基于Logit模型的上市公司財務(wù)預(yù)警模型研究以及實證分析

1、頁眉基于Logit模型的上市公司財務(wù)預(yù)警模型研究以及實證分析【摘要】上市公司是現(xiàn)代公司的最高形式，上市公司的數(shù)量和質(zhì)量直接影響著證券市場的興衰。在上海和深圳證券交易所上市公司需要連續(xù)三年盈利，上市之后 如果連續(xù)兩年虧損，就會被戴上ST的帽子，這標(biāo)志著上市公司陷入了財務(wù)困境。 本文以滬深A(yù)股市場上于2015年被ST和未被ST的上市公司為研究的總體，隨 機抽取樣本90個，并結(jié)合公司的財務(wù)數(shù)據(jù)，尤其是代表公司經(jīng)營狀況的動態(tài)指 標(biāo)，來預(yù)測企業(yè)在未來一年內(nèi)是否會有財務(wù)危機，給公司的財務(wù)人員預(yù)警，同時也有利于投資者判斷一家公司的發(fā)展?fàn)顩r，做出合理決策?！娟P(guān)鍵字】上市公司財務(wù)預(yù)警Logit模型一、引言 21

2、.1財務(wù)預(yù)警模型的研究背景 21.2財務(wù)預(yù)警模型的研究概況 21.3本文的創(chuàng)新之處 2二、Logit模型簡介 2三、樣本和財務(wù)指標(biāo)的確定 33.1樣本采集 33.2財務(wù)指標(biāo)的初步選擇 3四、財務(wù)預(yù)警模型的實證分析 44.1案例處理摘要 44.2模型匯總 44.3Hosmer-Lemeshow 檢驗結(jié)果 54.4預(yù)測分類結(jié)果 54.5逐步回歸過程 74.6不在方程中的統(tǒng)計變量 94.7預(yù)測概率直方圖 9五、模型的改進和對上市公司風(fēng)險防范的建議 115.1模型的改進 115.2對上市公司的建議 11參考文獻(xiàn)125 / 12一、引言1.1 財務(wù)預(yù)警模型的研究背景現(xiàn)代企業(yè)從創(chuàng)業(yè)到發(fā)展，都在追求一個目標(biāo)

3、一一上市。而在我國的股票市場 上，公司上市需要最近三年連續(xù)盈利， 上市后的公司要接受社會的監(jiān)督， 定期公 布財務(wù)報告以及其他信息，因此我們可以很容易得到上市公司的財務(wù)指標(biāo)， 相比 通過經(jīng)驗來判斷公司的財務(wù)狀況，財務(wù)指標(biāo)是量化的，更容易分析。一個公司的財務(wù)指標(biāo)一定程度上反映了該公司的財務(wù)狀況，從財務(wù)狀況我們可以看出該公司的經(jīng)營管理情況以及發(fā)展情況，如果一個公司財務(wù)發(fā)生了危機， 那么整個公司的現(xiàn)狀也令人擔(dān)憂。因此，正確的預(yù)測企業(yè)財務(wù)危機將有助于保護 投資者和債權(quán)人的權(quán)益、有助于經(jīng)營者防范財務(wù)危機、有助于政府管理部門監(jiān)控 上市公司質(zhì)量和證券市場的風(fēng)險，所以建立企業(yè)財務(wù)危機預(yù)警模型具有重要意 義。各種

