上市公司財務(wù)預(yù)警研究-基于Logistic模型的實證分析

1、上市公司財務(wù)預(yù)警研究基于Logistic模型的實證分析論文導(dǎo)讀:：這就需要提高上市公司質(zhì)量。上市公司財務(wù)預(yù)警研究基于Logistic模型的實證分析。論文關(guān)鍵詞：上市公司，因子分析，Logistic模型，財務(wù)預(yù)警一、引言在生存與開展的劇烈競爭中，由于客觀環(huán)境的復(fù)雜性以及市場的瞬變性和不可預(yù)見性，再加上決策者素質(zhì)水平的局限性，使得風(fēng)險成為一種必然?，F(xiàn)實中危機的種類多種多樣而且導(dǎo)致危機的因素很多，有財務(wù)因素和非財務(wù)因素。但無論如何，大量的非財務(wù)性質(zhì)的企業(yè)危機，往往都是以財務(wù)危機的形式出現(xiàn)的，財務(wù)危機是企業(yè)危機中最顯著、最綜合的表現(xiàn)。而且，企業(yè)財務(wù)危機的產(chǎn)生也不是一朝一夕所造成的財務(wù)論文，而是一個長期

2、積累和逐步開展的過程。在企業(yè)財務(wù)危機從小到大的整個開展過程中，這些危時機表現(xiàn)出不同的財務(wù)特征。因此，企業(yè)的財務(wù)危機不但有征兆，還是可預(yù)測的，建立財務(wù)預(yù)警系統(tǒng)，及早診斷出財務(wù)困境的信號，并采取相應(yīng)的對策，幫助識別、化解可能出現(xiàn)的財務(wù)危機，對于經(jīng)營者防范財務(wù)危機、實現(xiàn)企業(yè)的可持續(xù)開展，對于保護投資者和債權(quán)人的利益、對于政府管理部門的監(jiān)控以及對于商業(yè)銀行是否提供貸款等都具有重要的現(xiàn)實意義cssci期刊目錄。最早對財務(wù)危機預(yù)警研究的是Fitzpatrick(1932)做的單變量模型。財務(wù)預(yù)警的方法多種多樣，主流的研究方法主要有一元判定方法、多元判定方法、多元邏輯回歸方法、多元概率比回歸方法和人工網(wǎng)絡(luò)方

3、法。鑒于國內(nèi)外實證研究的根本情況，絕大多數(shù)研究人員選擇上市公司被標(biāo)注ST作為財務(wù)危機的標(biāo)志。本文在前人對上市公司研究的根底上，結(jié)合-實際情況，以-上市公司作為研究對象，應(yīng)用多變量統(tǒng)計模型中的多元邏輯模型，把被特別處理的 (ST) 公司作為企業(yè)陷入財務(wù)危機標(biāo)志，對-上市公司作財務(wù)危機預(yù)警進行實證研究。二、上市公司財務(wù)預(yù)警指標(biāo)體系構(gòu)建 計算公式 盈利能力 x1 每股收益 凈收益/普通股股數(shù) x2 主營業(yè)務(wù)利潤率 凈利潤/主營業(yè)務(wù)收入凈額x100% x3 總資產(chǎn)凈利潤率 凈利潤/總資產(chǎn)平均余額x100% x4 本錢費用利潤率 利潤總額/本錢費用總額x100% x5 凈資產(chǎn)收益率 凈利潤/股東權(quán)益平均

4、余額x100% 成長能力 x6 主營業(yè)務(wù)收入增長率 (本年主營業(yè)務(wù)收入一本年年初主營業(yè)務(wù)收入)/本年年初主營業(yè)務(wù)收入x100% x7 凈利潤增長率 (本年凈利潤一上年掙利潤)/上年凈利潤x100% x8 總資產(chǎn)增長率 (期末總資產(chǎn)一期初總資產(chǎn))/期初總資產(chǎn)x100% 營運能力 x9 應(yīng)收賬款周轉(zhuǎn)率 主營業(yè)務(wù)收入凈額/應(yīng)收賬款平均余額 x10 總資產(chǎn)周轉(zhuǎn)率 主營業(yè)務(wù)收入凈額/平均資產(chǎn)總額X100% x11 流動資產(chǎn)周轉(zhuǎn)率 營業(yè)收入/流動資產(chǎn)平均占用額 x12 股東權(quán)益周轉(zhuǎn)率 營業(yè)收入/平均股東權(quán)益 償債及資本結(jié)構(gòu) x13 速動比率 速動資產(chǎn)/流動負(fù)債x100% x14 現(xiàn)金比率 (現(xiàn)金+有價證券

