上市企业生存特征探析

导语：上市企业生存特征探析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

【摘要】

上市公司是一类较为特殊的社会经济组织，其生存状况如何，自上市后是怎样发展变化的，是现今人们关注与研究的热点。本文利用统计生存分析法，在时间的纬度上，研究上市公司历史数据，把握上市公司生存规律，寻找随时间演变公司所展现出的与公司生存有关联的特征表现。运用生存概率的非参数估计方法——乘积极限法描述上市公司生存特征；选择财务指标，建立Cox比例风险模型，采用Newton-Raphson迭代法求解分析公司生存过程中财务指标的特征表现。运用模型定量研究公司生存将极大改观过去定性研究准确性低的问题，不论是从学术研究还是实践应用都具有重大的研究价值和意义。

【关键词】生存分析Cox比例风险模型乘积极限法

一、背景

上市公司是一类较为特殊的社会经济组织。一方面，通过其产品或服务直接或间接地联系千家万户；另一方面，上市公司通过所发行的股票或债券直接影响投资者利益，关系到社会经济的运行和发展。所以，自上市公司产生以来，就吸引了大量的机构和个人关注与研究上市公司的发展和变化。现有的研究主要集中于公司和行业层面的研究，集中于公司管理、财务状况、行业发展、宏观经济环境对上市公司股票价值的影响、以及股票的定价等方面的研究。然而，从生存状况角度研究上市公司则相对较少。

中国的上市公司生存状况如何，上市公司自上市后是怎样发展变化的，或许我们可以从一些简单的统计数据以及相应的背景描述获得些许的说明和认识。然而，现有的分析和资料无法让我们获得更为深刻的认识。是什么因素引起了不同的上市公司具有不同的生命周期特征？当我们选择所要投资的上市公司时，除了考察一般的分析指标以外，我们还可以应用统计生存分析方法以概率的形式描述中国上市公司的生存轨迹特征，探究上市公司之间生存特征差异的识别因素和指标。

生存分析就是这样一种在自然、社会经济中运用较多的统计分析方法。该方法以概率形式描述事物的生存特征，说明事物生命演化过程中的各种可能性及其发展变化。对生存分析方法的应用，国内很少有学者从时间的纬度描绘企业经营失败及财务困境风险的动态演化过程，因此将统计学中的生存分析法应用在研究上市公司经营生存，探究其生存轨迹，及其生命过程不同阶段表现出的不同特征等将是一次新的尝试。

二、研究目的及意义

回顾和展望中国上市公司的历史、生存现状和未来发展,把握上市公司的投资机会与风险,寻找可持续发展之路,已成为不可回避的问题。不论是作为公司管理者，还是公司的投资者，公司就是社会经济活动演化的生命体，和自然生物一样，生命随时间演化形成公司的生存轨迹，并在不同的阶段表现出不同的生存特征。上市公司生存分析就是利用统计学生存分析法，从时间的纬度研究上市公司历史数据，把握上市公司生存规律，寻找随时间演变，公司所展现出的与公司生存有关联的特征表现。

能够掌握上市公司的生存规律，及各阶段所展现出的定量特征，对于公司经营管理者而言，可以根据观测发现的和公司生存有关的特征表现，及时调整经营策略，防止公司出现经营失败的危机，这将极大提高公司永续经营管理的可控性；对于公司投资者而言，通过观测研究所得和公司生存相关的特征表现判别公司的经营状况，预测公司未来命运，极大的帮助投资人判别投资项目，防范投资风险；对于市场管理者而言，掌握了公司生存规律，生存特征表现及影响公司生存的特征因素，将极大增强市场管理有效性及管理中政策方针的准确性。总之应用统计生存分析法定量研究公司生存将极大改观过去定性研究准确性低的问题，不论是从学术研究还是实践应用都具有重大的研究价值和意义。

三、方法介绍

1、定义生存分析起源于对死亡的研究，是统计学的一个重要分支。现在它已发展成为研究某种事件发生时间规律的一类特定统计学方法，在自然科学和社会科学中有了广泛的应用。把死亡（或生存）的概念发展为事件就可以运用生存分析方法来分析他们发生的规律及影响因素。

