張鵬 劉勇波 李明

【摘 要】 隨著經(jīng)濟的全球化和大數(shù)據(jù)時代的到來，企業(yè)的風險意識也進一步加強，上市公司都迫切需要時刻把握其財務狀況。故從資產(chǎn)管理能力、盈利能力、營運能力、償債能力和成長能力五個方面構建了上市公司財務危機預警指標體系，并基于PCA和數(shù)據(jù)挖掘技術構建了財務危機預警模型，來對企業(yè)的財務狀況進行判別。通過利用C&R樹、Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡等方法分別建模。比較發(fā)現(xiàn)，基于C&R樹的預警模型具有更好的精確度，并根據(jù)該模型的分析結(jié)果，給出了相應的預防對策及建議。

【關鍵詞】 財務危機； 主成分分析法（PCA）； 分類與回歸（C&R）樹； 預警模型

中圖分類號：F810.2 文獻標識碼：A 文章編號：1004-5937（2015）04-0048-04

引 言

隨著我國市場經(jīng)濟的不斷完善，企業(yè)在高速發(fā)展的同時，也不斷地受到各種風險的沖擊，尤其是隨著大數(shù)據(jù)時代的到來，信息的重要性被提高到一個更加重要的地位。上市公司作為其中比較優(yōu)秀的組成部分，更重視風險預警的研究。國內(nèi)外學者在這方面都進行了大量的研究，并取得了大量成果。例如2013年Tomasz Korol選取了在華沙證券交易所上市的185家公司和來自墨西哥、阿根廷、秘魯、巴西和智利證券交易所上市的60家公司的財務數(shù)據(jù)作為樣本，選取14個財務比率指標構建了指標體系，并采用判別分析、決策樹和人工神經(jīng)網(wǎng)絡方法分別構建了預警模型，并對公司的財務危機進行了有效的識別。2009年韓宇豪和張衛(wèi)東采用遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡算法的權重，提出了改進的神經(jīng)網(wǎng)絡評估模型用于財務危機的評估，通過利用Matlab工具箱來進行仿真，仿真結(jié)果證明了該方法的可行性和有效性。2009年我國學者岳上植和張廣柱以滬深兩市A股上市公司的數(shù)據(jù)為樣本，采用距離判別分析法構建了財務危機預警模型，并對企業(yè)財務狀況進行了分析。2011年劉宏洲以中國電器業(yè)上市公司為例，提出了Z計分模型用于財務危機預警研究。周喜和吳可夫在2012年選取了30家ST和90家非ST的上市公司的財務數(shù)據(jù)作為樣本，基于混合粗糙集與ANN方法構建了財務危機預警模型，并取得了較高的財務危機預測準確率。2013年魏明謀等選取了36家ST公司和36家非ST公司的數(shù)據(jù)作為樣本，采用因子分析法構建了金融長期預警模型，結(jié)果表明該模型能有效地規(guī)避金融危機。2013年李紅梅和田景鮮等以滬深兩市A股制造業(yè)上市公司的財務數(shù)據(jù)為樣本，構建了以財務指標與公司治理指標相結(jié)合的邏輯回歸模型，對公司的財務危機進行了預測，取得了良好的預測效果?？梢钥闯?，前人在這方面的研究主要是采用一些判別分析、回歸分析以及神經(jīng)網(wǎng)絡的方法來構建預警模型對財務危機加以預測，并不斷優(yōu)化預警模型的準確度。

鑒于此，本文結(jié)合PCA與C&R樹這兩種方法的優(yōu)點，構建了上市公司財務危機預警模型，并與Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經(jīng)網(wǎng)絡和貝葉斯網(wǎng)絡等方法構建的模型進行比較，驗證了本文模型的優(yōu)越性，同時由C&R樹方法生成的決策樹圖又能很好地給出最終判斷的依據(jù)，指出導致企業(yè)出現(xiàn)財務危機的薄弱點，使得我們可以有針對性地加以彌補，從而有效地規(guī)避財務危機的發(fā)生，這樣不僅能很好地預測危機的存在，同時也能很好地防范危機的發(fā)生。

一、上市公司財務危機預警指標體系的構建

預警指標的選取對預警模型的性能具有重要的影響。為了體現(xiàn)指標選取的科學性，本文從反映企業(yè)財務狀況的資產(chǎn)管理能力、盈利能力、營運能力、償債能力和成長能力五個方面著手，統(tǒng)計了從2005—2013年國內(nèi)外發(fā)表的與財務預警相關的共150篇論文，挑選其中使用頻數(shù)≥50，且對最終預測模型有顯著貢獻的評價指標作為本文評價指標體系的組成部分。最終的選取結(jié)果如表1所示。

利用最終選取的22個評價指標構建了財務危機預警評價指標體系，并根據(jù)收集到的75家上市公司的財務數(shù)據(jù)對指標進行了可靠性分析，分析結(jié)果如表2所示。

根據(jù)分析結(jié)果可以得出，本文選取的指標可以滿足可靠性要求，進一步驗證了本文所構建的指標體系的合理性。

二、上市公司財務危機預警模型的構建

（一）樣本的收集

為了保證樣本具有一定的代表性，本文在進行樣本的選擇時，按照12的比例從醫(yī)療器械及醫(yī)療服務、出版?zhèn)髅?、信息服務、陸路運輸和醫(yī)藥生物共5個行業(yè)選取了25家ST公司和50家非ST公司的財務數(shù)據(jù)作為研究樣本。數(shù)據(jù)的收集來自于同花順炒股軟件上公布的各上市公司的年報。