4、不同的原因共同導(dǎo)致了公司的財務(wù)危機，既有企業(yè)內(nèi)部的原因，也有企業(yè)外部不可控制的原因。以下我們歸納歸屬于企業(yè)自身的原因：1. 公司管理者盲目追求擴張，決策缺乏科學(xué)性。2. 企業(yè)籌資方式不當(dāng)，資本結(jié)構(gòu)不合理3. 企業(yè)內(nèi)控制度不完善，公司治理結(jié)構(gòu)不合理。如果企業(yè)不對其存在的問題作出快速的反映， 在不斷創(chuàng)新和變革的時代，最 終會走向破產(chǎn)，因此財務(wù)預(yù)警能夠在公司財務(wù)危機發(fā)生前進行預(yù)測， 避免其陷入 財務(wù)困境。1.2財務(wù)預(yù)警模型的研究概況對上市公司的財務(wù)預(yù)測和預(yù)警的常用模型是上市公司信用風(fēng)險度量，我國關(guān)于財務(wù)風(fēng)險預(yù)警分析的研究起步較晚， 而國外開始相關(guān)領(lǐng)域的研究比較早，已有 企業(yè)將財務(wù)風(fēng)險預(yù)警模型投入實際

5、運用中。 信用風(fēng)險的度量和管理的探索大致可 分為三個階段；第一個階段是1970年以前，主要分析工具有5C分析法、LAPP 法、五級分類法，大多數(shù)金融機構(gòu)基本上是依據(jù)銀行專家的經(jīng)驗和主管分析來評 估信用風(fēng)險。第二個階段是建立于基于財務(wù)報表的信用評級模型，主要有Logit模型、線性比率模型、Probit模型、判別分析模型等。第三個階段是進入 20世 紀(jì)90年代以來，西方若干商業(yè)銀行以風(fēng)險價值為基礎(chǔ)，開始運用數(shù)學(xué)工具、現(xiàn) 代金融理論來定量研究信用風(fēng)險，建立了以違約概率、預(yù)期損失率為核心指標(biāo)的 度量模型。1.3本文的創(chuàng)新之處我國財務(wù)預(yù)警模型處于發(fā)展初期，復(fù)雜的財務(wù)預(yù)警模型在實踐中運用較少。 簡單而又實

6、用的預(yù)警模型應(yīng)屬 Logit模型，多數(shù)學(xué)者已對Logit模型進行了實證 分析，肯定了 Logit模型有較好的預(yù)測能力。本文擬對Logit模型在上市公司財 務(wù)危機預(yù)警分析與評估應(yīng)用方面進行研究，避開大多數(shù)研究者選取的盈利指標(biāo)等 靜態(tài)指標(biāo)，以與上市公司經(jīng)營狀況有關(guān)的財務(wù)指標(biāo)為變量（包括兩個動態(tài)指標(biāo)） 通過實證分析驗證改進結(jié)果。、Logit模型簡介Logit方法采用logistic回歸建立一個非線性模型，其曲線是s型或倒s型。因變量的取值在 S1之間，回歸方程為：Lnl1Pi / (1-Pi)= B 0+藝 B jXij本文將ST公司賦值1，將非ST公司賦值0。Pi是在條件Xi=F(Xlj , X2

7、j?,Xmj)下某事件發(fā)生的概率，1-P是該事件不發(fā)生的概率，其中m是自變量的個數(shù) B 0是截距，B i是待估計的參數(shù)。利用最大似然估計法估計參數(shù)，在研究中取 0. 5作為概率的閥值，將樣本數(shù)據(jù)代入回歸方程得到P值大于0. 5時，判斷該樣本屬于財務(wù)困境公司，否則屬于非財務(wù)困境公司。Logit模型的最大優(yōu)點是，不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計假設(shè)約束的局限性，不需要滿足正態(tài)分布和兩組協(xié)方差矩陣相等的條件，得出的結(jié)果直接表示企業(yè)發(fā)生財務(wù)失敗 的可能性大小，操作簡單，結(jié)果明了。目前，這種模型的使用較為普遍，但其計 算過程比較復(fù)雜，而且在計算過程中有很多的近似處理，這不可避免地會影響到預(yù)測精