2、分析方法生存分析主要通过对研究对象生存（持续）的时间和事件的发生构造四类描述研究对象的生存时间分布函数来研究对象的生存发展规律。此外，则通过引入表征个体（或类）特征的协变量的方式来研究不同的个体（或类）特征对研究对象生存时间分布的影响。因此，在生存分析中至少需要引入三类变量：事件、生存时间和协变量，构造四类分布函数：概率密度函数、概率函数、生存函数和风险函数。

三类变量：

事件（event）：或称结果，用y表示。它是研究者所关心的焦点。在研究期间，所规定时间可能发生，也有可能不发生。

生存时间（survivaltime）：用t表示。广义地说，生存时间是从某种起始事件（如股票上市）或状态转换到另一事件或状态所经历的时间跨度。

协变量：用x表示，是影响事件发生迟早的因素。如发行股票公司的特征、所属的行业、地域等。

四类反应寿命概率分布状况的函数：

概率密度函数：用f(t)表示，其定义是一个事件发生于（t，t+△t）这一区间内的概率极限。它表示事件发生速率的强度。其数学表达式为：

概率函数：用F（t）表示，又称为死亡概率或累计死亡概率。他表示一个被观测对象（如，一支股票）从开始观察起到时间t为止的死亡概率或死亡危险度，其数学定义公式为：

生存概率函数：用S（t）表示，简称生存率。其定义如下：

在实际工作中生存概率可以用如下公式估计：

风险函数：用h（t）表示，其含义是：一个生存到时间t的个案，再从t到t+这一非常小的时间区间内死亡的概率极限。用公式表述为：

累积的风险函数可定义为：

在三类变量和四个函数的基础上，通过参数或非参数，以及半参数的方法建立被研究对象生存或死亡特征概率特征函数和概率影响因素的协变量决定模型，研究其生存概率表现及其影响因素。

非参数方法主要是Kaplan-Meier法、生命表法（Life-table-method）和Cox比例风险模型。前两种方法用于生存概率的估计，后一种方法通过建立生存回归模型的方式，探求协变量对生存的影响。

Kaplan-Meier法适用于不分组样本。其计算采用乘积限（Product-limit）法。寿命表（Lifetable）方法则一般适用于分组资料的生存概率估计。由于寿命是受一些协变量影响的，所以当我们要进一步分析影响寿命的因素时，则要需建立回归模型。

Cox比例风险模型

一般的回归模型并不能处理截尾数据（如果在规定的结束时间,由于失访,死亡,未愈等没有出现结果事件者称之为截尾，从起点到截尾日的t时间称为截尾数据）。而Cox分析不仅可以分析时间-事件的数据，也可以分析含有截尾值的数据。它既是一种回归分析也是一种生存分析。

在Cox回归模型中，在一时点t,除了有一个本底风险量外，第i个影响因素可使该本底风险量增至倍而成为。因此如果有K个因素同时影响生存过程，那么时点t的风险量（常称之为风险函数）表达式为：

（1）

其中：为在时间t的风险函数；，，…，为协变量；为回归系数；为基准风险函数（baselinehazardfunction），是与时间有关的任意函数，函数形式无任何限定，但为非负值。把基准风险函数视为一个所有协变量的取值都为0的个体的风险函数。由此可见，Cox比例风险模型由两部分组成，一部分是由参数形式表示的协变量的效应，另一部分是用不确定形式表示的基准风险。

如果将式（1）的等式两边取对数，得到线性模型为

（2）

这里。如果规定，就得到指数模型。如果规定，就得到Weibull模型等。在此，我们采用Newton-Raphson迭代法求出参数的估计值。

四、实证分析

（一）数据说明

本次分析中，我们选取了沪深两市三类型（A、AB和AH）、12行业共计1412支上市股票自其上市至2006年年报中的以上相关指标数据。股票发行类别行业分布的基本统计数据见表1-1

