论文部分内容阅读
【摘 要】在市场经济高度发展的今天，中国市场经济越来与成熟的条件下企业自成立之日起就经受着优胜劣汰，适者生存的洗礼，在严酷的生存与发展竞争中，效率，创新能力，管理能力等方面处于劣势地位的企业必将被淘汰出局，在竞争中胜出的企业将发展壮大。本文在前人研究的基础上，采用定性指 标综合评价和定量指标分析相结合，理论分析和实证分析相结合的方法，采用了经典的Lgostic回归模型建立财务预警模型，所得模型对企业财务预警方面有重要意义。本文主要研究了2012年被实行特别处理的10家财务危机公司和配对的10家非财务危机公司作为估计样本，运用多变量分析方法，利用上市公司已审计的财务报表中的财务数据，选取涵盖上市公司财务状况各个方面的16个指标变量，从中筛选了5个指标变量，采用Logistic回归分析方法构建更有效的预测能力较强的财务危机预警模型。
【关键词】财务预警模型；财务危机；Logistic模型；多变量分析方法
1.财务预警模型的理论和构建方法的研究
1.1 财务危机预警的理论研究
财务危机，又称财务困境，财务失败，狭义的财务危机是指企业全部资本中由于负债比例过高，而使得企业不能按期还本付息所造成的风险，所以也称为负债风险或破产风险。广义的财务危机是指企业经营过程中各种不利因素所导致企业的经营失败和财务失败。上市公司陷入财务危机原因错综复杂，从实务角度分析，引发上市公司财务危机的原因可以从内，外两个方面进行分析。从内因看，主要有：公司资本结构不合理，财务控制薄弱，股权结构频繁变动，不利于公司未来发展，企业经营策略不当，盲目扩张，导致主业盈利能力下降；历史遗留债务沉重等。从外部因素分析，引发上市公司财务危机的原因主要有：行业周期影响，控股股东及关联方占用上市公司资金，上市公司担保问题引发财务危机，经济政策性的财务危机等。
财务预警系统，是指以企业信息化为基础，利用企业财务报表，经营计划及其他相关的财务资料，借助比例分析，数学模型等财务分析方法，根据预警指标发出的信号，对财务危机进行辨识，并向企业利益相关者示警的监测系统。财务预警系统通常由三部分组成：财务预警系统，财务预警指标体系，财务预警与排警。
1.2 财务危机预警构建方法的研究
单变量模型又称一元判定模型，是以一项财务指标作为判别标准来判断企业是否处于破产状态的预测的模型，当企业财务危机预警模型中所涉及的财务指标趋于恶化时，通常是企业财务状况发生危机的不良信号与先兆。财务指标分为偿债能力指标，获利能力指标和营运能力指标。在单变量模型中，通常需要将样本分为两组：一组构建预测模型的“预测样本”，另一组是测试模型的“测试样本”。首先，将预测样本按照某一选定的财务指标进行排序，选择判别阀值点，使得误判率达到最低。然后，将选定的阀值作为判别规则，对测试样本进行测试。
主成分分析模型运用主成分分析的方法提炼最有代表性的财指标即考虑更多对财务 预警有指示作用的比率同时防止比率太多而增加分析的复杂性从而抓住分析中的主要矛 盾，在力保数据信息丢失最少的原则下，对高维变量空间进行降维处理。
Logistic模型的目标是寻求观察对象的条件概率，从而据此判定观察对象的财务状况和经营风险。这一模型建立在累积概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。
2.财务危机预警模型的建立
根據我国的具体情况以及本文对财务危机的界定标准，从我国沪，深证券交易所的上市公司配对选取两组样本。第一组为估计样本，由10家2012年被ST和*ST的上市公司和10家非ST的公司组成，用于构建财务危机预警模型；第二组为检验样本，由10家2011年首次被ST的上市公司和随机选取的10家非ST的上市公司组成，用于检验所构建的财务危机预警模型判断的准确率。
依据财务指标变量的选取原则，本文选取了四组共16个财务指标变量作为备选指标变量，在进行财务指标变量初选时，为了排除财务指标变量之间存在的相关问题对预警模型的影响，本文首先对这16个备选指标变量进行相关性分析，在进行指标变量的相关性分析时，把指标变量的相关系数限定在0.3以内，即认为不相关，排除低度相关的指标变量入选构建财务危机预警模型中，从而能够使利用选出的指标变量构建的财务危机预警模型的判断正确性更接近于实际，通过分析最终得到5个变量。
通过对判别分析法，Logistic回归分析法，主成分分析法，人工神经系统网络等主流的构建财务危机预警模型的方法的应用范围，预测准度，操作难易程度等方面比较后得出，Logistic回归分析法因客服了现行方程手统计假设约束的局限性，且预测精度较高，判别规则简单，易操作，在四种建模方法中综合最优。因此本文将采用Logistic回归方法对T检验选定的5个财务指标变量构建财务危机预警模型。
用P表示上市公司面临财务危机的概率，用选出的财务指标变量资产负债比率（X1），速动比率（X3 ），净资产收益率（ X7），总资产周转率（X9），存货周转率（X12）构建财务危机预警模。对财务危机公司即ST和，ST公司，P值取0，非财务危机公司即非ST和*ST公司的P值取1。通过二元Logistic回归结果，就可以建立下列财务危机预警模型方程.
