程翠鳳

基于Logiissttiicc回歸模型的我國(guó)化工上市企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究

程翠鳳

不同行業(yè)的財(cái)務(wù)指標(biāo)其特征不同，而這些指標(biāo)是構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的基礎(chǔ)，因而有必要分行業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究。本文以我國(guó)化工行業(yè)上市公司為研究對(duì)象，采用正態(tài)性檢驗(yàn)、顯著性檢驗(yàn)和相關(guān)性分析對(duì)初選的預(yù)警指標(biāo)進(jìn)行篩選，最終選取10個(gè)能顯著反映化工上市公司財(cái)務(wù)狀況的指標(biāo)，運(yùn)用Logistic回歸構(gòu)建危機(jī)預(yù)警模型，模型預(yù)測(cè)準(zhǔn)確率達(dá)到了91%，具有一定的應(yīng)用價(jià)值。

化工上市企業(yè)；財(cái)務(wù)危機(jī)預(yù)警；Lo?gistic回歸

一、引言

世界經(jīng)濟(jì)一體化在給我國(guó)企業(yè)帶來機(jī)遇的同時(shí)也使我國(guó)企業(yè)的經(jīng)營(yíng)環(huán)境面臨嚴(yán)峻考驗(yàn)，日益復(fù)雜的經(jīng)濟(jì)環(huán)境及激烈的國(guó)內(nèi)外競(jìng)爭(zhēng)加劇了企業(yè)財(cái)務(wù)危機(jī)發(fā)生的概率。因此，構(gòu)建有效的財(cái)務(wù)危機(jī)預(yù)警模型，從而使我國(guó)企業(yè)能及早采取有針對(duì)性的措施防范財(cái)務(wù)危機(jī)發(fā)生，是一個(gè)不容忽視的重大課題。研究表明，基于行業(yè)層面的財(cái)務(wù)危機(jī)預(yù)警模型其準(zhǔn)確率大大高于通用的財(cái)務(wù)危機(jī)預(yù)警模型。

化工行業(yè)在我國(guó)經(jīng)濟(jì)建設(shè)中發(fā)揮著不可替代的重要作用。面對(duì)激烈的競(jìng)爭(zhēng)形勢(shì)，化工類企業(yè)出現(xiàn)了種種財(cái)務(wù)問題。本文以化工類上市企業(yè)為研究對(duì)象，在縮小研究范圍的同時(shí)，一定程度上滿足了樣本的復(fù)雜性，力圖模型能滿足行業(yè)多樣性運(yùn)用。

二、研究設(shè)計(jì)

1.研究方法

由于多元邏輯回歸法Logistic沒有預(yù)測(cè)變量必須嚴(yán)格符合正態(tài)分布的要求，同時(shí)也不受財(cái)務(wù)危機(jī)組與控制組兩組樣本之間配對(duì)的限制，適用范圍較為廣泛，預(yù)測(cè)精度較高，且在理論研究上也最為成熟，因此本文選用此方法對(duì)化工行業(yè)危機(jī)預(yù)警進(jìn)行研究。

Logistic是一種非線性多變量回歸模型，其因變量預(yù)測(cè)值范圍在(0，1)區(qū)間，其模型曲線圖呈“S”或倒“S”型。Logistic預(yù)警模型是在采用多元線性判別方法確定Z值的基礎(chǔ)上，再推算出企業(yè)發(fā)生危機(jī)的幾率有多大。

2.樣本及數(shù)據(jù)來源

為驗(yàn)證所構(gòu)建模型預(yù)測(cè)的穩(wěn)定性，本文選取的樣本對(duì)象均為在滬深兩市上市4年以上的（2012年及以前）化工類上市公司。如果將財(cái)務(wù)危機(jī)爆發(fā)（被實(shí)施特別處理，即ST，研究樣本在擺脫困境后又一次陷入困境的取其第一次被ST的時(shí)間作為危機(jī)爆發(fā)期）當(dāng)年記為T年，則危機(jī)爆發(fā)前一年記為T-1年，依此類推，故選取從T-3到T-1年連續(xù)3年的數(shù)據(jù)。為保證數(shù)據(jù)的有效性，經(jīng)過多方篩查僅有26家ST公司符合要求，本文建模時(shí)選取其中的20家ST公司，剩余的6家作為檢驗(yàn)樣本，采取1：1配對(duì)模式，抽取相同會(huì)計(jì)期間、資產(chǎn)規(guī)模相近的26家財(cái)務(wù)健康的企業(yè)作為配對(duì)樣本。數(shù)據(jù)來自于wind數(shù)據(jù)庫(kù)、CSMAR數(shù)據(jù)庫(kù)和新浪財(cái)經(jīng)、上交所、深交所等網(wǎng)站。

