楊芹英

摘 要：本文運用數(shù)據(jù)挖掘的Logistic算法對上市公司發(fā)生財務(wù)危機的可能性進行分析預(yù)測。本文選取了15家09年因財務(wù)問題被特別處理的上市公司為樣本，同時選取了15家正常的上市公司為配對樣本。本文基于財務(wù)分析的基本理論，選取非參數(shù)檢驗、主成分分析和Logistic回歸分析等方法，并通過分析的結(jié)果建立上市公司財務(wù)危機預(yù)警模型。

關(guān)鍵詞：財務(wù)危機；預(yù)警；Logistic模型

中圖分類號：F 文獻標(biāo)識碼：A 文章編號： 2095-7866 （2017） 02-099-006

工業(yè)經(jīng)濟論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.02.011

引言

風(fēng)險預(yù)警和管理是公司和機構(gòu)最基本的任務(wù)之一，有效的識別和應(yīng)對風(fēng)險也成為公司的成功途徑之一。隨著我國證券市場快速發(fā)展，市場的競爭越來越激烈，因管理因素或其他因素而陷入財務(wù)危機的公司也在不斷增加。由于越來越多的社會大眾參與到證券投資，人們對于上市公司是否會陷入財務(wù)危機也更加的關(guān)心。因此，建立上市公司的財務(wù)危機預(yù)警模型對于公司的管理人員、投資者、債權(quán)人等都有十分重要的意義，可以幫助其做出正確的決策并采取措施加以防范。

財務(wù)困境的發(fā)生通常要經(jīng)過潛伏期到爆發(fā)期的很長一段時間，在這段時間內(nèi)會經(jīng)歷財務(wù)狀況由正常逐漸發(fā)展為財務(wù)危機的過程。由此可見，公司的財務(wù)危機具有先兆性和可預(yù)測性。采用財務(wù)危機預(yù)警模型可以對企業(yè)財務(wù)危機及其發(fā)展趨勢進行有效的識別、預(yù)測和控制，能夠使經(jīng)營者在風(fēng)險處在萌芽狀態(tài)的時候采取有效措施，改善經(jīng)營狀況，減少損失，使利益相關(guān)者獲得最大的收益。

一、Logistic算法

在現(xiàn)實世界中，經(jīng)常要判斷有一些事情是否會發(fā)生，比如會議是否會如期舉行，以及本文研究的財務(wù)危機是否發(fā)生，結(jié)果只有“是”和“否”兩種，這種模型要求因變量的取值必須只能是0、1。為研究此類問題，便引進了Logistic回歸模型。

Logistic模型由學(xué)者Verhulst在1838年第一次提出，并開始在人口估計和預(yù)測中擴大了應(yīng)用范圍。Martin（1977）shouci運用多元Logistic模型進行銀行破產(chǎn)預(yù)測，Ohison（1980）選取了9個財務(wù)指標(biāo)，再次運用該模型來預(yù)測企業(yè)的財務(wù)危機。之后Charitou和Trigeorgis（2000）又對該模型進行了擴展，采用Logistic回歸方法構(gòu)建了財務(wù)危機判別模型，對1983年到1994年之間的139家美國企業(yè)進行了對比檢驗，發(fā)現(xiàn)了在預(yù)測破產(chǎn)方面顯著的指標(biāo)。

Logistic回歸模型為非線性模型，其反應(yīng)函數(shù)呈現(xiàn)S型或者是倒S型。反應(yīng)函數(shù)的值落在0和1之間，因此，結(jié)果易于作出解釋。