5、)/流動負(fù)債100% x15 資產(chǎn)負(fù)債率 負(fù)債總額/資產(chǎn)總額x100% 二數(shù)據(jù)的來源及處理本文數(shù)據(jù)來源于2021年?-上市公司年報?和新浪財經(jīng)網(wǎng)。數(shù)據(jù)一般可以分為時間序列數(shù)據(jù)、截面數(shù)據(jù)和面板數(shù)據(jù)。時間序列數(shù)據(jù)雖然是按照不同年份選取且可以排除某年的偶然性，可以動態(tài)的研究財務(wù)狀況逐年變化的情況，但-上市公司數(shù)量不多，指標(biāo)數(shù)量多，逐年變化較大不宜采用時序數(shù)據(jù)cssci期刊目錄。并且時序數(shù)據(jù)不能全面反映上市公司的根本情況；截面數(shù)據(jù)選取的指標(biāo)數(shù)目較多且可以全面反映上市公司的根本情況。結(jié)合-上市公司的實際情況采用截面數(shù)據(jù)，又指標(biāo)間具有不同的單位和數(shù)量級，為量化指標(biāo)和消除量綱的影響，對所選取的數(shù)據(jù)進行標(biāo)準(zhǔn)化

6、處理。三、上市公司財務(wù)狀況測評一因子分析運用SAS9.1對標(biāo)準(zhǔn)化后的數(shù)據(jù)求相關(guān)系數(shù)矩陣，發(fā)現(xiàn)指標(biāo)間存在相關(guān)性。可以運用因子分析法提取主因子，其主要目的就是對原有變量中信息重疊的局部提取綜合因子，最終實現(xiàn)減少變量個數(shù)的目的。1因子個數(shù)確定表2 方差奉獻 主因子 特征值 奉獻率 累積奉獻率 1 4.405528 0.2937 0.2937 2 3.795087 0.253 0.5467 3 2.306083 0.1537 0.7004 4 1.22903 0.102 0.8024 由表2知，依據(jù)特征值大于1和累積奉獻率大于80%來提取主因子，從初始解中提取前4個因子財務(wù)論文，其總方差奉獻率為80.

7、24%，即可描述原變量的信息已達80.24，被放棄的其他15個因子解釋方差僅僅占約19.76%?？梢?，運用因子分析法很好的消除了相關(guān)性，符合因子分析法中的因子提取標(biāo)準(zhǔn)，因此可以選擇前4個主因子代表原來15個指標(biāo)。2因子旋轉(zhuǎn)及命名根據(jù)因子載荷的不唯一性，同時還由于載荷矩陣的元素多數(shù)居中，不大不小，對模型的公共因子不易作出解釋，為更好的對公共因子作出合理的解釋，對因子載荷矩陣進行旋轉(zhuǎn)。旋轉(zhuǎn)的目的是盡可能地使每個變量僅在一個主因子上有較大的載荷，使所有的主因子能更好地表達原始變量。此時使用最大方差旋轉(zhuǎn)法進行因子旋轉(zhuǎn)，旋轉(zhuǎn)后的因子載荷矩陣使每個變量在盡可能少的因子上具有比擬高的載荷，即讓某些變量在某個

8、因子上的載荷趨于1，而在其他因子上的載荷趨于0，使載荷矩陣每列或行的元素平方值向0和1兩極分化。表3 正交旋轉(zhuǎn)后的因子載荷 指標(biāo) S1 S2 S3 S4 x1每股收益 0.71415 0.19498 0.12202 0.45622 x2主營業(yè)務(wù)利潤率 0.66127 -0.41383 -0.02374 -0.06302 x3總資產(chǎn)凈利潤率 0.89414 0.09766 0.0627 0.3819 x4本錢費用利潤率 0.87034 -0.18056 0.09527 -0.08234 x5凈資產(chǎn)收益率 0.86315 0.17819 0.06245 0.33839 x6主營業(yè)務(wù)收入增長率 0.

