羅寧

摘 要：利用Logistic回歸分析和主成分分析法，采用我國2011—2013年食品類上市公司的財(cái)務(wù)報(bào)表數(shù)據(jù)，構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。實(shí)證結(jié)果顯示，上市公司財(cái)務(wù)預(yù)警模型具有可操作性，且預(yù)測(cè)的準(zhǔn)確率很高，能夠增強(qiáng)上市公司內(nèi)部財(cái)務(wù)風(fēng)險(xiǎn)管理的意識(shí)，通過更明確地反映財(cái)務(wù)狀況，有效遏制財(cái)務(wù)危機(jī)，提高上市公司的經(jīng)濟(jì)效益。

關(guān)鍵詞：主成分；Logistic模型；財(cái)務(wù)預(yù)警分析

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2016）18-0073-04

引言

隨著全球經(jīng)濟(jì)一體化進(jìn)程，我國市場(chǎng)經(jīng)濟(jì)不斷發(fā)展完善，上市公司之間的競(jìng)爭(zhēng)也愈演愈烈，市場(chǎng)的復(fù)雜性和不可預(yù)見性使得企業(yè)一旦經(jīng)營不善就可能陷入財(cái)務(wù)困境之中。從20世紀(jì)開始，全球經(jīng)濟(jì)出現(xiàn)了許多復(fù)雜情況，很多企業(yè)包括上市公司陷入了財(cái)務(wù)危機(jī)，甚至因此而導(dǎo)致破產(chǎn)。

財(cái)務(wù)危機(jī)，也稱財(cái)務(wù)困境或財(cái)務(wù)失敗，財(cái)務(wù)危機(jī)分為經(jīng)營失敗、無償付能力、違約、破產(chǎn)四種情形，最終可能會(huì)導(dǎo)致公司破產(chǎn)。財(cái)務(wù)危機(jī)預(yù)警就是利用企業(yè)財(cái)務(wù)信息和相關(guān)資料，選取一些敏感性較高、有針對(duì)性的財(cái)務(wù)指標(biāo)，通過建立數(shù)學(xué)模型，及時(shí)監(jiān)控和預(yù)測(cè)可能出現(xiàn)或已經(jīng)出現(xiàn)的財(cái)務(wù)危機(jī)。隨著由于財(cái)務(wù)危機(jī)而導(dǎo)致破產(chǎn)的企業(yè)增多，財(cái)務(wù)風(fēng)險(xiǎn)管理的重要性愈發(fā)顯著。財(cái)務(wù)危機(jī)預(yù)警既滿足企業(yè)在日趨激烈的競(jìng)爭(zhēng)中維持生存最基本的需要，也符合市場(chǎng)競(jìng)爭(zhēng)機(jī)制的動(dòng)態(tài)要求。如何做到防患于未然，預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)是上市公司需要考慮的重要問題。

鑒于此，本文以食品類上市公司為例，試圖通過選取能夠全面反映食品上市公司經(jīng)營狀況和財(cái)務(wù)狀況的指標(biāo)（包括反映其盈利能力、營運(yùn)能力、獲取現(xiàn)金的能力、償債能力以及發(fā)展能力）構(gòu)建其財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系，針對(duì)食品上市公司被實(shí)施ST前三年的財(cái)務(wù)數(shù)據(jù)，分別運(yùn)用Logistic回歸分析和主成分分析方法來建立財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)其判別效果進(jìn)行比較分析，以期為上市公司的財(cái)務(wù)危機(jī)預(yù)警起到一定的參考作用。

一、文獻(xiàn)綜述

（一）國外的財(cái)務(wù)危機(jī)預(yù)警研究

財(cái)務(wù)危機(jī)預(yù)警研究源于 20世紀(jì)30年代，美國學(xué)者Fitzpatrick（1932）首次采用以財(cái)務(wù)比率作為預(yù)測(cè)財(cái)務(wù)危機(jī)的單變量分析方法，比較分析了健康和危機(jī)企業(yè)的財(cái)務(wù)指標(biāo)。20世紀(jì)60年代，學(xué)者Beaver et al.采用統(tǒng)計(jì)方法，首次建立了單變量財(cái)務(wù)危機(jī)預(yù)警模型。最早的多元判別預(yù)警模型是 Altman的Z-Score模型。Sevim et al.重點(diǎn)對(duì)比分析了一元判斷分析模型、多元判斷分析模型及Logistic模型的優(yōu)缺點(diǎn)，最終選取Logistic模型對(duì)土耳其國內(nèi)的制造業(yè)上市公司的財(cái)務(wù)狀況進(jìn)行了動(dòng)態(tài)預(yù)測(cè)。Ohlson采用多元 Logistic回歸方法構(gòu)造財(cái)務(wù)危機(jī)預(yù)警模型，并發(fā)現(xiàn)了企業(yè)當(dāng)前的變現(xiàn)能力、資本結(jié)構(gòu)、規(guī)模、業(yè)績四個(gè)指標(biāo)有明顯的預(yù)測(cè)效果。后來的研究學(xué)者用人工神經(jīng)網(wǎng)絡(luò)模型以及多元概率比回歸模型，也取得了較好的預(yù)測(cè)結(jié)果。