Logistic回歸模型如下：

其中：z=B0+B1X1+B2X2+…+BPXP （P為自變量的數(shù)量）

式中，P為用Logistic邏輯回歸模型計算出來的上市公司發(fā)生財務(wù)危機的概率。

模型用0.5分界點，在模型中，公司發(fā)生財務(wù)危機，用0表示；不發(fā)生財務(wù)危機，用1表示。

二、上市公司財務(wù)危機預(yù)警模型構(gòu)建的思路及步驟

通過參考國內(nèi)國外的研究關(guān)于財務(wù)危機的界定，本文將被特別處理的公司（以下簡稱ST公司）界定為發(fā)生財務(wù)危機的公司。我國證券交易所關(guān)于特別處理的最新規(guī)定如下：上市公司出現(xiàn)財務(wù)狀況或其他狀況異常，導(dǎo)致其股票存在終止上市風(fēng)險，或者投資者難以判斷公司前景，其投資權(quán)益可能受到損害的，證交所將對該公司股票交易實行特別處理：終止上市風(fēng)險的特別處理（以下簡稱“退市風(fēng)險警示”）和其他特別處理。 退市風(fēng)險警示的處理措施包括：在公司股票簡稱前冠以“*ST”字樣，以區(qū)別于其他股票； 股票報價的日漲跌幅限制為5%。其他特別處理的處理措施包括：公司股票簡稱前冠以“ST”字樣；股票報價的日漲跌幅限制為5%。

首先，按照一定標(biāo)準(zhǔn)選取ST公司作為樣本公司，正常公司作為對照公司。其次，通過非參數(shù)檢驗的方法，對選取的指標(biāo)進行差異顯著性檢驗。再次，通過主成分分析對財務(wù)指標(biāo)進行二次篩選，簡化為幾個有代表性且互不相關(guān)的財務(wù)指標(biāo)。最后，根據(jù)最終選取的財務(wù)指標(biāo)用Logistic算法進行分析，建立財務(wù)危機預(yù)警模型。

本文選取了2009年因財務(wù)問題被ST的15家上市公司做為危機研究樣本，并按1：1的比例確定15家正常公司為配對樣本。本文的研究數(shù)據(jù)來源：巨潮資訊網(wǎng)、和訊網(wǎng)。選取的樣本公司及配對公司如表（1）所示：

上市公司財務(wù)危機預(yù)警模型指標(biāo)體系的構(gòu)成，本文從上市公司的償債能力、盈利能力、資產(chǎn)管理能力、經(jīng)營發(fā)展能力、股本擴張能力這五個方面選取相關(guān)指標(biāo)。選取指標(biāo)的名稱及編號如表（2）所示。

三、上市公司財務(wù)危機預(yù)警模型的建立

（一）上市公司財務(wù)危機預(yù)警指標(biāo)的差異顯著性檢驗

根據(jù)我國關(guān)于財務(wù)預(yù)警的研究，上市公司的財務(wù)指標(biāo)不服從正態(tài)分布，應(yīng)該對財務(wù)指標(biāo)進行非參數(shù)檢驗。本文研究使用的工具是SPSS，在SPSS中提供了8種非參數(shù)檢驗的方法，由于選取的30家上市公司的財務(wù)數(shù)據(jù)都是成對出現(xiàn)，所以本文采用的非參數(shù)檢驗的方法為兩配對樣本的非參數(shù)檢驗。

兩配對樣本的非參數(shù)檢驗是指在總體不服從正態(tài)分布的情況下通過分析兩配對樣本，對樣本來自的兩總體分布是否存在差異性進行推斷。其原假設(shè)為：兩配對樣本來自兩總體的分布無顯著性差異。

將需要進行檢驗的數(shù)據(jù)輸入到SPSS中，選擇兩個配對樣本檢驗方法，系統(tǒng)會自動輸出檢驗統(tǒng)計量表，在表中會給出檢驗概率p的大小。檢驗概率p是用來判斷是否拒絕原假設(shè)的概率值，在本文中，選擇在10%的水平下進行檢驗，若p<0.1，則能拒絕原假設(shè)，認為兩配對樣本來自的總體有顯著性差異；若p>0.1，則不能拒絕原假設(shè)，認為兩配對樣本來自的總體無顯著性差異。