8、度。三、樣本和財務(wù)指標(biāo)的確定3.1樣本采集財務(wù)危機預(yù)警模型研究的樣本選取與設(shè)計過程涉及到如何確定陷入財務(wù)危機公司的樣本組，如何確定作為配對標(biāo)準(zhǔn)的控制因素，以及如何進行兩組間個體數(shù)量分配的問題等，作為配對標(biāo)準(zhǔn)的控制因素一般包括會計年度、 行業(yè)和資產(chǎn)規(guī)模。 這些配對標(biāo)準(zhǔn)用來控制由于財務(wù)危機組合與正常組合之間的報告因時間性、行業(yè)特征和公司規(guī)模的差異所可能帶來的模型偏差。本文按照隨機選取的模式選取樣 比較樣本，這種選取樣本的方法是假定公司發(fā)生財務(wù)危機的概率是0.5。我國學(xué)者在研究財務(wù)危機模型時，大多定義財務(wù)危機預(yù)警超前時間的方法是： 被ST的當(dāng)年定義為財務(wù)危機發(fā)生的時間點，并記為 T，T-1年為財務(wù)危

9、機發(fā)生 的前一年，以此類推。我國許多學(xué)者在研究財務(wù)危機預(yù)警模型時，大多數(shù)強調(diào)預(yù)警的超前時間為發(fā)生財務(wù)危機的前兩年，即 T-2年。根據(jù)我國實際情況，借鑒前 人的研究成功，本文也將ST的年份定義為發(fā)生財務(wù)危機的時間，記為 T,研究 在T年處于ST和非ST狀態(tài)的上市公司在T-2年的財務(wù)指標(biāo)。為何選取 T-2年 的財務(wù)數(shù)據(jù)？這與我國的ST制度有關(guān)，在我國市場上上市的公司，連續(xù)兩年虧 損就會被ST, 年虧損，下一年不虧損不會被 ST,那么以T-1年的數(shù)據(jù)來建模 就會夸大模型的實用性。而且從公司經(jīng)營的角度來看，其陷入財務(wù)困境是一個累 積的結(jié)果，因此根據(jù)被ST之前的數(shù)據(jù)建立的模型才能夠更好的起到防患于未然

10、的作用。本文樣本公司的財務(wù)數(shù)據(jù)主要來自萬得咨詢數(shù)據(jù)庫，本文選取了2015年被ST的公司2013年的財務(wù)數(shù)據(jù)作為發(fā)生了財務(wù)危機的上市公司樣本；相應(yīng)的，選取2015年沒有被ST的上市公司2013年的財務(wù)數(shù)據(jù)，作為正常上市公司的樣本， 并應(yīng)用Logit模型建立預(yù)測模型預(yù)測上市公司是否面臨財務(wù)危機，其中ST樣本40個，非ST樣本50個。隨機抽取其中的70%勺樣本作為模型的訓(xùn)練集，用以模 型的訓(xùn)練，剩下的30%乍為模型的測試集。3.2財務(wù)指標(biāo)的初步選擇由于凈利潤的大小可以很直觀的觀察到，那么，基于本文研究的創(chuàng)新點， 我們選取的財務(wù)指標(biāo)主要與公司的經(jīng)營狀況和動態(tài)發(fā)展有關(guān)，下表是初步選定的五個指標(biāo)，在實證分

11、析中我們對這五個指標(biāo)的相關(guān)性和顯著性進行進一步分析， 確定最終選定的指標(biāo)。變量含義意義X1流動資產(chǎn)/總資產(chǎn)衡量企業(yè)的資本結(jié)構(gòu)X2存貨周轉(zhuǎn)率衡量企業(yè)的營運能力X3總資產(chǎn)周轉(zhuǎn)率衡量企業(yè)的營運能力X4總資產(chǎn)增長率衡量企業(yè)的成長能力，動態(tài)指標(biāo)X5凈資產(chǎn)增長率衡量企業(yè)的成長能力和歸屬于股東的凈資產(chǎn)，動態(tài) 指標(biāo)表3-1四、財務(wù)預(yù)警模型的實證分析4.1案例處理摘要Case Processing SummaryUnweighted Cases3NPercentSelected CasesIncluded in Analysis6471.1Missing Cases0.0Total6471.1Unselecte