所有数据均来源于：清华大学锐思数据网和国泰安研究服务中心数据库。

表1-1所选股票上市交易所、发行类别及行业分布

所属行业深圳交易所上海交易所合计

AHABA合计AHABA合计AHABA合计

采掘业0099401620402529

传播与文化产业002201670189

房地产042125132832174957

建筑业001212001919003131

交通运输业021618933446955064

金融银行业003300110044

农林牧渔业022022313640335662

批发零售业012728025961038689

社会服务业012223141419153642

信息技术业103435134852238287

制造业63037240813274164561957788864

综合类行业022830004444027274

合计7425666153244721797398612871412

说明：以上行业分类参照腾讯网金融股票行业分类。

（二）生存事件的定义

事件：我们定义一支股票的发行为其出生，自上市以来第一次发生连续两年净资产收益率小于零为其死亡，即事件的发生。也就是说，当这只股票在第二年发生净资产收益率小于零的财务状况，那么这只股票也就发生了我们所定义的事件的发生，其生命存续期间也就是限定在从其上市到定义事件的发生。

截尾时间：我们的研究分析时点选择为上市公司2006年年报的公布，规定了一支股票不管其发生死亡事件与否，其2006年年报公布日作为截尾时间。各上市公司2006年年报的日可能不尽相同，但由于我们所考察的是其年报所代表的前一年的财务状况，所以这样的规定对分析结果不会产生影响。

就一支股票来说，如，C000004自1991上市后，2003年和2004年连续两年发生净资产收益小于零的财务困境，当2004年所的年报表明其净资产收益率为负时，所定义的死亡时间也就发生了，其生存完全时间为14年；如果其不是2004年发生净资产收益率为负，或者是2005年由发生净资产收益率小于零的财务状况，那么“死亡事件”没有发生。如果一支股票从其出生，也就是说从其上市以来，未曾发生过连续两年净资产收益率小于零的状况，那么该支股票的存在时间为不完全时间或截尾时间，如C000002自1990年上市以来，未曾发生连续两年负净资产收益，所以其存续时间17年为不完全时间。我们所定义的“死亡事件”仅仅意味上市公司发生财务困境，公司经营表现不理想的状况，而并不真是意味该公司发生破产清算或退市。

（三）上市公司生存特征描述

1.、生存概率估计

表1-2上市公司生存概率表

生存时间生存状态当前累计存活概率累计事件次数

估计值标准差估计值

2.0001.999.0011

3.0001.996.0013

4.0001.991.00312

5.0001.970.00539

6.0001.938.00779

7.0001.899.009124

8.0001.864.010162

9.0001.820.011207

10.0001.788.012238

11.0001.763.013258

12.0001.733.014280

13.0001.703.015297

14.0001.692.016301

15.0001.681.018303

16.0001.666.020305

17.0000..305

运用生存概率的非参数估计方法——乘积极限法（Productlimitmethod），对沪深两地1412支上市股票历年数据进行中国股市上市公司生存状况概率估计，获得上市公司生存概率（见表1-2）。从估计结果可知：（1）上市公司在上市的前5年发生连续两年负值净利润的概率仅为0.03；（2）上市公司上市发行股票10年时，相应概率为0.212，发生连续两年亏损的概率大大加大，这个一般公司的生存轨迹具有较大的相似之处；（3）而当上市公司上市在15年以上时，发生连续两年亏损的概率，即本文中所定义的发生的死亡风险在0.32以上。把以上估计生存概率的结果作适当处理，绘制成生存概率图，可以更加直观的看出我国上市公司自上市以后，表示公司综合经营状况指标之一的净利润指标如何随时间变化的生存轨迹图（图1-1）。

图1-1上市公司生存概率图

从图1-1，可以发现，上市公司在前几年内生存，即不发生连续亏损的概率基本接近于1，而在5年以后，这一概率将发生较为显著的变化。而且其变化率近似于线性增加，这可以在表征生存概率变化的对数生存曲线图（见图1-2）上可以得以较好的说明。

2、生存分布曲线拟合

生存概率的估计及相应生存/风险曲线的描述在一定程度上对上市公司生存特征有了一个较好的描述。然而无法精确说明上市公司生存特征具体具有哪一类统计分布所具有的特性，建立在统计分布之上的其他统计分析方法也就无法运用于该生存特征的分析。因而有探索上市公司自其上市以后大体服从那一类具体的统计分布。

