摘 要：財(cái)務(wù)預(yù)警模型構(gòu)建對(duì)企業(yè)的經(jīng)營營運(yùn)有著重要的指導(dǎo)意義，對(duì)企業(yè)財(cái)務(wù)工作人員與管理者的管理方針有著很強(qiáng)的影響。文章總結(jié)了以往的預(yù)警模型的構(gòu)建，并運(yùn)用邏輯回歸得出了較實(shí)用的預(yù)警模型。

關(guān)鍵詞：財(cái)務(wù)風(fēng)險(xiǎn) LOGISTIC回歸 獨(dú)立樣本T檢驗(yàn)

中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2013）07-106-02

隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，我國的金融市場(chǎng)規(guī)則也愈發(fā)完善。不少公司也因?yàn)閿U(kuò)張速度過大，經(jīng)營不善等原因陷入財(cái)務(wù)困境之中。不少學(xué)者開始研究判別企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。從最初的單因素判定模型到借鑒Z-score方法改進(jìn)系數(shù)與變量得出的改進(jìn)Z分法，再到主成分回歸得出判定模型。同時(shí)另外一些學(xué)者使用單位概率模型，利用邏輯回歸或Probit回歸，得出概率模型判定企業(yè)陷入財(cái)務(wù)困境中的概率。

一、回歸方法的簡(jiǎn)介與選擇

回歸分析中擬合程度較好的偏最小二乘法與嶺回歸不太適用于財(cái)務(wù)預(yù)警模型的構(gòu)建。因?yàn)槠钚《朔ㄅc嶺回歸雖然對(duì)模型的擬合程度較高，但由于各自的方法較為繁瑣，其中的個(gè)別系數(shù)需要人為判斷，因此兩種方法對(duì)財(cái)務(wù)風(fēng)險(xiǎn)模型的構(gòu)建不是很成熟。嶺回歸的k系數(shù)就是人為得到的，k值越大則回歸系數(shù)比較平穩(wěn)，但誤差也隨之增大，因此在較復(fù)雜的多變量模型中嶺參數(shù)的k值確定較難。

本文中采用比較成熟的單位概率模型中的邏輯回歸進(jìn)行構(gòu)建模型。它是含定性變量的模型。由于線性回歸中的基本假設(shè)之一，就是因變量是隨機(jī)的。然后一個(gè)企業(yè)是否陷入財(cái)務(wù)困境只有兩種情況，顯然不是隨機(jī)的，因而不能直接采取線性模型進(jìn)行擬合。由于定義企業(yè)陷入財(cái)務(wù)危機(jī)的情況為0，財(cái)務(wù)狀況良好的情況為1，使得Y值只有兩個(gè)可能性，即0與1。在這種情況下一般的線性模型Yi=β0+β1X1不符合一般假設(shè)，但Yi的均值有著比較特殊的意義，Yi是0-1型分布，它有如下的分布律：P（Yi=1）=πi，P（Yi=0）=1-πi。因此有Y的期望值為，E（Yi）=1*πi+0*（1-πi）=πi。由于πi值是概率值，因此是隨機(jī)的，從而符合線性回歸的基本假設(shè)之一，修正了之前的缺點(diǎn)，可以使用線性模型進(jìn)行擬合。

二、指標(biāo)選擇

由于企業(yè)陷入財(cái)務(wù)危機(jī)并非一朝一夕，它是一個(gè)持久的過程，因此采取當(dāng)年ST公司的財(cái)務(wù)指標(biāo)不妥，滬深交易所是根據(jù)上市公司前一年的財(cái)務(wù)狀況對(duì)上市公司在本年進(jìn)行特別處理，因而采取新增ST公司的前兩年的數(shù)據(jù)較妥。本文抽取了23家2012年新增ST上市公司的2010年年報(bào)的數(shù)據(jù)指標(biāo)，與之對(duì)應(yīng)的抽取了37家2012年正常上市公司的2010年年報(bào)指標(biāo)（財(cái)務(wù)指標(biāo)均來自于銳思數(shù)據(jù)庫），兩者作為總體樣本，進(jìn)行分組檢驗(yàn)。下面進(jìn)行指標(biāo)篩選。