3.財(cái)務(wù)危機(jī)預(yù)警指標(biāo)選擇

借鑒國(guó)內(nèi)外相關(guān)研究成果和我國(guó)化工類上市企業(yè)現(xiàn)狀，本文將傳統(tǒng)的財(cái)務(wù)指標(biāo)與現(xiàn)金流量指標(biāo)相結(jié)合，從評(píng)價(jià)企業(yè)盈利能力、成長(zhǎng)能力、營(yíng)運(yùn)能力、償債能力和獲現(xiàn)能力五個(gè)方面初步選取了21個(gè)財(cái)務(wù)指標(biāo)作為備選預(yù)警變量。這21個(gè)指標(biāo)分別為：總資產(chǎn)凈利率、成本費(fèi)用利潤(rùn)率、營(yíng)業(yè)利潤(rùn)率、銷售凈利率、凈資產(chǎn)收益率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率、產(chǎn)權(quán)比率、資產(chǎn)負(fù)債率、經(jīng)營(yíng)現(xiàn)金凈流量與銷售收入的比率、總資產(chǎn)現(xiàn)金回收率和現(xiàn)金流量比率，這21個(gè)備選預(yù)警指標(biāo)本文分別用X1、X2、X3……X21表示。

三、實(shí)證研究

1.正態(tài)性檢驗(yàn)

究竟采用哪種方法對(duì)指標(biāo)變量進(jìn)行顯著性檢驗(yàn)其前提是判定變量數(shù)據(jù)是否符合正態(tài)分布，T檢驗(yàn)適用于數(shù)據(jù)符合正態(tài)分布的顯著性檢驗(yàn)；若數(shù)據(jù)不服從正態(tài)分布，則需要采用非參數(shù)檢驗(yàn)法。本文首先借助單樣本K-S檢驗(yàn)判斷初選的預(yù)警變量的正態(tài)性，K-S檢驗(yàn)結(jié)果顯示，t-3年有X1、X6、X8、X10、X18和X20這6個(gè)預(yù)警變量符合正態(tài)分布；t-2年有X4、X6、X8、X10、X12、X13、X18、X20和X21這9個(gè)預(yù)警變量符合正態(tài)分布；t-1年有X1、X2、X4、X8、X10、X12、X13、X15、X18、X20和X21這11個(gè)預(yù)警變量符合正態(tài)分布，t-3、t-2、t-1中有兩年都服從正態(tài)性分布的是預(yù)警變量X1、X4、X6、X8、X10、X12、X13、X18、X20和X2等10個(gè)指標(biāo)。因而，在進(jìn)行顯著性檢驗(yàn)時(shí)，本文對(duì)服從正態(tài)分布的變量用T檢驗(yàn)法，對(duì)不服從正態(tài)分布的變量則采用非參數(shù)法。

2.顯著性檢驗(yàn)

顯著性檢驗(yàn)是檢查財(cái)務(wù)危機(jī)公司與財(cái)務(wù)健康公司預(yù)警變量是否具有顯著性差異，篩選出具有顯著性差異的指標(biāo)，以便進(jìn)行進(jìn)一步分析。

顯著性檢驗(yàn)是提前對(duì)樣本總體的分布做出一個(gè)假設(shè)，即所有選取的指標(biāo)都符合正態(tài)性分布，都可以運(yùn)用T檢驗(yàn)的方法，以上通過檢驗(yàn)的10個(gè)變量符合做T檢驗(yàn)的要求，未通過的11個(gè)變量用非參數(shù)Mann－Whitney?？傊ㄟ^這一步驟可以得到ST與非ST企業(yè)的預(yù)警指標(biāo)是否存在差異，從而方便進(jìn)一步篩選變量建模。（1）T檢驗(yàn)。對(duì)以上通過K-S檢驗(yàn)的10個(gè)服從正態(tài)分布的變量進(jìn)行配對(duì)T檢驗(yàn)的結(jié)果如表1所示?？梢姡甓季哂酗@著性差異的指標(biāo)分別是X1、X6、X8、X10、X18和X21。

表1 服從正態(tài)分布的預(yù)警變量T檢驗(yàn)

（2）非參數(shù)Mann-Whitney檢驗(yàn)。對(duì)K-S檢驗(yàn)中不符合正態(tài)分布的變量使用Mann-Whitney非參數(shù)檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示。

表2 不符合正態(tài)分布的預(yù)警變量Mann-Whitney檢驗(yàn)

表2顯示，有5個(gè)變量通過了顯著性檢驗(yàn)，分別是X2、X3、X7、X11和X14。

3.相關(guān)性檢驗(yàn)

經(jīng)過上面的初步篩選，對(duì)通過顯著性檢驗(yàn)的11個(gè)預(yù)警變量進(jìn)行Spearman相關(guān)性檢驗(yàn)，這里不采用Pearson檢驗(yàn)是因?yàn)樗m合正態(tài)分布的等間隔測(cè)度的變量，相關(guān)性檢驗(yàn)時(shí)我們發(fā)現(xiàn)X1、X2相關(guān)系數(shù)高達(dá)0.951，綜合考慮指標(biāo)的意義和重要性程度，本文在11個(gè)備選變量中剔除了X2。

4.建立Logistic危機(jī)預(yù)警模型

將經(jīng)過層層篩選的10個(gè)預(yù)警變量作為解釋變量，公司是否發(fā)生財(cái)務(wù)危機(jī)作為被解釋變量Y（建模時(shí)，將陷入財(cái)務(wù)危機(jī)的ST企業(yè)Y值定義為“1”，財(cái)務(wù)正常的健康企業(yè)Y值定義為“0”），進(jìn)行Logistic邏輯回歸，回歸結(jié)果見表3。