生存分布曲线的拟合是运用参数方法，以所收集的上市公司数据符合某类统计分布的程度来检验探求上市公司的生存特征分布。

假设上市公司净资产收益数据服从Weibull分布、对数正态分布、指数分布、Gamma分布和Logistic分布之一。分别用数据拟合各类分布，计算表证拟合程度的LogLikelihood指标，经整理后如表1-3所示。比较各类分布的模型拟合值，可知上市公司数据更有可能服从标准Gamma分布和对数正态分布。同时以嵌套模型统计假设检验方式也验证了这一结论。拟合估计所得的标准Gamma分布scale和shape参数分别为0.766（0.6772）和-0.7527（0.2800）（括号内的值为相应标准差）；Log-normal的拟合参数为0.6402（scale参数，相应标准差为0.0288）。

表1-3生存分布拟合比较

服从的分布（假设）LogLikelihood

Exponential-767.5991972

Weibull-651.5044409

Log-normal-632.2756572

StandardGamma-628.4479988

Log-logistic-1316.589246

图1-2对数生存曲线

在图1-2中，曲线在时间点5以前基本接近且平行于横轴，靠近时间点5时，曲线发生较大变化，斜率逐渐增大直至时间点5以后一段时间，而后曲线基本呈直线形状。这说明时间点5，即上市公司在上市5年左右以后发生连续两年亏损的可能变化将增大，上市公司在上市5年以后，其业绩可能发生坏的突变的机率增加。此外，我们可以获得上市股票在市场上平均存活，即到发生连续两年亏损时其平均存续时间的估计，其估计值为13.84年，相应标准差为0.123年。

（四）Cox模型建立、估计、分析

1、指标的选择

为分析不同公司其他各方面特征对公司业绩表现的影响，在短期无法获得相应数据指标的条件下，我们考虑引入能够在很大程度上代表公司业绩表现的各类财务指标作为协变量，分析能够代表公司各方面能力的各类财务指标对上市公司发生“死亡事件”的影响。考虑所选择的指标既要较为全面的反映上市公司各方面的能力，又有实际可用的数据，我们选取了分别代表上市公司的偿债能力、营运能力和盈利能力的指标。具体见表1-4：

表1-4指标分类

偿债能力资产负债率、流动比率、速动比率

营运能力存货周转率、营运资金（资本）周转率、营业收入增长率、流动资产周转率、总资产周转率

盈利能力净资产收益率、综合杠杆系数、营运资金比率、营运资金对资产总额比率、营运资金对净资产总额比率、营业收入净利润率、净利润增长率考虑到由上市公司战略规划和经营管理的连续性使得上市公司业绩各年表现的连续性，研究探求上市公司前期财务状况表现是否和后续生存特征相关，或者说预示其后期生存表现，即从设立到截尾期间15个财务指标在时间维度上对公司生存影响的稳定及变化。我们分别以发生所定义死亡事件时点的前一年、前三年、前五年，以及公司上市后第一年的以上15财务指标分别建立Cox比例风险模型。

2、前一年指标影响分析

以事件发生前一年的财务指标建立Cox比例风险模型。对于其中的时变协变量，我们按一般时变协变量处理思路，对每一个该类变量均乘以相应的时间变量再作为协变量纳入模型之中。运用软件生存分析模块估计模型参数，结果如表1-5：

表1-5事件发生前一年模型参数估计值

BSEWaldSig.Exp(B)

综合杠杆系数.000.0001.441.2301.000

净资产收益率-.011.023.238.626.989

资产负债率-.636.045204.388.000.529

流动比率-.084.02313.195.000.920

速动比率.026.0221.464.2261.027

营运资金比率-.001.011.010.920.999

营运资金对资产总额比率-.060.068.784.376.941

营运资金对净资产总额比率.001.012.011.9161.001

营业收入净利润率-.015.033.212.645.985

营业收入增长率.002.00016.102.0001.002

净利润增长率-.001.0005.862.0151.001

存货周转率.000.000.907.3411.000

营运资金（资本）周转率.000.0001.617.2031.000

流动资产周转率-.041.01113.818.000.959

总资产周转率-.189.03528.647.000.828

结果表明，按一般的5%的显著水平，所选时变财务指标中，只有资产负债率、流动比率、营业收入增长率、净利润增长率、流动资产周转率和总资产周转率等六个三类能力指标是显著的，说明这6个财务指标在前一年已经发生第一年亏损的情况下对预示后一年连续发生亏损的生存概率的估计具有较强的解释作用。同时，表明具有较高的资产负债率和流动比率的上市公司更不容易发生连续两年亏年，这也映证了财务状况好的上市公司更可能盈利的财务理论。上市公司前一年资产负债率提高一个百分点，紧接着发生同时注册资本的估计系数为负、特别大，且统计检验显著为零，说明上市公司规模越大，具有越小的生存危机可能。流动资产周转率和总资产周转率具有类似的特点，但是代表企业成长能力的两个财务指标估计系数为正，说明这两个指标数值的提高将导致该企业具有更大的在下一年连续亏损的概率。然而由于其估计系数小，所以其影响效果将不是很明显。

