1. 研究目的与意义
退市，与上市相对，是已上市公司由于未满足交易所有关财务等其他上市标准，或者因违法违规运营受到行政、法律等公开处罚，而主动或被动终止上市的情形，即由一家上市公司变为非上市公司。截至2018年9月，沪深两市共105家公司退市，其中56家为强制退市。全球成熟的资本市场上，同一时期内退市的公司与上市公司数量应无太大的差距，如美股市场，上市公司总数量多年平稳，纽交所年均退市率约为6%，退市的公司中差不多有一半是主动退市的。但目前中国股市尚不成熟，主动退市本就是凤毛麟角，强制退市更是A股难啃的硬骨头。
选择研究退市风险和预警机制相关问题是受到前不久长生生物制药涉嫌制造假疫苗，因而被“退市警示特殊处理（*ST）”事件的启示。回顾中国股市近三十年的发展历程，“只上不下”似乎成为我国上市公司的一种常态。上市难，退市亦难，人人喊打之辈在资本市场上竟仍然有人为之铤而走险，甚至将其炒作为大热股，使那些站在退市悬崖边上的ST股，成为“不死鸟”；这并不代表着ST股自身质量有多高，或者仅仅是遭遇暂时的危机，而是因为在中国，退市似乎是一件非常遥远的事，A股股民对此并无多少恐惧感，才导致了问题股在较长一段时间内仍保持着较高的交易活跃度。自2014年10月，证监会出台《关于改革完善并严格实施上市公司退市制度的若干意见 》 ，近年来，从*ST博元、*ST 吉恩、*ST 昆机再到*ST 烯碳，A 股的退市常态化已经在路上；12月11日，*ST长生收到了来自深交所的强制退市告知书，这将是退市常态化进程中的又一里程碑。
目前A 股市场已经实现了新股发行常态化，对于一个健康的资本市场而言，上市和退市必须保持相对平衡，如果新股上市通道十分顺畅，但退市的个股却寥寥无几，这样的市场本身并不健康。因此本文将视角转移到退市相关问题上来，旨在推动建立一个更加完善、协调、成熟的资本市场，让退市有迹可循，有法可依，有应对办法，并在退市无法避免时，既能主动退市，又有强制退市。2. 研究内容和预期目标
一、研究内容
本文选取今年以来被强制退市成功的五家上市公司，分别是中弘股份——A股首家“1元退市”股、长生生物——首家因重大违法行被强制退市的股票、吉恩镍业、昆明机床、烯碳新材三家均因财务不达标被强制退市的股票，对它们近五年的财务数据进行横向和纵向比较分析，寻求异同点和整体走势，并分别衡量这些因素对退市风险的贡献度，也就是退市相关性。以对这五家企业的财务报表的研究作为切入点，具体对其偿债能力、经营效率、盈利能力、流动性等基本财务指标进行计算分析，汇总在一张统计表中，便于企业之间的数据对比。
将构建的模型应用于经营风险较大、未来预期前景不明朗的创业板科技股公司，通过把获取的该公司数据代入模型，计算出三年内具体风险指标，结合企业的近几年实际发展状况，以及经济大环境的基本面，评价模型的科学性；同时将已退市公司财务数据重新代回模型，检验预警机制的准确性。
3. 国内外研究现状
文献综述:
国内研究现状：
罗公利、吴靖朝《基于财务指标的ST办司退市风险判别研究》指出，在公司被ST 的前一年，负债程度较轻的ST公司能够抵御以后的不利环境，应收账款周转率对ST公司的影响程度也很大, 为了避免退市命运, ST公司应该减少应收账款的扩张规模, 防止公司资源进一步外流；张妍妍、吴乔《基于Probit模型的中国上市公司退市风险预警研究》，选取了已退市的36家公司和相同数量的业绩正常的上市公司，实证研究结果表明, 选入的财务指标各自的预测准确率不同, 但其中的总资产净利润率、销售净利率、主营利润增长率、总资产增长率、资产负债率、流动比率、速动比率等七项指标能较好反映退市公司与非退市公司的差异性；黄云洲、赵喜仓《股票退市风险警示制度的效应分析》认为，对上市公司进行退市风险警示处理将影响到股票的价格，且对不同行业股票的影响不同；李彤《创业版退市风险大起底》一文认为，净资产垫底、业绩下滑趋势明显以及虚假经营、谎报运营现状的上市公司，具有较显著的退市风险；王芳云《上市公司退市风险研究》表示，公司治理结构不健全、企业产业结构不合理、大股东占用上市公司资金、资本结构不合理、应收账款问题、经营决策失误、历史遗留问题长期悬而未决和对外担保这以上八大问题，是公司退市风险的主要成因；石薇、应会莉《中国上市公司退市风险警示预测-基于优化的神经网络模型》一文，将已被ST的公司财务报表中的特征指标带入到优化的神经网络，通过对历史财务指标进行有效的训练，建立起财务风险预警模型；朱曦，冯田，印丽娟运用logistic回归模型对我国网络概念上市公司退市风险进行分析，并得出结论，企业的盈利性质指标是反映上市公司是否具有退市风险的重要因素，然而们该研究具有一定的缺陷，选择的16项候选指标均较为显著，说明更有说服力的指标未被列入候选指标。
4. 计划与进度安排
2022年1月20日前，完成五家退市公司、五家正常经营的高风险公司财务报表等数据收集
2022年2月10日前，完成对财务指标和数据的分类计算与汇总对比，归纳总结退市风险的可能来源
2022年2月28日前，根据退市风险来源分析，初步构建风险预警模型，并检验模型因子的显著性
5. 参考文献
|
[ 1 ]倪勇．中国股票市场退出机制研究[M]．复旦大学出版社.2004.11 [ 2 ] 王园．基于SVM-AdaBoost模型的上市公司退市预警研究[M]．华南理工硕士，2013 [ 3 ] 王芳云.上市公司退市风险研究[M]．北京大学出版社，2008.09 [ 4 ] 王曦，中国上市公司退市风险预警问题研究[M]西南大学硕士，2012.04 [ 5 ] NewsBites - Electronics . RISKANALYSIS DEVICE, RISK ANALYSIS METHODAND RISK ANALYSIS PROGRAM.Melbourne [Melbourne]15 Sep 2018． [ 6 ] 李永华.长生生物退市，只是A股“新剧”第一集[J] 中国经济周刊.2018 [ 7 ] 石薇，应会莉．中国上市公司退市风险警示预测—基于优化的神经网络模型[J]．统计与管理，2012(5) [ 8 ] 杨华．退市风险警示与财务危机的相关性研究[J].会计之友，2013（1） [ 9 ] 张妍妍．中国上市公司退市制度的特征探析[J]．热点透视，2017(10) [ 10] 周科竞．别拿退市常态化不当回事 [J]. 北京商报.2018(006) [ 11] 黄云洲，赵喜仓.股票退市风险警示制度的效应分析 [J]．统计观察.2004（11） [ 12 ] 张妍妍，吴乔．基于Profit模型的中国上市公司退市风险预警研究 [J].经济与管理.2011（1） [ 13] 于旭，丁丽霞．上市公司财务状况与退市预警研究[J]．现代管理科学.2016（12） [ 14 ] 李明祥，李志祥，张金华．上市公司退市风险预警模型研究 [J].数学的实践与认识.2008（13）
|
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