（二）主成分分析

本文采用主成分分析來對選取的22個指標進行簡化，最終得到各上市公司在盈利能力、資產(chǎn)管理能力、營運能力、償債能力和成長能力這五個方面的得分。表3—表5是以盈利能力為例的主成分分析的計算過程。

根據(jù)表3、表4和表5可以看出，在盈利能力Z1方面抽取出一個主成分，該主成分的計算公式如下：

F11=（0.984×主營業(yè)務利潤率+0.972×凈利潤率+

0.850×總資產(chǎn)收益率+0.973×毛利率）

根據(jù)上式計算得到的結(jié)果，可以求得盈利能力得分，計算公式如下：

Z1=0.89569×F11 （1）

同理依次可以得到資產(chǎn)管理能力Z2、營運能力Z3、償債能力Z4、成長能力Z5的計算公式如下：

Z2=0.52151×F21+0.34199×F22 （2）

Z3=0.78144×F31 （3）

Z4=0.66550×F41+0.20390×F42 （4）

Z5=0.54931×F51+0.33118×F52 （5）

根據(jù)公式（1）—（5）分別計算出盈利能力、資產(chǎn)管理能力、營運能力、償債能力和成長能力這五個方面的得分，可以最終得到這75家上市公司在這五個方面的相應得分。

（三）C&R樹建模

從以上得到的75家上市公司的得分數(shù)據(jù)中選取20家ST公司和40家非ST公司的財務數(shù)據(jù)組成訓練樣本，剩下的5家ST公司和10家非ST公司的財務數(shù)據(jù)作為檢驗樣本，并利用Clementine平臺建立C&R樹預警模型，模型如圖1所示。

以上模型的多模型分析節(jié)點的運行結(jié)果如表6所示。

根據(jù)表6可知，基于C&R樹的財務危機預警模型具有最好的效果，因此本文選用了C&R樹方法來進行上市公司財務危機預警的建模。利用訓練樣本來對建立的預警模型進行訓練，訓練得到的規(guī)則集如圖2。

根據(jù)圖2，可以得到以下規(guī)則：（1）當盈利能力得分≤0.006時，該企業(yè)存在財務危機。（2）當盈利能力得分>0.006、償債能力得分≤1.355、資產(chǎn)管理能力得分≤1.333時，該企業(yè)存在財務危機。（3）當盈利能力得分>0.006、償債能力得分≤1.355、資產(chǎn)管理能力得分>1.333時，該企業(yè)不存在財務危機。（4）當盈利能力得分>0.006、償債能力得分>1.355時，該企業(yè)不存在財務危機。能力重要性示意圖見圖3。

（四）模型的驗證與分析

利用檢驗樣本來對訓練好的預警模型進行檢驗，檢驗結(jié)果如表7所示。

檢驗的結(jié)果表明，該模型在上市公司財務危機預警方面具有很好的預警準確度。根據(jù)變量重要性圖可以看出，在上市企業(yè)財務風險方面起主要影響作用的在于盈利能力、資產(chǎn)管理能力和償債能力，其中盈利能力的影響最大。由規(guī)則集圖可以得到以下結(jié)論：當盈利能力得分小于等于0.006時，該企業(yè)存在財務危機，導致的主要原因在于盈利能力不足，當這種情況出現(xiàn)時，應該采取一些能增強企業(yè)盈利能力的措施來緩解財務危機。當盈利能力得分大于0.006、償債能力得分小于等于1.355、資產(chǎn)管理能力小于等于1.333時，該企業(yè)存在財務危機，而導致該情況出現(xiàn)的關鍵限制因素在于資產(chǎn)管理能力的不足，因此需要提高企業(yè)的資產(chǎn)管理能力。而其他情況下，企業(yè)的財務狀況良好。

三、結(jié)論

本文以75家上市公司的財務數(shù)據(jù)作為樣本，利用PCA和C&R樹方法構建了上市公司財務危機預警模型，并通過與目前常用的幾種方法構建的模型進行比較，發(fā)現(xiàn)本文所構建的模型在各項評估指標上均具有更好的效果，且通過對模型的訓練以及驗證表明：該模型的判別準確度達到了100%。同時在模型的判別過程中還得到了判別的規(guī)則集，利用該規(guī)則集可以有效找出導致該公司出現(xiàn)財務危機的原因所在，并能給出有針對性和合理的解決方案，有效地避免危機的發(fā)生。【參考文獻】

[1] Tomasz Korol.Early warning models against bankruptcy risk for Central European and Latin American enterprises[J].Economic Modelling，2013（31）：125-132.

[2] Ming-Mou Wei，Bin-Gu Shui. The Research on Long-Term Financial Early-Warning System of Listed Companies[J].Advanced Materials Research，2013（3）：216-221.

[3] Yuhao Han，Weidong Zhang.A Study on Assessment of Enterprise Financial Crisis Based on Optimizing Neural Networks by GA[J].International Journal of Business and Mangement，2009，1（6）：78-85.

[4] 岳上植，張廣柱.上市公司財務危機預警模型構建研究[J].會計之友，2009（1）：81-86.

[5] 周喜，吳可夫.基于混合粗糙集與ANN的上市公司財務危機預警研究[J].企業(yè)經(jīng)濟，2012（2）：39-42.

[6] 李紅梅，田景鮮.公司財務危機預警模型比較研究——以A股制造業(yè)上市公司為例[J].財會月刊，2013（10）：27-31.

[7] 劉宏洲.財務危機預警的Z計分模型實證研究——來自中國電器業(yè)上市公司的新證據(jù)[J].會計之友，2011（28）：47-53.