3、前三年指标影响分析

根据上市公司发生连续两年亏损事件的前三年指标获得估计结果见表1-6：

表1-6事件发生前三年模型参数估计值

BSEWaldSig.Exp(B)

综合杠杆系数-.002.0021.301.254.998

净资产收益率.001.006.051.8221.001

资产负债率-.475.043121.213.000.622

流动比率-.036.0232.497.114.965

速动比率-.023.0201.295.255.977

营运资金比率.070.0248.699.0031.073

营运资金对资产总额比率-.184.0756.064.014.832

营运资金对净资产总额比率-.006.007.572.449.994

营业收入净利润率-.021.0151.949.163.980

营业收入增长率.000.0002.823.0931.000

净利润增长率.000.000.827.3631.000

存货周转率.000.000.565.4521.000

营运资金（资本）周转率.000.000.349.5551.000

流动资产周转率-.012.0082.000.157.988

总资产周转率-.172.03426.217.000.842

表明除了资产负债率和总资产周转率显著以外，运营资金比率营运资金对资产总额比率和总资产周转率也表现显著。在几个估计系数中，资产负债率、流动资产周转率及总资产周转率与前一个模型估计所得符号相同，而营运资金估计系数符号为正，表明营运资金比率的提高会提高发生定义生存事件的概率，营运资金比率提高1个百分点，事件发生的概率将提高1.1个百分点。

4、前五年指标影响分析

运用Cox模型，考虑对上市公司连续两年发生亏损的前五年的财务相关数据指标建模，模型估计结果见表1-7：

表1-7事件发生前五年参数估计值

BSEWaldSig.Exp(B)

综合杠杆系数.001.0011.293.2561.001

净资产收益率-.012.0063.819.051.989

资产负债率-.328.04847.396.000.720

流动比率.010.026.157.6921.010

速动比率-.038.0242.561.109.963

营运资金比率.040.0204.113.0431.041

营运资金对资产总额比率-.297.07714.674.000.743

营运资金对净资产总额比率.001.005.017.8971.001

营业收入净利润率.000.021.000.9971.000

营业收入增长率.000.000.021.8841.000

净利润增长率.000.000.932.3341.000

存货周转率.000.000.129.7191.000

营运资金（资本）周转率.000.000.188.6641.000

流动资产周转率-.044.01214.103.000.957

总资产周转率-.002.034.005.945.998

结果表明，除了以上均显著的资产负债率和流动资产周转率外，代表短期偿债能力的营运资金比率和营运资金对资产总额比率也是模型显著指标。

5、上市第一年财务指标影响分析

尽管上市公司均要求其业绩各项指标均达到一定的标准，然而不同上市公司在与其业绩相关的各项财务数据指标上仍然表现出很大的不同，为了探求这些不同是否与其上市后是否发生连续亏损事件，或发生该类事件的可能性高低有关，我们拟选择上市公司上市前的相应数据，然而由于数据缺失，我们选用上市公司第一年财务指标数据以表示其上市前的财务数据的近似，建立相应Cox模型。对该模型进行估计获得估计结果见表1-8：

表1-8上市前模型参数估计值

BSEWaldSig.Exp(B)

综合杠杆系数.000.001.028.8681.000

净资产收益率-.104.01739.066.000.901

资产负债率-.422.04684.043.000.656

流动比率-.012.020.400.527.988

速动比率-.014.019.562.453.986

营运资金比率-.003.012.047.829.997

营运资金对资产总额比率-.136.0585.482.019.873

营运资金对净资产总额比率.036.01012.482.0001.037

营业收入净利润率-.477.07738.808.000.621

营业收入增长率-.132.0506.835.009.876

净利润增长率-.023.027.728.393.978

存货周转率.000.000.105.7461.000

营运资金（资本）周转率.000.0002.646.1041.000

流动资产周转率-.019.0085.352.021.981

总资产周转率-.158.03619.661.000.854

结果表明，表示上市公司盈利能力的营业收入增长率、营业收入净利润率和净资产收益率均显著；同时，代表长期偿债能力的资产负债率，以及表示营运能力的流动资产周转率和总资产周转率均显著；此外，代表短期偿债能力的营运资金对资产总额比率和营运资金对资产总额比率也显著。