對訓(xùn)練樣本的2008、2007、2006年數(shù)據(jù)進行非參數(shù)檢驗，通過三年的比較，最終得出了A1，A2，A3，B6，B8，B9，C11，D13 ，E14 9個預(yù)測能力較強的指標(biāo)，作為初始的解釋變量，用于進一步的篩選。

從表3可以看出，被ST的公司財務(wù)比率的均值較不穩(wěn)定，變化幅度一般比正常公司大。發(fā)生財務(wù)危機的公司財務(wù)狀況較不穩(wěn)定，易出現(xiàn)波動，且隨著時間逐漸接近財務(wù)危機發(fā)生的年限，財務(wù)比率變化幅度越大，即將發(fā)生危機的表現(xiàn)越明顯。

（二）主成分分析

主成分分析由Hotelling于1933年首先提出。主成分分析是利用降維的思想，把多個指標(biāo)化簡成為幾個簡單的指標(biāo)，將其稱為主成分。主成分分析的思想是直到所提取的信息與原指標(biāo)相差不多時為止。通過分析得出的主成分包含了原來的很多信息，在進行進一步分析的時候有很大的優(yōu)越性[5]。

主成分的的數(shù)學(xué)模型為

用矩陣表示為：Y=UX。

式中Y為主成分向量，U為主成分矩陣，X為原始變量向量。

原則上，有m個變量就有m個主成分，但是如果將其全部提取出來，主成分分析也就失去了其意義。事實上，前面幾個主成分包含了大部分的分析內(nèi)容，因此，通常情況下，主成分的數(shù)量要小于原始變量的數(shù)量。

通過成分得分系數(shù)矩陣可以看出：

（1）主成分因子1：貢獻率最大的是速動比率，為0.220，因此主成分1為反映償債能力指標(biāo)的因子，用速動比率作為其代表變量。

（2）主成分因子2：貢獻率最大的是總資產(chǎn)增長率，為0.383，因此，主成分2為反映資產(chǎn)管理能力指標(biāo)的因子，用總資產(chǎn)增長率作為其代表變量。

（3）主成分因子3：貢獻率最大的是存貨周轉(zhuǎn)率，為0.738，因此主成分3為反映經(jīng)營發(fā)展能力指標(biāo)的因子，用存貨周轉(zhuǎn)率作為其代表變量。

（4）主成分因子4：貢獻率最大的是扣除非經(jīng)常損失后的的凈利潤率，為0.586，因此主成分4為反映盈利能力指標(biāo)的因子，用扣除非經(jīng)常損失后的的凈利潤率作為其代表變量。

根據(jù)以上分析結(jié)果，最終得到了速動比率A3，總資產(chǎn)增長率D13，存貨周轉(zhuǎn)率C11，扣除非經(jīng)常損失后的凈利潤率B8，四個指標(biāo)作為變量進行預(yù)警模型研究。

（三）構(gòu)建Logistic回歸模型

依據(jù)以上得出的四個主成分，利用SPSS進行Logistic模型的構(gòu)建，將06、07、08年30家公司的財務(wù)數(shù)據(jù)輸入到SPSS中，進行分析，最終得到的Logistic回歸模型為：

其中：

本文的Logistic回歸模型的臨界點為0.5，當(dāng)P≥0.5的時候，公司發(fā)生財務(wù)危機的可能性比較大，將其確定為ST公司；當(dāng)P<0.5的時候，公司發(fā)生財務(wù)公司發(fā)生財務(wù)危機的可能性比較小，將其確定為正常公司。

四、研究結(jié)論與展望

（一）結(jié)論

（1）通過以上的分析可以看出我國上市公司的財務(wù)信息具有一定的信息量。我國的上市公司每年都會披露大量的財務(wù)數(shù)據(jù)，這些財務(wù)數(shù)據(jù)在一定程度上具有很強的預(yù)測能力。通過數(shù)據(jù)挖掘的方法，可以對上市公司的現(xiàn)金流量表、資產(chǎn)負債表、利潤表中的財務(wù)數(shù)據(jù)進行分析，從而得到這些數(shù)據(jù)中的一般規(guī)律，并進行應(yīng)用。