9、28081 0.07041 -0.1503 0.73141 x7凈利潤增長率 0.44043 -0.03437 -0.56882 0.31973 x8總資產(chǎn)增長率 0.1325 0.09293 0.13114 0.79897 x9應(yīng)收賬款周轉(zhuǎn)率 0.03648 0.73529 -0.08921 -0.40293 x10總資產(chǎn)周轉(zhuǎn)率 0.00947 0.85358 0.05668 0.34543 x11流動資產(chǎn)周轉(zhuǎn)率 0.0263 0.77639 -0.25968 0.0858 x12股東權(quán)益周轉(zhuǎn)率 -0.10759 0.9194 -0.15998 0.12294 x13速動比率 0.07058

10、 -0.08634 0.93682 0.11403 x14現(xiàn)金比率 0.04422 -0.11209 0.94547 0.12243 x15資產(chǎn)負(fù)債率 -0.27046 0.26384 -0.79231 0.10593 從表3可以看出x1、x2、x3、x4、x5在第一因子S1上有較大的載荷，在其它指標(biāo)上的載荷都比擬小，第一因子主要解釋這幾個指標(biāo)財務(wù)論文，結(jié)合這些指標(biāo)的經(jīng)濟意義，說明第一因子S1是反映了上市公司盈利能力；x9、x10、x11、x12在第二因子S2上的載荷比擬大，在其余三個因子上的載荷都比擬小，說明第二因子與這幾個指標(biāo)密切相關(guān)，是反映了上市公司營運能力；第三因子S3在x13、x14

11、、x15上具有較大的載荷，反映上市公司的償債能力因子；第四因子S4在x6、x8上具有較大的載荷，在其余指標(biāo)上的載荷均比擬小，反映了上市公司成長能力。四、上市公司財務(wù)預(yù)警模型的構(gòu)建 Logistic模型一Logistic回歸原理由于事件發(fā)生的概率P的范圍為，而Logistic分布函數(shù)是值域(0，1)之間的S形曲線，它是單調(diào)遞增函數(shù)，當(dāng)自變量趨近于-+時，因變量趨近于01。這和企業(yè)陷入財務(wù)困境的概率隨企業(yè)的某些財務(wù)比率以及宏觀經(jīng)濟因素等變量的變化而單調(diào)增減的特點是一致的。設(shè)P為某事件發(fā)生的概率，1-P為不發(fā)生的概率，將比數(shù)P/1-P取自然對數(shù)得到Ln，那么其取值范圍為(-，+)cssci期刊目錄。

12、建立包含P個自變量的Logistic回歸模型如下：Ln=財務(wù)論文，其中是截距，是斜率。由上式逆推得：P=該模型實際上是普通多元線性回歸模型的推廣。二Logistic回歸本文對-2021年上市公司中ST公司與非ST公司樣本進行0、1分類，這個特點決定了在測量的模型中，其因變量為一個0、1二分類變量，因而使用Logistic函數(shù)是合理的，所以本文選擇Logistic模型。把四個因子得分作為財務(wù)危機預(yù)警模型的自變量值，見附表，0、1為因變量，用views6.0作分析輸出結(jié)果如表4表4：Logistic模型輸出結(jié)果 變量 回歸系數(shù) Z統(tǒng)計量 伴隨概率 LR統(tǒng)計量 C -13.36258 -1.8320

13、93 0.0669 19.02525 S1 -3.80882 -1.745131 0.081 LR統(tǒng)計量概率 S2 -8.808706 -1.793798 0.0728 0.000777 S3 -2.595032 -1.5534 0.1203 S4 -8.843204 -1.716754 0.086 從表4可以看出由LR統(tǒng)計量及概率，以4個主因子為自變量得出的回歸方程是顯著的；另外，在顯著性水平為10%的情況下，主因子S1、 S2 、S4是顯著的，而S3是不顯著的。說明因子S1、S2、S4對模型的解釋能力很強，而因子S3對模型的解釋能力很弱。由此表建立如下回歸模型：Y=-13.36258-3.

