淄博職業(yè)學院 崔玉娟

基于決策樹的財務危機預警研究

淄博職業(yè)學院 崔玉娟

一、決策樹研究方法概述

決策樹是以實例為基礎的歸納算法，能夠從一組無次序、無規(guī)則的事例中推導出決策樹表示形式的分類規(guī)則。它采用自頂向下的遞歸方式，在決策樹的內(nèi)部結點進行屬性值的比較并根據(jù)不同的屬性值判斷從該結點向下的分支，在決策樹的葉節(jié)點得到結論。

決策樹提供了一種展示類似在什么條件下會得到什么值這類規(guī)則的方法。決策樹的基本組成部分：決策節(jié)點、分支和葉子。決策樹的每個節(jié)點子節(jié)點的個數(shù)與決策樹的算法有關。決策樹的節(jié)點有兩個分支，這種樹稱為二叉樹。節(jié)點含有多于兩個子節(jié)點的樹稱為多叉樹。數(shù)據(jù)挖掘中決策樹是一種經(jīng)常要用到的技術，可以用于分析數(shù)據(jù)，同樣也可以用來做預測。

建立一棵決策樹可能只要對數(shù)據(jù)庫進行幾遍掃描之后就能完成，這也意味著需要的計算資源較少，而且可以很容易地處理包含很多預測變量的情況，因此決策樹模型可以建立得很快，并適合應用到大量的數(shù)據(jù)上。

二、樣本選取

研究樣本選自我國滬、深兩市的A股上市公司。選取了2008年因連續(xù)2年虧損被ST的43家公司作為財務危機樣本。采用（T-2）、（T-3）、（T-4）年的年報資料來預測其在T年是否會成為財務危機公司。采用一一配對抽樣方式，為43家財務危機公司一一配對，得到43家非財務危機公司，它們組成非財務危機樣本組。這樣，研究樣本就由43家財務危機公司和43家非財務危機公司共同構成，共計86家。

三、指標選取

參考了國外的實證研究結果并結合我國財務管理實際，從以下五個方面構建考察上市公司財務狀況指標體系，作為研究中的初始變量，具體包括：

第一，反映償債能力的財務指標。選取了速動比率、營運資本比重、資產(chǎn)負債率、產(chǎn)權比率4個指標，來反映企業(yè)的償債能力。

第二，反映企業(yè)盈利能力的財務指標。選取了銷售凈利率、資產(chǎn)凈利率、凈資產(chǎn)收益率、總資產(chǎn)收益率、主營業(yè)務利潤率、主營利潤比重6個指標，來反映企業(yè)的盈利能力。

第三，反映企業(yè)資產(chǎn)管理能力的財務指標。選取了應收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率來反映企業(yè)的資產(chǎn)管理能力。

第四，反映企業(yè)成長能力的財務指標。選取了主營業(yè)務增長率、凈利潤增長率、資本積累率、總資產(chǎn)擴張率4個指標，來反映企業(yè)的成長能力

第五，反映企業(yè)現(xiàn)金流量的財務指標。選取了現(xiàn)金流動負債比、現(xiàn)金負債總額比、主營收入現(xiàn)金回收比率、凈利潤現(xiàn)金比率、資產(chǎn)現(xiàn)金回報率5個指標，反映企業(yè)的現(xiàn)金流量。

第六，其他指標。選取了反映企業(yè)市場價值的每股收益、每股凈資產(chǎn)、每股經(jīng)營現(xiàn)金流量，另外還引入了經(jīng)濟增加值EVA。與傳統(tǒng)的會計利潤指標相比，EVA更注重企業(yè)實際的財富創(chuàng)造能力，能夠真正反映企業(yè)的實際盈利狀況。

財務指標共計27個。通過顯著性檢測，刪除不存在顯著性差異的指標，使用其余26個財務指標建立財務危機預警模型。

四、主成分分析

對所選樣本的86家公司在危機前2年、前3年、前4年的26個預警變量進行主成分分析，提取主成分9個。分別命名為：盈利能力—資產(chǎn)收益率主成分因子F1、現(xiàn)金流量主成分因子F2、盈利能力—營業(yè)利潤主成分因子F3、成長能力主成分因子F5、現(xiàn)金流量—凈利潤現(xiàn)金比率F4、償債能力主成分因子F6、短期償債能力—EVA主成分因子F7、營運能力—應收賬款主成分因子F8、盈利能力—主營利潤比重主成分因子F9。