四、結(jié)論及研究局限性

表3 Logistic回歸結(jié)果

根據(jù)表3 Logistic回歸結(jié)果，可以得到我國(guó)化工上市企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，如式（1）所示。

5.模型擬合度檢驗(yàn)

模型的擬合度檢驗(yàn)結(jié)果顯示，模型的（-2）倍的對(duì)數(shù)似然函數(shù)值（即-2 Log like?lihood）為9.606，表明回歸模型的擬合度較好，Cox＆Snell和Nagelkerke可決系數(shù)分別是0.701和0.814，說明變量與模型的擬合度較好。

6.預(yù)警模型適用性檢驗(yàn)

本文利用Logistic回歸分析法對(duì)我國(guó)化工上市企業(yè)財(cái)務(wù)危機(jī)構(gòu)建預(yù)警模型，基于公司出現(xiàn)財(cái)務(wù)危機(jī)前3年的財(cái)務(wù)數(shù)據(jù)展開實(shí)證分析，研究發(fā)現(xiàn)，總資產(chǎn)凈利率、營(yíng)業(yè)利潤(rùn)率、主營(yíng)收入增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、存貨周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率、流動(dòng)比率、資產(chǎn)負(fù)債率和現(xiàn)金流量比率這10個(gè)變量對(duì)化工企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)作用顯著。

表4 預(yù)警模型分類檢驗(yàn)效果

我國(guó)化工企業(yè)可以運(yùn)用此預(yù)警模型作為防范財(cái)務(wù)危機(jī)發(fā)生的一種有效方式，及早發(fā)現(xiàn)財(cái)務(wù)危機(jī)，并適時(shí)、有效地調(diào)整財(cái)務(wù)、經(jīng)營(yíng)戰(zhàn)略，提高企業(yè)風(fēng)險(xiǎn)管控和危機(jī)預(yù)判能力，真正做到防患于未然；投資人借助此模型可以預(yù)測(cè)擬投資企業(yè)未來的財(cái)務(wù)狀況走勢(shì)，為規(guī)避投資決策失誤風(fēng)險(xiǎn)提供有益的借鑒；債權(quán)人則可以利用此模型評(píng)判貸款及債權(quán)投資的安全保障性，為其權(quán)衡是否為上市企業(yè)提供融資提供決策支持。

本文在建模指標(biāo)選取上，一是出于數(shù)據(jù)可得性的考慮，評(píng)價(jià)指標(biāo)側(cè)重選取財(cái)務(wù)指標(biāo)，而未將非財(cái)務(wù)指標(biāo)納入財(cái)務(wù)危機(jī)預(yù)警模型中；二是初步選取的預(yù)警指標(biāo)較少，只是在反映企業(yè)財(cái)務(wù)狀況的每個(gè)特征中選取最為重要的三至五個(gè)指標(biāo)，不排除遺漏一些重要的可能性，但實(shí)證部分構(gòu)建的預(yù)警模型應(yīng)該是可靠和可行的；三是在實(shí)際財(cái)務(wù)危機(jī)預(yù)警時(shí)，需要將定性與定量方法結(jié)合起來，以提高判正率，而本文由于篇幅限制，未作定性分析。

參考財(cái)政部企業(yè)司編的《企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理》，Logistic模型一般選擇0.5作為閾值即分割點(diǎn)，當(dāng)p＞0.5時(shí)，為財(cái)務(wù)危機(jī)公司；否則，為財(cái)務(wù)狀況正常公司，分別將建模組和檢驗(yàn)組T-1、T-2和T-3年樣本數(shù)據(jù)回代模型進(jìn)行預(yù)測(cè)檢驗(yàn)，結(jié)果顯示，預(yù)判綜合準(zhǔn)確率達(dá)到了91%。ST公司一般是由于前2年連續(xù)虧損，第3年被證監(jiān)會(huì)實(shí)施特別處理（即ST）予以警示。在T-1年、T-2年內(nèi)，Logistic預(yù)警模型的判正率均可保持在83%以上，且在T-1年的預(yù)判精度能夠達(dá)到100%。從表4可見，離財(cái)務(wù)危機(jī)發(fā)生年度越接近，模型預(yù)測(cè)精度越高，可見該模型有較好的預(yù)測(cè)效果，可以應(yīng)用于化工行業(yè)上市企業(yè)財(cái)務(wù)危機(jī)預(yù)警實(shí)際中。

[1]王君萍，白瓊瓊.我國(guó)能源上市企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[J].經(jīng)濟(jì)問題，2015（1）：109-113.

[2]張占勝.制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建[J].財(cái)會(huì)通訊，2015（17）：83-85.

（作者單位：鹽城工學(xué)院）

10.16653/j.cnki.32-1034/f.2016.23.005

江蘇省高校哲學(xué)社會(huì)科學(xué)研究基金資助項(xiàng)目“江蘇制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與經(jīng)濟(jì)效益研究”（項(xiàng)目編號(hào)：2010SJB790034）]