6、财务制度变迁虚拟变量的引入

在上述的分析中我们没有考虑财务会计制度的变化对上市公司财务指标的影响，。然而，中国上市公司发展的过程也是中国财务制度不断完善的过程，其间各项法律、法规的逐步实施必然会对上市公司信息披露产生一定的影响，从而可能影响我们的模型构建和估计。为了考察财务制度完善过程中各项法律、法规的实施对上市公司各项财务指标的可能影响，剔出由于这些影响所造成的估计偏误，我们拟引入d93、d97、d01和d03等3个虚拟变量用于分别表示影响上市公司财务报表数据变化的各项重大财务、会计法律法规的影响，具体的财务会计法律、法规如表1-9：

表1-9各项财务会计法律、法规统计

年份财务会计法律、法规事件虚拟变量

1993企业会计准则（基本准则）和企业会计制度（13个行业会计制度）d93

1997《企业会计准则——关联方关系及其交易的披露》d97

2001修订了债务重组、《金融企业会计制度》等d01

2003《证券公司会计制度——会计科目和会计报表》d03

在虚拟变量变量的引入过程中，考虑到不同年份影响的不同，我们也把以上虚拟变量以时变协变量的形式引入。估计所建立的Cox模型，获得结果（具体见附表1-4）表明，代表1993年、1997年和2001年的虚拟变量均显著，而表示2003年的虚拟变量在第四个模型中部显著。对于其中某些年度数据由于虚拟变量几乎全为0或1，所以没有在该模型中引入该虚拟变量。各变量在各模型中是否显著，以及其符号是否为正可参见表1-10。

表1-10含虚拟变量模型财务指标估计结果统计表

（五）小结

通过引入不同年份财务数据作为时变协变量建立Cox模型（见表1-10），我们发现：

表1-10财务指标估计结果统计表

说明，其中A表示模型没有引入虚拟变量，B表示包含虚拟变量的模型。

（1）表示上市公司长期偿债能力的资产负债率对公司生存的影响在每个模型中均显著。其系数均为负值，且表现稳定。这表明，良好的资产负债率可降低上市公司死亡的风险，且这种影响是长期稳定。

表示公司短期偿债能力的流动比率指标在前1年的回归模型中系数为负值且有显著影响，而在前3年和前5年的回归模型中表现并不显著。这表明，流动比率仅在短期内对公司的生存具有较强的影响。这也论证了短期偿债能力指标只能衡量公司短期的财务状况。

（2）表示公司营运能力的指标在四个时期的回归模型中表现显著但不稳定，如：营运资金比率在前3年和前5年的模型中显著，总资产周转率在前1年和前3年的模型中显著。这表明，运营能力指标在短期内对公司生存具有较强影响，但这种影响即时有效，却不能长久。

（3）表示公司盈利能力的指标在四个时期的回归模型中表现不太显著且不稳定。这反映了会计制度在权责发生制下确认收益并不能保证公司现金流入的即时性，也就不能保证公司的即时支付能力。因此，盈利能力指标对公司生存风险的影响也是不稳定的。

综上所述，研究体现公司偿债能力、营运能力和盈利能力所引入的15个财务指标，自公司成立起都在一定程度上影响公司的生存状况。而长期偿债能力是其中最能体现公司生存特征的指标。

偿债能力不足，将直接威胁公司的生存。公司即使盈利，但如果资产结构不合理，也会给公司带来灭顶之灾。因此，资产结构是否合理是决定公司生存与否的关键。

当考虑在模型中引入表示财务指标变化的虚拟变量时，模型结果表明，尽管虚拟变量在各模型中均显著，然而上市各种能力的指标在模型中的显著与否变化不大。虚拟变量的引入对某些年度的模型影响较为明显，在前三年和前五年的模型中加入虚拟变量以后，均只有资产负债率显著。此外，要引起注意的是，在引入虚拟变量以后模型中营业收入增长率指标的符号发生了变化。