14、80882S1-8.808706S2-2.595032S3-8.843204S4P=F(Y) =由預(yù)警模型可以看出，主因子S1、S2、S3、S4與公司發(fā)生財務(wù)危機的概率P是負(fù)相關(guān)的，這說明公司的盈利質(zhì)量越好，營運能力越好，償債能力越強財務(wù)論文，成長開展性越有潛力，發(fā)生財務(wù)危機的可能性就越??；反之，發(fā)生財務(wù)危機的可能性就越大，這和現(xiàn)實情況是吻合的。參照以往研究的經(jīng)驗，取0.5作為區(qū)分財務(wù)正常組與財務(wù)困境組的標(biāo)準(zhǔn)，在Logistic模型計算結(jié)果中概率大于0.5的公司即被判為財務(wù)困境公司，有匯通公司、新中基、香梨、中葡。小于0.5即被判為財務(wù)正常公司，有國際實業(yè)、天山紡織、天山股份、中泰化學(xué)、天康生

15、物、金風(fēng)科技、國統(tǒng)股份、淮油股份、西部建設(shè)、-眾和、友好集團、中糧屯河、百花、八一鋼鐵、-城建、新賽股份、天富熱電、青松建化、天宏、新農(nóng)開發(fā)、天利高新、美克股份、廣匯股份、冠農(nóng)股份、伊力特、啤酒花、特變電工、-天業(yè)、北新路橋。而實際中，新中基為正常公司，卻被判為財務(wù)困境公司，百花和天宏均為ST公司卻被判為正常公司。根據(jù)以上實證分析，發(fā)現(xiàn)處于財務(wù)危機的匯通和中葡兩家上市公司都具有相同的財務(wù)特征：償債能力、營運能力和成長能力方面都很好，但由于盈利能力很差致使這兩家公司被特別處理ST，他們應(yīng)努力改善公司治理結(jié)構(gòu)，降低企業(yè)管理本錢，利用西部大開發(fā)機遇，提高其經(jīng)營盈利能力；香梨在盈利能力、償債能力、營運

16、能力相對較好，但成長開展能力不夠財務(wù)論文，該公司應(yīng)努力提高總資產(chǎn)增長率，主營業(yè)務(wù)收入增長率，努力研發(fā)新產(chǎn)品、引進資源，合理組織資源的優(yōu)化配置。五、研究結(jié)論及分析通過以上回歸，得到模型的輸出結(jié)果，進行統(tǒng)計分析評判結(jié)果如表5所示。表5 Logistic模型結(jié)果的準(zhǔn)確率統(tǒng)計 檢驗樣本 實際分類 預(yù)測結(jié)果 預(yù)測分類 分類正確率 總正確率 ST公司 5 ST公司1 3 60 87.88 非ST公司0 2 非ST公司 28 ST公司1 1 96.43 非ST公司0 27 從表5可以得知Logistic模型對檢驗樣本分類情況看，對ST公司正確率不高，為60%，這和ST公司的財務(wù)指標(biāo)異常有關(guān)，與出現(xiàn)了極大值或極小值有關(guān)。對于非ST公司的預(yù)測準(zhǔn)確率很高，到達96.43%cssci期刊目錄。總體上來說，Logistic模型對-上市公司預(yù)測的準(zhǔn)確率高達87.88%。一本文給出的預(yù)警模型的效果較好，能夠比擬準(zhǔn)確地預(yù)測-上市公司的財務(wù)狀況，具有較強的可信度。該模型對于估計樣本組危機類公司的正確率較低，主要是由于危機類上市公司樣本數(shù)相對較少。但對于正常公司預(yù)測準(zhǔn)確率較高，并且總體預(yù)測準(zhǔn)確率