12、d Cases2628.9Total90100.0a. If weight is in effect, see classification table for the total number of cases.表4-1Dependent VariableEncodingOriginalValueInternal Value良好0危險1表4-2如圖4-1,本文共使用了 90個樣本，在訓(xùn)練集中隨機抽取了 71.1%的樣本, 即包括ST和非ST公司64個樣本，財務(wù)狀況良好的公司定義為 0,處于財務(wù)困 境的公司定義為1。4.2模型匯總Model SummaryStep-2 Log likeliho

13、odCox & Snell RSquareNagelkerke RSquare174.733a.189.253268.987a.259.346351.026b.440.589頁眉a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.b. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.表4-3在“模型匯

14、總”表格中，以 Cox & Snell R Square 和 Nagelkerke R Square 兩個統(tǒng)計量取代了線性回歸中的 R方統(tǒng)計量。本例中最后的結(jié)果是 0.440和 0.589,這個擬和可以算是中等。4.3Hosmer-Lemeshow檢 驗結(jié)果Contingency Table for Hosmer and Lemeshow Test財務(wù)狀況=良好財務(wù)狀況=危險ObservedExpectedObservedExpectedTotalStep 3155.9101.0906265.5700.4306355.2491.7516464.96401.0366554.38711.61366

15、53.54012.4606702.45163.5496811.81054.190691.90155.0996101.21699.78410表4-4由“ Contingency Table for Hosmer and Lemeshow Test 可知，根據(jù)目標(biāo)變量 的預(yù)測概率，把結(jié)果分為個數(shù)大致相等的 10個組，“total”中是每組的觀測數(shù)， 由于預(yù)測值相等的觀測被分在一起， 所以各組的觀測數(shù)不一定相同。此表直觀的 反映了模型的預(yù)測效果，可以看出各行的觀測值和期望值大致相同， 所以模型的 擬合效果不錯。ObservedPredictedSelected Case財務(wù)狀況良好危險Percent

16、ageCorrectStep 1財務(wù)狀況良好251071.4危險101965.5Overall Percentage68.8Step 2財務(wù)狀況良好251071.4危險101965.5Overall Percentage68.8Step 3財務(wù)狀況良好32391.4危險32689.7Overall Percentage90.6Classification Tableca. Selected cases shaix EQ 1c. The cut value is .500表4-5Classification Table cObservedPredictedUnselected Cased?財務(wù)狀

17、況良好危險Percentage CorrecStep 1財務(wù)狀況良好12380.0危險3872.7Overall Percentage76.9Step 2財務(wù)狀況良好12380.0危險3872.7Overall Percentage76.9Step 3財務(wù)狀況良好14193.3危險5654.5Overall Percentage76.9a. Selected cases shaix EQ 1b. Unselected cases shaix NE 1c. The cut value is .500表4-6表4-5和4-6給出了關(guān)于觀測值和預(yù)測值的列聯(lián)表。“ Selected Cases表示 對

18、建模所用數(shù)據(jù)的回判分類結(jié)果；“ Un selected Case”表示對未使用的驗證數(shù)據(jù) 的判別分類結(jié)果；另外，如果預(yù)測概率大于0.5,預(yù)測為良好，否則預(yù)測為不好。對于最終模型，建模用的35個財務(wù)狀況良好的公司中有32個判斷正確，正 確率為91.4%；建模用的29個財務(wù)陷于困境的公司有26個判斷正確，正確率為 89.7%;對建模數(shù)據(jù)總的回判率為90.6%,說明模型的預(yù)測效果不錯，尤其是對 那些財務(wù)狀況良好的公司。由于驗證數(shù)據(jù)沒有參與建模，所以用對它的分類結(jié)果來驗證模型效果更有參 考意義。檢驗用的15個財務(wù)狀況良好的公司中有14個判斷正確，正確率為 93.3%;檢驗用的11個財務(wù)陷于困境的公司中