运用建立的模型对估计样本进行检测，从分类结果来看，对10家ST或*ST公司，有2家被误判为非ST或*ST公司，误判率为20%，即该模型的I类错误发生率为20%；对于10家非ST或*ST公司，只有1家被误判为ST或*ST公司公司，误判率仅为10%，即该模型的H类错误发生率为10%。该模型总的预测正确率为90%，预警正确率相当高。
将选取的2011年被ST和*ST的10家上市公司和选取配对的10家非ST和*ST的上市公司组成的检验样本代入上一节所构建的财务危机预警模型中，根据本文模型分界点的规定：P<0.5的，为财务危机企业，P大于等于0.5的，为非财务危机企业。从对检验样本的分类结果来看，对10家ST或*ST公司，有1家被误判为非ST或*ST公司，误判率为10%；对于10家非ST或*sT公司，只有1家被误判为ST或*ST公司公司，误判率不到10%，该模型综合检验的正确率达到90%。 [科]
【参考文献】
[1]陈晓，陈治鸿.中国上市公司的财务困境预测，中国会计与财务研究，2000.9.
[2]韩平.基于模糊神经网络的信贷风险组合预测，数量经济技术研究，2001.5.
[3]周敏，王新宇.基于模糊优选和神经网络的企业财务危机预警，管理科学学报，2002.6.
[4]陈瑜.对我国证券市场ST公司预测的实证研究，经济科学，2000.6.
【关键词】财务预警模型；财务危机；Logistic模型；多变量分析方法
1.财务预警模型的理论和构建方法的研究
1.1 财务危机预警的理论研究
财务危机，又称财务困境，财务失败，狭义的财务危机是指企业全部资本中由于负债比例过高，而使得企业不能按期还本付息所造成的风险，所以也称为负债风险或破产风险。广义的财务危机是指企业经营过程中各种不利因素所导致企业的经营失败和财务失败。上市公司陷入财务危机原因错综复杂，从实务角度分析，引发上市公司财务危机的原因可以从内，外两个方面进行分析。从内因看，主要有：公司资本结构不合理，财务控制薄弱，股权结构频繁变动，不利于公司未来发展，企业经营策略不当，盲目扩张，导致主业盈利能力下降；历史遗留债务沉重等。从外部因素分析，引发上市公司财务危机的原因主要有：行业周期影响，控股股东及关联方占用上市公司资金，上市公司担保问题引发财务危机，经济政策性的财务危机等。
财务预警系统，是指以企业信息化为基础，利用企业财务报表，经营计划及其他相关的财务资料，借助比例分析，数学模型等财务分析方法，根据预警指标发出的信号，对财务危机进行辨识，并向企业利益相关者示警的监测系统。财务预警系统通常由三部分组成：财务预警系统，财务预警指标体系，财务预警与排警。
1.2 财务危机预警构建方法的研究
单变量模型又称一元判定模型，是以一项财务指标作为判别标准来判断企业是否处于破产状态的预测的模型，当企业财务危机预警模型中所涉及的财务指标趋于恶化时，通常是企业财务状况发生危机的不良信号与先兆。财务指标分为偿债能力指标，获利能力指标和营运能力指标。在单变量模型中，通常需要将样本分为两组：一组构建预测模型的“预测样本”，另一组是测试模型的“测试样本”。首先，将预测样本按照某一选定的财务指标进行排序，选择判别阀值点，使得误判率达到最低。然后，将选定的阀值作为判别规则，对测试样本进行测试。
主成分分析模型运用主成分分析的方法提炼最有代表性的财指标即考虑更多对财务 预警有指示作用的比率同时防止比率太多而增加分析的复杂性从而抓住分析中的主要矛 盾，在力保数据信息丢失最少的原则下，对高维变量空间进行降维处理。
