进行预警，本文通过经营业绩来衡量创业板上市公司的退市风险，从而建立模型，加强预警。从盈利能力、成长能力、营运能力、偿债能力这四种能力选取财务指标进行实证分析，最终本文最终选取了12个财务指标作为构建退市风险预警模型的指标，如图4-1所示：净资产收益率（Xi）=净利润股东权益平均余额盈利能力净利润率（X2）=净利润销售收入总资产净利润率（X3）=净利润+总资产平均余额净利润增长率（X。

40、=（本年年末净利润上年末净利润-1）100%成长能力营业总收入增长率（Xs）=营业收入增长额+上年营业收入总额XlO0%应收账款周转率（X6）=主营业务收入应收账款平均余额固定资产周转率（X,）=销售收入平均固定资产净值营运能力总资产周转率（X8）=营业收入平均资产总额产权比率（XG=负债总额股东权益费产负债率（X】o）=负债总额资产总额偿债能力流动比率（Xn）=流动费产+流动负债速动比率（Xn）=速动资产流动负债图4-1指标体系汇总Fig.4-1Summaryindexsystem4.3模型研究过程及结果分析4.3.1Kolmogorov.SnlirnOV检验K.S检验是一种非参数检验的方法

41、，它的名字来源于俄罗期数学家柯尔莫哥和斯米诺夫（KOIinOgOrov.SnlirnOV）的名字，通过共同命名得到这种检验方法的名称为K.S检验。本文首先对所选取的12个指标进行正态分布检验，根据正态分布的检验结果，然后选择指标检验显著性的方法。利用SPSSI7.0统计分析软件，对样本数据的12个指标进行显著性水平5%的K.S检验，以此来检验样本服从正态分布的情况，检验结果如下表4.2所表4-2K-S检验Tab.4-2K-Stest变量Kolmogorov-SmirnovZAsymp.Sig.(2-tailed)变量Kolmogorov-SmirnovZAsymp.Sig.(2-tailed)

42、Xi2.769.000X75.101.000X23.093.000Xs1.895.002X32.252.00093.090.000X46.83】.000Xio1.546.017Xs1.439.032Xn5.359.000Xe7.548.000Xn5.405.000根据K-S法则，显著性水平SigX）.05时，被检验指标即符合正态分布。通过表4-2可知，12个指标的显著性水平均小于0.05,表明其均值存在显著性差异。4.3.2因子分析对数据预处理因子分析是由CharlesSpearman提出，对主成分分析法的发展,通过运用因子分析可W在有效减少变量数量的基础上,保留原始数据的大部分信息,保证各因

43、子之间相对独立,实现降维的目KMO是KaiSerTleyer.OlkirI的抽样适当性量数，KMo值越大，表示变量间的公共因子越多，越适合进行因子分析。表4.3的KMO值为0.783,表示变量间有公因子存在，变量适合做因子分析。另外，卡方的值为3803.005（自由度为66）,显著水平达到0.000,说明总体相关矩阵中有公共因子存在，适合做因子分析的。表4-3KMO检验和Bartlett球度检验Tab.4-3KMOtestandBartlettssphericitytestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.783BartlettsTesto

44、fSphericityApproxXhi-SquaredfSig.3803.00566.0004.3.3提取公共因子因子提取旨在从初始变量中提取代表所有变量大部分信息的因子,从而实现为预警指标降维的目的。因子提取主要采用凯泽法或累巧贡献率法。凯泽法一般提取特征值大于1的因子。累积贡献率法一般提取能包含原始信息75%W上的因子,本文综合采用两种方法,用SPSS18.0统汁软件,得到的因子提取结果如表4-4所示表44公因子方差Tab.4-4CommonfactorvarianceInitialExtractionXi1.000.914X21.000.827X31.000.94941.000.656

45、Xs1.000.608Xe1.000.789X71.000.364X81.000.644X91.000.840Xio1.000.830Xn1.000.917X121.000.918ExtractionMethod:PrinCiDaIComnonentAnalysis.表4-4能够反映出公因子方差对相应的初始变量的提取度，第一列表示因子分析初始解下的变量共同度，从这一列可以看出如果对对原有12个变量采用主成分分析方法提取所有12个特征根，那么可以解释原始变量的所有方差，原始变量标准化后的方差为1,也就是说变量的共同度均为1：第二列是12个原始变量得到的初始解，该列数据之所以全部为1.OOO是由于

46、因子变量对每个原始变量的方差都能够解释；第三列是原始变量的提取度，从上表中可以看出该列数值全部小于1.000,这是由于在通过因子分析提取原始变量后，因子变量的数量因此会比原始变量的数量小。表4-5主成分列表Tab.4-5ListofthemaincomponentComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotalVariance%Cumulative%TotalVariance%Cumulative%TotalVariance%Cumulative%13.381

47、28.17928.1793.38128.17928.1792.92224.34724.34722.63021.91750.0952.63021.91750.0952.19318.27542.62231.41711.81261.9081.41711.81261.9082.11517.62260.24541.1279.39171.2981.1279.39171.2981.32611.05471.2985,9678.05879.3566.9467.88287.2397.6775.64492.8828.5634.69197.5739.1931.60599.17810.079.65799.835110.18.15099.98512.002.015100.000Extracti