由于財(cái)務(wù)指標(biāo)特別煩雜，且不同性質(zhì)的企業(yè)指標(biāo)區(qū)別很大，更極端的情況下是有的指標(biāo)不存在，因此首先做初步篩選。如可持續(xù)增長率這一過于理想化的指標(biāo)在很多企業(yè)都是不存在的，無法進(jìn)行比較判斷。還有的指標(biāo)過于保守，如現(xiàn)金比率也不宜進(jìn)入模型的構(gòu)建?？紤]到實(shí)用性與常見性，初步選擇如下10個(gè)指標(biāo)進(jìn)行檢驗(yàn)。反應(yīng)盈利能力的：凈資產(chǎn)收益率，資產(chǎn)凈利率，銷售凈利率，銷售費(fèi)用率，管理費(fèi)用率，財(cái)務(wù)費(fèi)用率；反映短期償債能力的：流動(dòng)比率，速動(dòng)比率；反應(yīng)成長性的：營業(yè)收入增長率，股東權(quán)益相對(duì)年初增長率；反應(yīng)營運(yùn)能力的：存貨周轉(zhuǎn)率，應(yīng)收賬款周轉(zhuǎn)率，總資產(chǎn)周轉(zhuǎn)率；反應(yīng)長期償債能力的資產(chǎn)負(fù)債率，流動(dòng)負(fù)債比重，與流動(dòng)負(fù)債占總資產(chǎn)的比重。

為了判斷陷入財(cái)務(wù)困境與非財(cái)務(wù)困境公司的區(qū)別，使用獨(dú)立樣本T檢驗(yàn)，將之分為兩組。獨(dú)立樣本T檢驗(yàn)是檢驗(yàn)其獨(dú)立總體的均值是否一樣，當(dāng)sig值較小，低于置信水平時(shí)，我們認(rèn)為此指標(biāo)顯著，予以保留。

依據(jù)獨(dú)立樣本T檢驗(yàn)，第一列的sig值是為了判斷方差是否相等，一般來說若第一列的sig值大于0.15，在Levene Test for Equality of Variance中就認(rèn)為方差是相等的，所以應(yīng)考察第一行。若較下，則認(rèn)為方差不等，考察第二行。第二列中的sig值是判斷是否有顯著差異，由于原假設(shè)是無顯著差異，因此我們希望第二列的sig值較小，小于置信水平，拒絕原假設(shè)，此變量的回歸系數(shù)不為0，對(duì)模型有顯著影響。從表中可看出，有顯著性差異的為凈資產(chǎn)收益率（平均），資產(chǎn)凈利率，股東權(quán)益增長率，資產(chǎn)負(fù)債率，流動(dòng)負(fù)債比率五個(gè)指標(biāo)。

在用過獨(dú)立樣本T檢驗(yàn)之后得出的5個(gè)指標(biāo)不能直接用于邏輯回歸模型的構(gòu)建，因?yàn)樯形磳?duì)之進(jìn)行多重共線性判斷。多重共線性判斷的方法主要有兩種，方差因子擴(kuò)大因子法與特征根條件數(shù)法。方差擴(kuò)大因子的定義式為Cjj=1/（1-Rj）（1+Rj），Rj為自變量Xj對(duì)其余p-1個(gè)自變量的決定系數(shù)。Rj2越接近1，VIFj也就越大，自變量之間的多重共線性就越嚴(yán)重，經(jīng)驗(yàn)表明當(dāng)VIF≥10時(shí)，存在嚴(yán)重的多重共線性。特征根條件數(shù)法來自于矩陣，即矩陣的行列式等于矩陣各個(gè)特征跟之積，若行列式為0，則特征跟至少有一個(gè)為0.反之，若至少存在一個(gè)特征跟近似于0時(shí)，X的列向量之間必存在多重共線性。條件數(shù)的定義式為其中λm為矩陣特征根最大值，Ki為特征根λi的條件數(shù)。條件數(shù)衡量了矩陣特征根的離散程度，可以用它來判斷多重共線性。通常認(rèn)為K介于0到10之間矩陣沒有共線性，介于10到100有較強(qiáng)共線性，大于100存在嚴(yán)重共線性。本文采取的就是特征根判別法，對(duì)上述五個(gè)指標(biāo)進(jìn)行檢測(cè)有如下結(jié)果：