五、结论

本次研究中，通过定义上市公司自上市以后连续两年净利润为负为死亡事件的发生，以统计生存分方法为工具，获得有关中国股票市场上市公司业绩的如下生存特征：

第一，随时间的增加，上市公司发生连续两年亏损事件的概率逐年增加。我们分析得出的以5年为一个事件划分点，在一定程度上印证了上市公司存在的一个现象，即一年好、二年平、三年就亏损、四年变成ST这样的公司成长逻辑。对于其中的潜在原因综合各方面文献可总结为：1）相互割裂的市场结构可能会造成一种独特的股东行为。这种市场结构导致了实际控制人或大股东独立的有悖于其他股东的价值追求标准。2）我国的股权结构很容易带来只顾融资，不管生产的现象。很多效益不错的从事实体经济活动的企业上市之后竟然转变成了金融投资公司。

第二，上市公司生存分布曲线和Gamma分布和对数正态分布曲线更为近似。

第三，代表上市公司长期偿债能力的资产负债率对上市公司发生连续两年亏损事件解释能力较强的一个财务指标。通过建立各年财务指标对“死亡事件”发生概率的协变量建模分析发现除资产负债率以外，营运资金对资产总额比率、流动资产周转率和总资产周转率等指标在较多年份的模型中均能较为显著的解释“死亡事件”发生的概率。其他指标则除综合杠杆系数外，至少能在一个模型中提供解释能力，且各指标在各年的表现不尽相同。

第四，在引入代表财务会计制度变化的虚拟变量以后，代表长期负债能力的资产负债率仍然显著。表明资产负债率应是一个较好的预示生存事件发生的指标。

第五，将传统的经验式判断定量化。当今公司经营管理者通常使用定性方法来评价公司的未来前景，而这种定性方法是凭借着自己多年的工作经验来总结的。特别是从事保险业和银行业的业务审核人员，在判断是否为一些公司办理某些业务时，都会凭其经验看该公司的财务指标。而本文通过将财务分析定量化，为公司管理者提供了更科学的方法。同时，也为投资者进行投资时提供了有效的判别方法。

六、不足与进一步研究方向

在本次研究中，由于相关理论的缺乏，发现结果的解释可能不尽合理，同时在数据的选取和模型的建立过程中，由于某些数据指标的缺失以及指标选择的可能不合理，致使某些分析结果，特别是关于协变量部分的分析结果可能存在谬误。特别是我们只考虑了选取表征公司业绩状况和能力的各类财务指标，而没有考虑其他切实表示上市公司如真实状况的这类数据。

但是就本次分析中的发现而言，还是有很多值得关注和进一步研究的地方，特别是关于协变量研究部分，距离事件发生时点不同年份的有不同的财务指标能够显著的解释事件发生，这其中是否包含某种必然，值得我们进一步研究；同时是否由于不同年份有不同的财务指标可用于解释事件发生的概率，是否我们可能根据这些不同的财务指标建立上市公司业绩状况预警模型呢，这也是一个值得探究的地方。此外，如果能够选取关键指标用于分析和描述上市公司的生存特征，必将能够获得更深层次的能够解释上市公司生存状况的原因。总之，上市公司的生存分析，牵涉公司的方方面面，选取某一方面的因素来研究上市公司生存特征，能够很好的描述不同背景公司之间的生存特征的差异，但是要探究产生这种差异的原因，还需要综合各方面的因素加以考虑，单单从某一方面来说，是远远不够的。

七、参考文献

【1】陆明志、何建敏、姜丽莉，基于生存分析模型的企业财务困境预测【J】统计与决策，2007（21）

【2】范霄文、储海林，上市公司财务指标的综合评价【J】财金贸易，2002（02）

【3】尹侠、肖序、胡永康，上市公司财务预警的实证分析【J】财经理论与实践，2001（01）

【4】张爱民,祝春山,许丹健.上市公司财务失败的主成分预测模型及其实证研究[J].金融研究,2001,(03)

【5】.Griggs,FrankT.Survivaltimemodelofacoalitiontheoryoffinancialdistress,DissertationAbstractsInternational,Vol.51-08,【J】,p.2827.