19、有 6個判斷正確，正確率為54.5%， 總驗證的正確率達(dá)76.9%，說明模型在用來預(yù)測財務(wù)狀況良好的公司更為有效， 但是總體來說還是較為穩(wěn)定的。Model if Term RemovedVariableModel LogLikelihoodChange in -2 LogLikelihooddfSig. of the ChangeStep 1X4Step 2X2X4Step 3X2-44.080-37.367-43.320-26.891-27.788-34.49313.4265.74717.6532.7554.55017.961111111.000.017.000.097.033.000X4X

20、5表4-7Variables in the EquationBS.E.WalddfSig.Exp(B)Step 1aX4-.065.0219.3211.002.937Constant.014.282.0031.9601.014Step 2bX2.000.000.5241.4691.00CX4-.083.02510.9591.001.92CConstant-.034.294.0131.909.967Step 3cX2.000.001.0801.7771.000X4-.057.0303.5891.058.945X5-.063.0247.0931.008.938Constant-.413.3871.

21、1391.286.662a. Variable(s) entered on step 1: X4.b. Variable(s) entered on step 2: X2.c. Variable(s) entered on step 3: X5.表4-8如圖所示，“ Variables in the Equation給出了每一步回歸的參數(shù)估計信息。以Step 3的最終模型為例，由B列的數(shù)據(jù)可得回歸模型為：P=1/(1+e-Z)其中：Z=-0.413+0.000X2-0.057X4-0.63X5此處的數(shù)據(jù)模型表明：(1) 模型的最終結(jié)果與存貨周轉(zhuǎn)率無關(guān)，這可能是由于樣本的選取沒有按 照行業(yè)進行劃

22、分，所以比較離散，而不同行業(yè)的存貨周轉(zhuǎn)率不同，所以這個財務(wù) 指標(biāo)與財務(wù)狀況有一定相關(guān)性，但是需要分行業(yè)來討論。(2) 模型最終留下兩個變量：總資產(chǎn)增長率和凈資產(chǎn)增長率，這個數(shù)學(xué)模型已經(jīng)變?yōu)樨攧?wù)狀況與企業(yè)增長能力之間的關(guān)系， 前面的系數(shù)為負(fù)，說明這兩個 增長指標(biāo)與概率P成反比，那么可以說明，在一定程度上企業(yè)總資產(chǎn)增加，并且 凈資產(chǎn)也增加時，反映出企業(yè)經(jīng)營狀況和財務(wù)狀況良好， 這與我們的的直觀判斷 4.5逐步回歸過程9 / 12頁眉吻合。4.6不在方程中的統(tǒng)計變量Variables not in the EquationScoredfSig.Step 1VariablesX12.6851.101X

23、212.6541.000X31.6571.198X58.4371.004Overall Statistics21.7714.000Step 2VariablesX12.5991.107X32.8071.094X59.7081.002Overall Statistics11.1593.011Step 3VariablesX1.9881.320X3.3421.558Overall Statistics1.0342.596表4-9如表4-9所示，在最后一步?jīng)]有進入方程中的變量，這些變量都大于0.10,故而是不顯著的4.7預(yù)測概率直方圖# / 12頁眉8+IObserved Groups and Pr

24、edicted Probabilities1|1|1|01|01|+000|0001|0 0000 00 0000000 000000000111 1 1101 111|0 0000 00 0000000 000000000111 1 1101 111|11 / 12Prob:.1.2.3.4.5.6.7.8.9Group: 0000000000000000000000000000000000000000000000000011111111111111111111111111111111111 111111111111111表 4-10Predicted Probability is of Membership for 危險頁眉 .The Cut Value is .50 Symbols: 0 -良好1 -危險Each Symbol Represe nts .5 Cases.如圖所示，橫軸是對財務(wù)狀況良好與否的預(yù)測概率值，縱軸是觀測的頻數(shù)。