论文部分内容阅读
摘要：本文将基于马氏距离的费歇判别方法应用到财务危机预警中来，针对证券市场电子信息板块上市公司，建立基于临界值的财务危机判别模型和基于马氏距离的财务危机判别模型。经检验，两模型均具有提前四年的预警能力，且后者效果上总体优于前者。
关键词：电子信息；财务危机预警；马氏距离；费歇判别
一、引言
（一）电子信息产业概论
电子信息产业是二十世纪后半期全球发展最快的产业之一，作为当代高科技产业的代表，电子信息产业对现代经济增长的贡献十分显著，也是我国重要支柱产业。国内学者十分关注电子信息产业的发展，站在不同角度对其展开研究，例如：中国电子信息产业发展的现状、问题与对策，论全球价值链下的电子信息产业集群升级等。
（二）上市公司财务危机预警
财务危机是企业财务活动面临或处于失控或遭受严重挫折的危险与紧急状态。它是企业盈利能力和偿付能力实质性地削弱、企业趋于破产等各种困境的总称。在本文中，被施行“特别处理”（即被列入ST和*ST行列）的上市公司即被认定为陷入财务危机。财务危机的发生是可预测的，建立有效的财务危机预警模型，可在危机发生前给予企业及时的警告，经营者可以采取有效措施规避风险，从而防止企业财务危机的出现。
对上市公司而言，财务危机预警无论对于上市公司自身还是对投资者、债权人都具有十分重要的意义：能帮助投资者做出投资决策，有利于证券监管部门推进监管工作，有利于上市公司防患于未然，有利于债权人等利益相关者的决策。国内外的财务危机预警模型主要有单变量预警模型，多变量统计分析模型及其它财务危机预警模型，如基于混沌理论的模型，神经网络预警模型等。
（三）电子信息板块财务危机预警
国内大多数学者都着眼于统一的上市公司财务预警模型，即用统一的指标体系及评判标准进行财务危机预测，极少深入到某一具体行业中。目前已有学者注意到上市公司财务指标数据具有显著的行业差异性，如陈志斌等于2006年发表的《财务预警的行业差异模型研究》。首先，不同行业间的财务数据并不具可比性，且相同变量在不同行业中包含的信息量也不同。其次，因为宏观经济情况对行业内企业的影响是同向的，这样就可在一定程度上控制宏观经济形势对企业财务状况的影响。另外，不同行业财务危机的影响因素也不同。因此，深入特定行业建立的财务危机预警模型将更加准确合理，也更具有灵活性及应变能力。
沪深股市电子信息板块是以行业为依据划分的。本文结合电子信息行业特色，建立电子信息板块上市公司的财务危机预警模型，为上市公司的管理者及相关利益人提供决策理论依据，以期促进电子信息行业上市公司的健康发展。
二、研究方法
本文采用多元统计分析中的费歇判别方法建立多变量财务危机预警的统计分析模型。费歇判别的基本原理是利用投影技术将所有样本数据投影到某一方向上，使不同类型的样本尽可能地分离，同类型样本尽可能地集中。
在国内的绝大多数文献中，在采用费歇判别方法进行实证分析时都是使用基于临界值的费歇判别，而使用基于马氏距离的费歇判别的例子鲜有见到。在财务危机预警研究的文献中笔者也未见使用基于马氏距离的费歇判别方法的先例。本文试图将基于马氏距离的费歇判别方法引入到财务危机预警的研究中，分别利用基于临界值的费歇判别和基于马氏距离的费歇判别建立电子信息板块的财务危机预警模型，并对两模型的检验结果进行对比，以期为财务危机预警模型的研究提供新的思路。
（一）基于临界值的费歇判别
设总体Gi的均值和协差阵为μ（i），V（i），在得到判别系数u后， 可得ei=uTμ（i）（i=1，…，k）。将ei按大小重排：e1*≤e2*≤…≤ek*。令μi=（ei*+e*i+1）或μi*=，i=1，…，k-1，用μi或μi*作为判别的临界值。若样本y满足ei*≤uTy≤e*i+1时，当uTy≥μi或μi*时，则y属于第i+1类；当uTy≤μi或μi*时，则y属于第i类。