五、模型構建

使用CH AID——卡方自動交互檢驗。在計算的每一步中，CH AID選擇與因變量交互作用最強的自變量。如果某些自變量與因變量沒有很強的顯著性差別，這些自變量的分類將被合并。使用的工具軟件是SPSS13.0。

利用決策樹模型進行財務危機預測時，未引入EVA變量建立的模型命名為M 1，引入EVA變量建立模型命名為M 2，預測結果見表1~表3。

表1 （T-2）年M1和M2的決策樹預測結果比較

表2 （T-3）年M1和M2的決策樹預測結果比較

表3 （T-4）年M1和M2的決策樹預測結果比較

利用決策樹建立模型，其預測準確率是越接近ST年份越準確。（T-2）的總體預測準確率達到了90.7%，模型對財務危機公司的預測準確率高于非財務危機公司，同時，（T-2）年引入EVA與未引入EVA預測準確率一樣。（T-3）年總體預測準確率為86.05%，同樣引入EVA與未引入EVA預測準確率一樣。（T-4）年引入EVA后提高了總體預測準確率，同時提高了財務危機組和非財務危機組的預測準確率，可見EVA在離ST遠的年份效果明顯，也就是EVA的提前預測效果比較好。

六、比較研究

第一，構建模型。為更好地對模型的預測能力進行比較，再使用Logi t方法建立模型。（T-2）年、（T-3）年，引入EVA對模型的預測準確率提高沒有影響。（T-4）年引入EVA后提高了總體預測準確率（表4），而且財務危機和非財務危機的預測準確率均提高了。說明EVA在危機發(fā)生前能較早地發(fā)出警報。

表4 （T-4）年M1和M2的Logit預測結果比較

第二，研究效果比較。總體上說，決策樹模型三年的總體預測準確率基本上均高于Logi t模型。特別是財務危機組的預測準確率高于Logi t模型。（T-2）、（T-3）、（T-4）三年財務危機組的預測準確率不僅高于Logi t模型，而且其預測準確率比較高，均在90%以上。此外，決策樹模型與Logi t回歸模型比較的一大優(yōu)點是決策樹模型可以控制不同類型的錯判成本，通過對不同類型的錯判成本賦予不同的值，可以提高錯判成本較高組的判別準確率。因此，在今后的研究中可以考慮采用決策樹模型構建財務危機預警模型，并對錯判成本高的組賦予較大的值，以提高預測準確率。

綜上所述，財務危機預警模型研究盡管成果豐碩，但本文站在研究前沿，從以下幾個方面進行了創(chuàng)新嘗試，取得了滿意的結果：

一是在研究方法上，采用了數(shù)據(jù)挖掘方法。研究中，采用了數(shù)據(jù)挖掘方法——決策樹法，并將數(shù)據(jù)挖掘方法的預測結果與統(tǒng)計分析方法的預測結果進行了比較。統(tǒng)計分析方法選用了常用的Logi t回歸法，通過對決策樹模型與Logi t回歸模型預測結果的比較，得出決策樹模型總體上要優(yōu)于Logi t回歸模型。

二是在預警變量選取上，引入了經(jīng)濟增加值——EVA。鑒于上市公司存在著粉飾財務報表的行為，本文嘗試引入了EVA變量。EVA克服了傳統(tǒng)會計指標的主要缺陷，比較準確地反映了公司在一定時期內(nèi)為股東創(chuàng)造的價值，真正成為股東所定義的利潤。通過實證研究表明引入EVA變量后對于提前預測財務危機公司起到了一定作用。

［1］陳靜：《上市公司財務惡化預測的實證分析》，《會計研究》1999年第4期。

［2］吳世農(nóng)、盧賢義：《我國上市公司財務困境的預測模型研究》，《經(jīng)濟研究》2001年第6期。

［3］劉紅霞：《企業(yè)財務危機預警方法及系統(tǒng)的構建研究》，中國統(tǒng)計出版社2005年版。

［4］周首華、楊濟華、王平：《論財務危機的預警分析——F分數(shù)模式》，《會計研究》1996年第8期。

（編輯 向玉章）