Logistic模型的目标是寻求观察对象的条件概率，从而据此判定观察对象的财务状况和经营风险。这一模型建立在累积概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。
2.财务危机预警模型的建立
根據我国的具体情况以及本文对财务危机的界定标准，从我国沪，深证券交易所的上市公司配对选取两组样本。第一组为估计样本，由10家2012年被ST和*ST的上市公司和10家非ST的公司组成，用于构建财务危机预警模型；第二组为检验样本，由10家2011年首次被ST的上市公司和随机选取的10家非ST的上市公司组成，用于检验所构建的财务危机预警模型判断的准确率。
依据财务指标变量的选取原则，本文选取了四组共16个财务指标变量作为备选指标变量，在进行财务指标变量初选时，为了排除财务指标变量之间存在的相关问题对预警模型的影响，本文首先对这16个备选指标变量进行相关性分析，在进行指标变量的相关性分析时，把指标变量的相关系数限定在0.3以内，即认为不相关，排除低度相关的指标变量入选构建财务危机预警模型中，从而能够使利用选出的指标变量构建的财务危机预警模型的判断正确性更接近于实际，通过分析最终得到5个变量。
通过对判别分析法，Logistic回归分析法，主成分分析法，人工神经系统网络等主流的构建财务危机预警模型的方法的应用范围，预测准度，操作难易程度等方面比较后得出，Logistic回归分析法因客服了现行方程手统计假设约束的局限性，且预测精度较高，判别规则简单，易操作，在四种建模方法中综合最优。因此本文将采用Logistic回归方法对T检验选定的5个财务指标变量构建财务危机预警模型。
用P表示上市公司面临财务危机的概率，用选出的财务指标变量资产负债比率（X1），速动比率（X3 ），净资产收益率（ X7），总资产周转率（X9），存货周转率（X12）构建财务危机预警模。对财务危机公司即ST和，ST公司，P值取0，非财务危机公司即非ST和*ST公司的P值取1。通过二元Logistic回归结果，就可以建立下列财务危机预警模型方程.
运用建立的模型对估计样本进行检测，从分类结果来看，对10家ST或*ST公司，有2家被误判为非ST或*ST公司，误判率为20%，即该模型的I类错误发生率为20%；对于10家非ST或*ST公司，只有1家被误判为ST或*ST公司公司，误判率仅为10%，即该模型的H类错误发生率为10%。该模型总的预测正确率为90%，预警正确率相当高。
将选取的2011年被ST和*ST的10家上市公司和选取配对的10家非ST和*ST的上市公司组成的检验样本代入上一节所构建的财务危机预警模型中，根据本文模型分界点的规定：P<0.5的，为财务危机企业，P大于等于0.5的，为非财务危机企业。从对检验样本的分类结果来看，对10家ST或*ST公司，有1家被误判为非ST或*ST公司，误判率为10%；对于10家非ST或*sT公司，只有1家被误判为ST或*ST公司公司，误判率不到10%，该模型综合检验的正确率达到90%。 [科]
【参考文献】
[1]陈晓，陈治鸿.中国上市公司的财务困境预测，中国会计与财务研究，2000.9.
[2]韩平.基于模糊神经网络的信贷风险组合预测，数量经济技术研究，2001.5.
[3]周敏，王新宇.基于模糊优选和神经网络的企业财务危机预警，管理科学学报，2002.6.
[4]陈瑜.对我国证券市场ST公司预测的实证研究，经济科学，2000.6.