（二）國內(nèi)的財(cái)務(wù)危機(jī)預(yù)警研究

國內(nèi)對(duì)財(cái)務(wù)預(yù)警的研究相較國外起步比較晚。周首華、楊濟(jì)華、王平利用Compustat PC Plus建立了 F 分?jǐn)?shù)模型。學(xué)者于文華等收集了ST、非ST兩類制造業(yè)上市公司財(cái)務(wù)數(shù)據(jù)，通過構(gòu)建Logistic回歸模型處理財(cái)務(wù)危機(jī)預(yù)警指標(biāo)，探析了財(cái)務(wù)危機(jī)爆發(fā)主要影響指標(biāo)。何妮選取非參數(shù)檢驗(yàn)、顯著性檢驗(yàn)及因子分析等方法，構(gòu)建了Logistic回歸模型發(fā)現(xiàn)財(cái)務(wù)危機(jī)預(yù)警模型具有可實(shí)施性。章早立、何沛俐在采用Logistic 回歸分析之前使用全局主成分分析，并建立了以時(shí)序立體數(shù)據(jù)空間為基礎(chǔ)的財(cái)務(wù)危機(jī)判別模型。劉靜以34家正常公司為例，利用F分?jǐn)?shù)模型對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行了分析，認(rèn)為F分?jǐn)?shù)模型在制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)判上精度較高。王世蘭通過對(duì)現(xiàn)階段的財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行歸納總結(jié)，認(rèn)為目前所應(yīng)用的制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型可歸納為傳統(tǒng)統(tǒng)計(jì)方法和人工智能兩類。張健基于Logistic回歸法建立了EVA財(cái)務(wù)危機(jī)預(yù)警模型，對(duì)52家上市公司的財(cái)務(wù)狀況進(jìn)行實(shí)證檢驗(yàn)，但研究發(fā)現(xiàn)該方法只適用于短期預(yù)測(cè)。

通過上面的文獻(xiàn)綜述，可以發(fā)現(xiàn)財(cái)務(wù)危機(jī)預(yù)警模型還存在一些不足：一是沒有考慮到財(cái)務(wù)指標(biāo)之間具有的較強(qiáng)相關(guān)性，可能導(dǎo)致信息重疊，影響預(yù)警模型的穩(wěn)健性。二是選取財(cái)務(wù)指標(biāo)沒有考慮財(cái)務(wù)信息失真的影響。上述國內(nèi)外研究文獻(xiàn)在預(yù)警方法與模型方面，多集中于Logistic或因子分析等單一預(yù)測(cè)模型的構(gòu)建與使用，而對(duì)不同方法間財(cái)務(wù)危機(jī)預(yù)警精度差異的研究較少，缺乏針對(duì)制造業(yè)財(cái)務(wù)危機(jī)預(yù)警方法的探討。

二、研究設(shè)計(jì)

（一）選擇研究樣本

本文中選取2011—2013年首次被實(shí)施ST的43家A股食品上市公司作為研究對(duì)象，并按照合適的比例選取同行業(yè)上市公司被實(shí)施ST資產(chǎn)規(guī)模相近的43家非ST公司作為配對(duì)樣本。將這86家公司分為建模組和檢驗(yàn)組： 選取2011—2012年被實(shí)施ST的32家食品上市公司和相對(duì)應(yīng)的32家非ST公司作為建模組，利用Logistic回歸分析和主成分分析方法建立財(cái)務(wù)危機(jī)預(yù)警模型；選取2013年被實(shí)施ST的11家食品上市公司和與之對(duì)應(yīng)的11家非ST公司作為檢驗(yàn)組，驗(yàn)證模型的準(zhǔn)確度。

（二）選取財(cái)務(wù)指標(biāo)

選取合適的樣本之后，指標(biāo)的選取成為模型預(yù)測(cè)的關(guān)鍵。企業(yè)在選擇財(cái)務(wù)危機(jī)預(yù)警指標(biāo)時(shí)，首先，應(yīng)該考慮企業(yè)的實(shí)際狀況選取合適財(cái)務(wù)危機(jī)預(yù)警指標(biāo)。其次，選擇的財(cái)務(wù)指標(biāo)通常要包含能夠全面反映企業(yè)財(cái)務(wù)狀況和經(jīng)營狀況的信息，以及能否很好地反映該公司的財(cái)務(wù)危機(jī)。鑒于此，選取了包括盈利能力、營運(yùn)能力、獲取現(xiàn)金的能力、償債能力以及發(fā)展能力幾個(gè)方面的22個(gè)財(cái)務(wù)指標(biāo)作為研究變量（如下表所示）。