（2）數(shù)據(jù)挖掘的方法有助于得到上市公司財務(wù)數(shù)據(jù)的深層規(guī)律。雖然每年我們上市公司都會公布一個會計年度的財務(wù)數(shù)據(jù)，但是這些財務(wù)數(shù)據(jù)只是提供表面的信息，很難得到這些財務(wù)數(shù)據(jù)的一般規(guī)律。但是通過數(shù)據(jù)挖掘的方法則可以發(fā)現(xiàn)財務(wù)數(shù)據(jù)的的隱藏信息，從而加以利用。

（3）償債能力指標(biāo)、盈利能力指標(biāo)、資產(chǎn)管理能力指標(biāo)、經(jīng)營發(fā)展能力指標(biāo)對于建立財務(wù)危機預(yù)警模型，可以提供更多的信息量，有助于建立更為準(zhǔn)確的預(yù)警模型。

（4）對于預(yù)測結(jié)果而言，06年數(shù)據(jù)的預(yù)測準(zhǔn)確率為80.00%，07年數(shù)據(jù)的預(yù)測準(zhǔn)確率為83.33%，08年數(shù)據(jù)的預(yù)測準(zhǔn)確率為86.67%?？梢钥闯觯娇拷攧?wù)危機發(fā)生的年限，預(yù)測的準(zhǔn)確程度越高，離財務(wù)危機發(fā)生的時間越遠，財務(wù)比率的指示、預(yù)測能力越不能得到充分的體現(xiàn)。

（5）在Logistic回歸模型建立之后，企業(yè)可以通過模型隨時對財務(wù)數(shù)據(jù)進行分析預(yù)測，可以及時了解公司的財務(wù)狀況，從而及時發(fā)現(xiàn)財務(wù)危機發(fā)生的預(yù)兆。

（二）建議

首先，應(yīng)擴大樣本容量。在我國的各大財經(jīng)網(wǎng)站，每年可以查詢到的ST公司有限，其中還包含一些非財務(wù)問題被特別處理的公司，這些公司還要從樣本中去除，因此，樣本的數(shù)量比較少，數(shù)據(jù)挖掘的優(yōu)勢沒有得到充分的發(fā)揮。通過擴大樣本容量的方式可以使得預(yù)警模型更加有效。

其次，將財務(wù)數(shù)據(jù)與非財務(wù)環(huán)境相結(jié)合。本文建立的財務(wù)危機預(yù)警模型是建立在15個財務(wù)指標(biāo)的基礎(chǔ)之上，雖然，這15個指標(biāo)涵蓋了財務(wù)分析的重要方面，但是非財務(wù)環(huán)境的各種因素也會對財務(wù)危機造成很大的影響，對此方面進行深入研究將得到更加完善的預(yù)警模型。

最后，應(yīng)擴大預(yù)警模型的適用范圍。當(dāng)前，在各大財經(jīng)網(wǎng)站都能得到上市公司的財務(wù)數(shù)據(jù)，但是對于非上市公司的信息很少有渠道可以了解，因此，應(yīng)擴大非上市公司的信息披露途徑，使預(yù)警模型可以適用于非上市公司。

參考文獻

魏樂. 基于數(shù)據(jù)挖掘的首批創(chuàng)業(yè)板上市公司財務(wù)分析[J]. 中國管理信息化，2010，3（11）： 39～41.

楊淑娥.企業(yè)多層次財務(wù)危機預(yù)警研究[M].北京：經(jīng)濟科學(xué)出版社，2009.13-20.

陳志泊. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M]. 北京：清華大學(xué)出版社， 2009.111～115.

呂曉玲，謝邦昌.數(shù)據(jù)挖掘方法與應(yīng)用[M].北京：中國人民大學(xué)出版社，2009.6～12.

賴國毅，陳超.SPSS17.0中文版常用功能與應(yīng)用實例精講.北京：電子工業(yè)出版社，2010.10-20.