條件數(shù)即圖中的Condition Index。由于圖中的特征根是按照從小到大排列的，并非按照自變量順序排列，因此可以有右側(cè)的方差比例（Variance Proportion）進(jìn)行判斷。如果某幾個(gè)自變量的方差比例在某一行同時(shí)較大，則這幾個(gè)變量就存在多重共線性。圖中的第三行凈資產(chǎn)收益率（平均）與資產(chǎn)凈利率同時(shí)較大，第六行中的資產(chǎn)負(fù)債率與流動(dòng)負(fù)債比率同時(shí)較大，因此初步判斷他們兩兩存在共線性。下面將凈資產(chǎn)收益率（平均）與資產(chǎn)凈利率分為一組，將資產(chǎn)負(fù)債率與流動(dòng)負(fù)債比率分為一組，單獨(dú)比較。

可知凈資產(chǎn)收益率（平均）與資產(chǎn)凈利率存在強(qiáng)共線性關(guān)系，同理資產(chǎn)負(fù)債率與流動(dòng)負(fù)債比率也存在強(qiáng)共線性關(guān)系，將方差百分比較大者剔除。留下了凈資產(chǎn)收益率（平均）與流動(dòng)負(fù)債比率，加上之前的股東權(quán)益增長率，這三個(gè)指標(biāo)作為邏輯回歸的變量。

三、邏輯回歸

利用SPPS軟件對(duì)三變量進(jìn)行邏輯回歸，有：

由于這里的sig值是wald統(tǒng)計(jì)量檢驗(yàn)的顯著性概率，同前面的獨(dú)立樣本T檢驗(yàn)一樣，我們希望拒絕假設(shè)，因此希望sig較小為好。股東權(quán)益增長率的sig值明顯較大，此變量不顯著，因此予以剔除。剔除后，對(duì)剩下的兩變量進(jìn)行邏輯回歸有：

可以看到凈資產(chǎn)收益率（平均）與流動(dòng)負(fù)債比率兩個(gè)自變量都是顯著的，因而最終的方程為其中的X1為凈資產(chǎn)收益率（平均），X2為流動(dòng)負(fù)債比率。以概率0.5為界，大于0.5則有財(cái)務(wù)風(fēng)險(xiǎn)。

現(xiàn)在開始回驗(yàn)?zāi)Ｐ停S機(jī)取23家ST公司的5家，正確率為百分之百。取37家正常公司中的5家公司，正確率百分之百?？梢娺壿嫽貧w的擬合度較高。

模型的不足之處在于0.5作為界限過于模糊，如果兩家公司P值一個(gè)為0.51一個(gè)為0.49，不能直接判定兩家公司的財(cái)務(wù)狀況，同時(shí)由于自變量均為定量數(shù)據(jù)，沒有考慮到定性數(shù)據(jù)，如公司的主營項(xiàng)目是否為國家大力發(fā)展支持的產(chǎn)業(yè)，公司在其所處行業(yè)的地位等定型變量并未參與模型構(gòu)建，導(dǎo)致模型不能全面說明公司的發(fā)展?fàn)顩r和財(cái)務(wù)狀況。

參考文獻(xiàn)：

1.數(shù)據(jù)來源：銳思數(shù)據(jù)庫（www.resset.cn）

2.何曉群，劉文卿著.應(yīng)用回歸分析（第三版）.北京：中國人民大學(xué)出版社，2011

（作者單位：廖世昱，劉曉光，張永慧，東北林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院；馬妮，黑龍江信息技術(shù)職業(yè)學(xué)院 黑龍江哈爾濱 150000）

（責(zé)編：賈偉）