張醒洲　張瑞麗

摘要：本文利用1989-2012年上市公司財務(wù)數(shù)據(jù)建立面板logit回歸模型，對上市公司下一年虧損情況進行預(yù)測。研究結(jié)果表明，上市公司財務(wù)預(yù)警的面板logit模型在預(yù)測上市公司是否會虧損方面具有較高的準確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財務(wù)預(yù)警 面板logit

一、引言

資本市場建立以來，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財務(wù)困境，甚至面臨生存危機。而企業(yè)一旦出現(xiàn)虧損，就會影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財務(wù)預(yù)警的建立對上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實意義。

財務(wù)預(yù)警通過對上市公司財務(wù)指標進行統(tǒng)計分析來預(yù)測企業(yè)發(fā)生財務(wù)困境的可能性。Beaver（1966）使用了30個財務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財務(wù)指標后，提出了單變量預(yù)測模型。Altman（1968）綜合了5個財務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計分模型大大提高了模型的預(yù)測能力。Ohlson（1980）使用了多元Logistic回歸建立了財務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標有顯著的預(yù)測能力。此外，Olson（2012）還使用了支持向量機等數(shù)據(jù)挖掘方法研究財務(wù)破產(chǎn)預(yù)警。國內(nèi)財務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國制造業(yè)40家ST上市公司和260家非ST上市公司進行實證研究，采取Cox生存模型進行財務(wù)困境預(yù)測。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進行來對比建立預(yù)測模型，而公司陷入財務(wù)困境是個動態(tài)的過程。為了給投資者等提供更為詳細的反映公司未來財務(wù)狀況的信息，應(yīng)該對上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測模型，預(yù)測上市公司下一年度虧損的可能性。

二、研究設(shè)計

（一）樣本選取和數(shù)據(jù)來源

本文選取1989-2012年滬深主板A股虧損過的上市公司作為虧損公司樣本，同時要求虧損前至少三年的財務(wù)數(shù)據(jù)，同時將從未虧損過的上市公司作為未虧損公司樣本。對于兩類樣本的數(shù)量問題，本文并未遵循配對原則，因為配對會高估模型的準確率。對于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對于非虧損公司的數(shù)據(jù)處理方式，只需對公司年份賦值，處理方式與對虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來源于RESSET金融研究數(shù)據(jù)庫，以SPSS19.0和Stata10.0軟件進行數(shù)據(jù)分析。

（二）研究變量

上市公司的財務(wù)指標主要包括盈利能力、償債能力、營運能力、成長能力和資產(chǎn)結(jié)構(gòu)五個方面，為了建立全面的上市公司財務(wù)預(yù)警模型，本文初步選取了25個財務(wù)指標作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來提取財務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗

（二）模型預(yù)測效果檢驗

在運用面板Logit模型進行判別時，通常將0.5作為概率閾值，即當P0.5時，公司被認為將會虧損，否則認為不虧損。但閾值定的過高或過低都會影響模型的準確率。因此，為了提高判斷的正確率，本文通過多次測試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測結(jié)果見表5。虧損公司被錯判為非虧損公司的比率為1.52%，非虧損公司被錯判為虧損公司的比率為2.57%，面板Logit模型預(yù)測準確率高達97.5%。

五、結(jié)束語

本文通過對上市公司財務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財務(wù)預(yù)警模型反映了上市公司虧損概率與財務(wù)指標之間的關(guān)系；資產(chǎn)報酬率、營業(yè)利潤率、利潤總額增長率等指標是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財務(wù)預(yù)警模型的面板Logit模型對預(yù)測上市公司虧損可能性具有較高的準確率，可為投資者提供一定的參考。

參考文獻：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財務(wù)困境預(yù)測研究[J].商業(yè)研究，2013，11：108-116endprint

摘要：本文利用1989-2012年上市公司財務(wù)數(shù)據(jù)建立面板logit回歸模型，對上市公司下一年虧損情況進行預(yù)測。研究結(jié)果表明，上市公司財務(wù)預(yù)警的面板logit模型在預(yù)測上市公司是否會虧損方面具有較高的準確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財務(wù)預(yù)警 面板logit

一、引言

資本市場建立以來，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財務(wù)困境，甚至面臨生存危機。而企業(yè)一旦出現(xiàn)虧損，就會影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財務(wù)預(yù)警的建立對上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實意義。

財務(wù)預(yù)警通過對上市公司財務(wù)指標進行統(tǒng)計分析來預(yù)測企業(yè)發(fā)生財務(wù)困境的可能性。Beaver（1966）使用了30個財務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財務(wù)指標后，提出了單變量預(yù)測模型。Altman（1968）綜合了5個財務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計分模型大大提高了模型的預(yù)測能力。Ohlson（1980）使用了多元Logistic回歸建立了財務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標有顯著的預(yù)測能力。此外，Olson（2012）還使用了支持向量機等數(shù)據(jù)挖掘方法研究財務(wù)破產(chǎn)預(yù)警。國內(nèi)財務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國制造業(yè)40家ST上市公司和260家非ST上市公司進行實證研究，采取Cox生存模型進行財務(wù)困境預(yù)測。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進行來對比建立預(yù)測模型，而公司陷入財務(wù)困境是個動態(tài)的過程。為了給投資者等提供更為詳細的反映公司未來財務(wù)狀況的信息，應(yīng)該對上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測模型，預(yù)測上市公司下一年度虧損的可能性。