（二）基于马氏距离的费歇判别
计算样本y的判别函数值uTy与总体Gi的马氏距离，即，
d2i=（uTy+uTμ（i））T（uTV（i）u）-1（uTy-uTμ（i））=（y-μ（i））Tu（uTV（i）u）-1uT（y-μ（i）），若d2i≤mind2j，1≤i，j≤k，则y属于第i类。总体参数未知时，用样本估计值代替，即d2i=（y-滋赞（i））Tu（uT灾赞（i）u）-1uT（y-滋赞（i）），其中滋赞（i）=y，灾赞（i）=（y-滋赞（i））（y-滋赞（i））T，i=1，…，k（y表示第i类的第个j样本）。
三、样本选取及指标体系的建立
（一）样本选取
截至2007年12月31日，沪深两市电子信息板块共有71家上市公司，其中61家为正常上市公司，10家为被特别处理（被冠以“ST”）的上市公司。本文中将非“ST”公司视为第一类，“ST”公司为第二类。采用2007年年度财务指标数据建模，并利用2004至2008年五年的财务数据进行回代。数据来源于国泰安数据库（CSMAR）、搜狐证券频道网站及大智慧软件。数据处理过程中为保留相对充足的样本数量，特别是“ST”样本，对存在数据值缺失的样本未作删除，而是采用组内变量的平均值代替。同时为消除量纲影响，需对原始数据作标准化处理。
（二）指标体系建立
本文选择财务指标进行建模，考虑到各指标在目前财务危机预警研究中出现的频次，以及与企业财务困境的潜在相关性，同时又考虑到指标的有效性、全面性和可操作性，选择了反映企业盈利能力，偿债能力，营运能力，现金流量，股东获利能力以及发展能力六个方面共46个财务指标作为初选财务指标（篇幅所限，未列出）。为判断指标能否有效区分正常公司和“ST”公司，首先用SPSS软件对初选指标进行假设检验，过程如图1。
关键词：电子信息；财务危机预警；马氏距离；费歇判别
一、引言
（一）电子信息产业概论
电子信息产业是二十世纪后半期全球发展最快的产业之一，作为当代高科技产业的代表，电子信息产业对现代经济增长的贡献十分显著，也是我国重要支柱产业。国内学者十分关注电子信息产业的发展，站在不同角度对其展开研究，例如：中国电子信息产业发展的现状、问题与对策，论全球价值链下的电子信息产业集群升级等。
（二）上市公司财务危机预警
财务危机是企业财务活动面临或处于失控或遭受严重挫折的危险与紧急状态。它是企业盈利能力和偿付能力实质性地削弱、企业趋于破产等各种困境的总称。在本文中，被施行“特别处理”（即被列入ST和*ST行列）的上市公司即被认定为陷入财务危机。财务危机的发生是可预测的，建立有效的财务危机预警模型，可在危机发生前给予企业及时的警告，经营者可以采取有效措施规避风险，从而防止企业财务危机的出现。
对上市公司而言，财务危机预警无论对于上市公司自身还是对投资者、债权人都具有十分重要的意义：能帮助投资者做出投资决策，有利于证券监管部门推进监管工作，有利于上市公司防患于未然，有利于债权人等利益相关者的决策。国内外的财务危机预警模型主要有单变量预警模型，多变量统计分析模型及其它财务危机预警模型，如基于混沌理论的模型，神经网络预警模型等。
（三）电子信息板块财务危机预警