另外，選取的反映盈余管理程度的財(cái)務(wù)指標(biāo)主要有：應(yīng)收賬款占銷售收入比率、其他應(yīng)收款與流動(dòng)資產(chǎn)比率和應(yīng)收賬款與流動(dòng)資產(chǎn)比率，以及非經(jīng)常性損益占利潤總額比率。

（三）研究的方法

1.提取主成分。鑒于財(cái)務(wù)指標(biāo)之間較強(qiáng)的相關(guān)性，可能導(dǎo)致信息重復(fù)，不利于分析和構(gòu)建后續(xù)預(yù)警模型，因此克服財(cái)務(wù)指標(biāo)之間的多重重復(fù)性，保留財(cái)務(wù)信息，建立有效的財(cái)務(wù)預(yù)警模型尤為重要。這里采用主成分分析方法將眾多具有相關(guān)關(guān)系的財(cái)務(wù)指標(biāo)變量轉(zhuǎn)變?yōu)楸舜瞬幌嚓P(guān)的較少的的綜合指標(biāo)。如下公式：

fi=a1x1+a2x2+…+aixi（i=1，2，…n）

2.選擇模型。Logistic回歸分析方法不要求因變量服從正態(tài)分布，與多元線性回歸相比，這種判別分析方法更加穩(wěn)健，在實(shí)際運(yùn)用中也更加簡(jiǎn)便。因此，Logistic回歸分析方法是處理模型中變量的常用統(tǒng)計(jì)分析方法，也是研究財(cái)務(wù)危機(jī)的主流方法。公式如下：

其中，p為在給定自變量xn的值的條件下事件發(fā)生的概率，ai為回歸系數(shù)，a0為截距。

3.構(gòu)建模型。對(duì)提取的10個(gè)財(cái)務(wù)預(yù)警指標(biāo)主成分，應(yīng)用 SPSS 統(tǒng)計(jì)分析軟件進(jìn)行Logistic回歸分析，并剔除判別作用不顯著的財(cái)務(wù)預(yù)警指標(biāo)主成分F2、F6和F9，最后得到包含F(xiàn)1、F3和F5等7個(gè)財(cái)務(wù)預(yù)警指標(biāo)主成分的預(yù)警模型。分別采用K 獨(dú)立樣本非參數(shù)檢驗(yàn)和T 檢驗(yàn)來檢驗(yàn)因變量的均值是否具有明顯差異性。檢驗(yàn)結(jié)果顯示，在α=0.05顯著性水平下，有X1、X2等預(yù)警指標(biāo)變量有顯著性差異。

4.檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)能力。由于上述樣本中正常公司與出現(xiàn)財(cái)務(wù)危機(jī)公司比例為2∶1，所以選取 0.67 作為判別點(diǎn)。P≥0.67時(shí)，為正常公司，反之則為財(cái)務(wù)危機(jī)公司。利用財(cái)務(wù)危機(jī)預(yù)警模型對(duì)檢驗(yàn)和建模樣本分別進(jìn)行檢驗(yàn)，結(jié)果顯示，Ⅰ類誤判率（財(cái)務(wù)危機(jī)公司誤判為正常公司的比率）低于15%，模型前后兩次檢驗(yàn)的準(zhǔn)確率也均超過85%。這也證實(shí)了基于Logistic回歸和主成分分析的財(cái)務(wù)危機(jī)預(yù)警模型的穩(wěn)定性較強(qiáng)，預(yù)測(cè)能力較高，同時(shí)又可以降低誤判成本。

結(jié)論

本文對(duì)食品類上市公司的財(cái)務(wù)數(shù)據(jù)和指標(biāo)進(jìn)行分析，利用Logistic回歸方法建立了財(cái)務(wù)危機(jī)預(yù)警模型，并與利用主成分建立的財(cái)務(wù)危機(jī)預(yù)警模型分析結(jié)果進(jìn)行分析比較，發(fā)現(xiàn)Logistic回歸分析法更加適用于食品類上市公司的財(cái)務(wù)危機(jī)預(yù)警。

參考文獻(xiàn)：

[1] Fitzpatrick P.J.A comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified PublicAccountant，1932，（10）.

[2] Beaver W.H.Market price，financial ratios and the prediction of failure[J].Journal of Accounting Research，1968，（2）.

[3] Sevim C.，Oztekin A.，Bali O.et al..Developing an early warning system to predict currency crises[J].European Journal of Operational Research，2014，（3）.

[4] Tennant D.Factors impacting on whether and how businesses respond to early warning signs of financial and economic turmoil：Jamaican firms in the global crisis[J].Journal of Economics and Business，2011，（5）.

[5] Koyuncugil S.，Ozgulbas N..Financial early warning system model and data mining application for risk detection[J].Expert Systemswith Applications，2012，（6）.

[6] 周首華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)[J].會(huì)計(jì)研究，1996，（8）.

[7] 陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證研究[J].會(huì)計(jì)研究，1999，（4）.

[8] 吳世農(nóng)，盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001，（6）.

[責(zé)任編輯 陳丹丹]