二、研究設(shè)計

（一）樣本選取和數(shù)據(jù)來源

本文選取1989-2012年滬深主板A股虧損過的上市公司作為虧損公司樣本，同時要求虧損前至少三年的財務(wù)數(shù)據(jù)，同時將從未虧損過的上市公司作為未虧損公司樣本。對于兩類樣本的數(shù)量問題，本文并未遵循配對原則，因為配對會高估模型的準確率。對于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對于非虧損公司的數(shù)據(jù)處理方式，只需對公司年份賦值，處理方式與對虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來源于RESSET金融研究數(shù)據(jù)庫，以SPSS19.0和Stata10.0軟件進行數(shù)據(jù)分析。

（二）研究變量

上市公司的財務(wù)指標主要包括盈利能力、償債能力、營運能力、成長能力和資產(chǎn)結(jié)構(gòu)五個方面，為了建立全面的上市公司財務(wù)預(yù)警模型，本文初步選取了25個財務(wù)指標作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來提取財務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗

（二）模型預(yù)測效果檢驗

在運用面板Logit模型進行判別時，通常將0.5作為概率閾值，即當P0.5時，公司被認為將會虧損，否則認為不虧損。但閾值定的過高或過低都會影響模型的準確率。因此，為了提高判斷的正確率，本文通過多次測試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測結(jié)果見表5。虧損公司被錯判為非虧損公司的比率為1.52%，非虧損公司被錯判為虧損公司的比率為2.57%，面板Logit模型預(yù)測準確率高達97.5%。

五、結(jié)束語

本文通過對上市公司財務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財務(wù)預(yù)警模型反映了上市公司虧損概率與財務(wù)指標之間的關(guān)系；資產(chǎn)報酬率、營業(yè)利潤率、利潤總額增長率等指標是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財務(wù)預(yù)警模型的面板Logit模型對預(yù)測上市公司虧損可能性具有較高的準確率，可為投資者提供一定的參考。

參考文獻：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財務(wù)困境預(yù)測研究[J].商業(yè)研究，2013，11：108-116endprint

摘要：本文利用1989-2012年上市公司財務(wù)數(shù)據(jù)建立面板logit回歸模型，對上市公司下一年虧損情況進行預(yù)測。研究結(jié)果表明，上市公司財務(wù)預(yù)警的面板logit模型在預(yù)測上市公司是否會虧損方面具有較高的準確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財務(wù)預(yù)警 面板logit

一、引言

資本市場建立以來，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財務(wù)困境，甚至面臨生存危機。而企業(yè)一旦出現(xiàn)虧損，就會影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財務(wù)預(yù)警的建立對上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實意義。

財務(wù)預(yù)警通過對上市公司財務(wù)指標進行統(tǒng)計分析來預(yù)測企業(yè)發(fā)生財務(wù)困境的可能性。Beaver（1966）使用了30個財務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財務(wù)指標后，提出了單變量預(yù)測模型。Altman（1968）綜合了5個財務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計分模型大大提高了模型的預(yù)測能力。Ohlson（1980）使用了多元Logistic回歸建立了財務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標有顯著的預(yù)測能力。此外，Olson（2012）還使用了支持向量機等數(shù)據(jù)挖掘方法研究財務(wù)破產(chǎn)預(yù)警。國內(nèi)財務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國制造業(yè)40家ST上市公司和260家非ST上市公司進行實證研究，采取Cox生存模型進行財務(wù)困境預(yù)測。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進行來對比建立預(yù)測模型，而公司陷入財務(wù)困境是個動態(tài)的過程。為了給投資者等提供更為詳細的反映公司未來財務(wù)狀況的信息，應(yīng)該對上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測模型，預(yù)測上市公司下一年度虧損的可能性。

二、研究設(shè)計

（一）樣本選取和數(shù)據(jù)來源

本文選取1989-2012年滬深主板A股虧損過的上市公司作為虧損公司樣本，同時要求虧損前至少三年的財務(wù)數(shù)據(jù)，同時將從未虧損過的上市公司作為未虧損公司樣本。對于兩類樣本的數(shù)量問題，本文并未遵循配對原則，因為配對會高估模型的準確率。對于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對于非虧損公司的數(shù)據(jù)處理方式，只需對公司年份賦值，處理方式與對虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來源于RESSET金融研究數(shù)據(jù)庫，以SPSS19.0和Stata10.0軟件進行數(shù)據(jù)分析。

（二）研究變量

上市公司的財務(wù)指標主要包括盈利能力、償債能力、營運能力、成長能力和資產(chǎn)結(jié)構(gòu)五個方面，為了建立全面的上市公司財務(wù)預(yù)警模型，本文初步選取了25個財務(wù)指標作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來提取財務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗

（二）模型預(yù)測效果檢驗

在運用面板Logit模型進行判別時，通常將0.5作為概率閾值，即當P0.5時，公司被認為將會虧損，否則認為不虧損。但閾值定的過高或過低都會影響模型的準確率。因此，為了提高判斷的正確率，本文通過多次測試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測結(jié)果見表5。虧損公司被錯判為非虧損公司的比率為1.52%，非虧損公司被錯判為虧損公司的比率為2.57%，面板Logit模型預(yù)測準確率高達97.5%。

五、結(jié)束語

本文通過對上市公司財務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財務(wù)預(yù)警模型反映了上市公司虧損概率與財務(wù)指標之間的關(guān)系；資產(chǎn)報酬率、營業(yè)利潤率、利潤總額增長率等指標是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財務(wù)預(yù)警模型的面板Logit模型對預(yù)測上市公司虧損可能性具有較高的準確率，可為投資者提供一定的參考。

參考文獻：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財務(wù)困境預(yù)測研究[J].商業(yè)研究，2013，11：108-116endprint