国内大多数学者都着眼于统一的上市公司财务预警模型，即用统一的指标体系及评判标准进行财务危机预测，极少深入到某一具体行业中。目前已有学者注意到上市公司财务指标数据具有显著的行业差异性，如陈志斌等于2006年发表的《财务预警的行业差异模型研究》。首先，不同行业间的财务数据并不具可比性，且相同变量在不同行业中包含的信息量也不同。其次，因为宏观经济情况对行业内企业的影响是同向的，这样就可在一定程度上控制宏观经济形势对企业财务状况的影响。另外，不同行业财务危机的影响因素也不同。因此，深入特定行业建立的财务危机预警模型将更加准确合理，也更具有灵活性及应变能力。
沪深股市电子信息板块是以行业为依据划分的。本文结合电子信息行业特色，建立电子信息板块上市公司的财务危机预警模型，为上市公司的管理者及相关利益人提供决策理论依据，以期促进电子信息行业上市公司的健康发展。
二、研究方法
本文采用多元统计分析中的费歇判别方法建立多变量财务危机预警的统计分析模型。费歇判别的基本原理是利用投影技术将所有样本数据投影到某一方向上，使不同类型的样本尽可能地分离，同类型样本尽可能地集中。
在国内的绝大多数文献中，在采用费歇判别方法进行实证分析时都是使用基于临界值的费歇判别，而使用基于马氏距离的费歇判别的例子鲜有见到。在财务危机预警研究的文献中笔者也未见使用基于马氏距离的费歇判别方法的先例。本文试图将基于马氏距离的费歇判别方法引入到财务危机预警的研究中，分别利用基于临界值的费歇判别和基于马氏距离的费歇判别建立电子信息板块的财务危机预警模型，并对两模型的检验结果进行对比，以期为财务危机预警模型的研究提供新的思路。
（一）基于临界值的费歇判别
设总体Gi的均值和协差阵为μ（i），V（i），在得到判别系数u后， 可得ei=uTμ（i）（i=1，…，k）。将ei按大小重排：e1*≤e2*≤…≤ek*。令μi=（ei*+e*i+1）或μi*=，i=1，…，k-1，用μi或μi*作为判别的临界值。若样本y满足ei*≤uTy≤e*i+1时，当uTy≥μi或μi*时，则y属于第i+1类；当uTy≤μi或μi*时，则y属于第i类。
（二）基于马氏距离的费歇判别
计算样本y的判别函数值uTy与总体Gi的马氏距离，即，
d2i=（uTy+uTμ（i））T（uTV（i）u）-1（uTy-uTμ（i））=（y-μ（i））Tu（uTV（i）u）-1uT（y-μ（i）），若d2i≤mind2j，1≤i，j≤k，则y属于第i类。总体参数未知时，用样本估计值代替，即d2i=（y-滋赞（i））Tu（uT灾赞（i）u）-1uT（y-滋赞（i）），其中滋赞（i）=y，灾赞（i）=（y-滋赞（i））（y-滋赞（i））T，i=1，…，k（y表示第i类的第个j样本）。
三、样本选取及指标体系的建立
（一）样本选取
截至2007年12月31日，沪深两市电子信息板块共有71家上市公司，其中61家为正常上市公司，10家为被特别处理（被冠以“ST”）的上市公司。本文中将非“ST”公司视为第一类，“ST”公司为第二类。采用2007年年度财务指标数据建模，并利用2004至2008年五年的财务数据进行回代。数据来源于国泰安数据库（CSMAR）、搜狐证券频道网站及大智慧软件。数据处理过程中为保留相对充足的样本数量，特别是“ST”样本，对存在数据值缺失的样本未作删除，而是采用组内变量的平均值代替。同时为消除量纲影响，需对原始数据作标准化处理。
（二）指标体系建立
本文选择财务指标进行建模，考虑到各指标在目前财务危机预警研究中出现的频次，以及与企业财务困境的潜在相关性，同时又考虑到指标的有效性、全面性和可操作性，选择了反映企业盈利能力，偿债能力，营运能力，现金流量，股东获利能力以及发展能力六个方面共46个财务指标作为初选财务指标（篇幅所限，未列出）。为判断指标能否有效区分正常公司和“ST”公司，首先用SPSS软件对初选指标进行假设检验，过程如图1。