郭 偉

安徽行政學(xué)院(安徽經(jīng)濟(jì)管理學(xué)院)經(jīng)濟(jì)學(xué)教研部，合肥，230051

?

基于Logistic模型的制造性企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究

郭 偉

安徽行政學(xué)院(安徽經(jīng)濟(jì)管理學(xué)院)經(jīng)濟(jì)學(xué)教研部，合肥，230051

基于對(duì)我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的度量和預(yù)警機(jī)制的理論考量，選取滬深兩市部分制造性上市企業(yè)的財(cái)務(wù)數(shù)據(jù)為研究對(duì)象，借鑒已有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警評(píng)估模型，通過(guò)對(duì)樣本和變量參數(shù)的篩選，采用因子分析和主成分分析，構(gòu)建適合我國(guó)上市制造性企業(yè)的Logistic財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，檢驗(yàn)表明：該模型在實(shí)際應(yīng)用中具有較好的預(yù)測(cè)效果。對(duì)于制造性企業(yè)來(lái)說(shuō)，若要提前化解公司可能存在的危機(jī)，一要建立合理有效的財(cái)務(wù)預(yù)警體系，及時(shí)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警；二要采用合理有效的措施來(lái)保障公司的財(cái)務(wù)預(yù)警體系順利的實(shí)現(xiàn)；三是提高企業(yè)全員危機(jī)防范意識(shí)和健全財(cái)務(wù)預(yù)警制度。

上市公司；制造性企業(yè)；財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警；Logistic模型

隨著西方國(guó)家“工業(yè)4.0”的推出，中國(guó)制造業(yè)開(kāi)始強(qiáng)力發(fā)聲?！吨袊?guó)制造2025》是一個(gè)務(wù)實(shí)的戰(zhàn)略方針，它將引導(dǎo)中國(guó)從制造業(yè)大國(guó)轉(zhuǎn)向制造業(yè)強(qiáng)國(guó)。目前，我國(guó)制造業(yè)企業(yè)已開(kāi)始走向工業(yè)化與信息化的融合，創(chuàng)新能力不斷增強(qiáng)，制造性企業(yè)整體素質(zhì)大幅提高，國(guó)際競(jìng)爭(zhēng)實(shí)力凸顯，在產(chǎn)業(yè)價(jià)值鏈中的地位提升[1]。然而，隨著國(guó)際貿(mào)易保護(hù)主義的抬頭，中國(guó)制造性企業(yè)面臨的市場(chǎng)競(jìng)爭(zhēng)壓力在加劇，尤其是企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)在加大。學(xué)術(shù)界從20世紀(jì)80年代中后期開(kāi)始對(duì)財(cái)務(wù)危機(jī)預(yù)警開(kāi)展研究，以企業(yè)財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)而建立的財(cái)務(wù)危機(jī)預(yù)警模型也于1996年逐步發(fā)展起來(lái)的。國(guó)內(nèi)有學(xué)者開(kāi)展了對(duì)Z分?jǐn)?shù)模型的改進(jìn)研究[2]，在公司被ST的前三年可以較好地對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)；還有學(xué)者直接借鑒美國(guó)學(xué)者Altman的Z分?jǐn)?shù)模型來(lái)構(gòu)建企業(yè)財(cái)務(wù)困境預(yù)警模型[3]。這些研究都是從上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建出發(fā)，其中以上市的制造性企業(yè)為對(duì)象的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究較少[4]。本文構(gòu)建適合我國(guó)上市制造性企業(yè)的Logistic財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，檢驗(yàn)表明：該模型在實(shí)際應(yīng)用中具有較好的預(yù)測(cè)效果，對(duì)研究我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的度量和預(yù)警機(jī)制有一定的理論價(jià)值。

1 中國(guó)制造業(yè)發(fā)展面臨的挑戰(zhàn)與困境

改革30多年來(lái)，中國(guó)制造業(yè)的發(fā)展較為突出，制造業(yè)大國(guó)地位突顯，中國(guó)制造隨處可見(jiàn)。雖然位居世界制造大國(guó)，但離制造強(qiáng)國(guó)還有很大差距。中國(guó)制造業(yè)總規(guī)模和產(chǎn)出能力已有較高水平，但一些核心制造技術(shù)仍依賴他國(guó)，企業(yè)核心能力不強(qiáng)，品牌效應(yīng)不力，創(chuàng)新能力不夠，中國(guó)制造業(yè)仍然處于一個(gè)艱難的發(fā)展困境中。

隨著經(jīng)濟(jì)環(huán)境的變化和全球制造業(yè)生產(chǎn)格局的轉(zhuǎn)變，中國(guó)制造業(yè)發(fā)展仍將面臨著三個(gè)方面的挑戰(zhàn)：一是來(lái)自于高端挑戰(zhàn)。西方發(fā)達(dá)國(guó)家通過(guò)“再工業(yè)化”，推出“工業(yè)4.0”，優(yōu)勢(shì)進(jìn)一步強(qiáng)化，進(jìn)一步拉大與我國(guó)的距離。二是來(lái)自于低端擠壓。一些發(fā)展中國(guó)家和新經(jīng)濟(jì)體以其廉價(jià)勞動(dòng)力的優(yōu)勢(shì)，搶占了全球制造業(yè)的中低端市場(chǎng)，我國(guó)原有的制造業(yè)優(yōu)勢(shì)面臨失去的危險(xiǎn)。三是來(lái)自于內(nèi)部的困境。從整體來(lái)看，我國(guó)制造業(yè)自主創(chuàng)新能力不強(qiáng)，核心技術(shù)對(duì)外依存度較高；制造業(yè)仍處于產(chǎn)業(yè)中低端水平，產(chǎn)品處于全球產(chǎn)業(yè)鏈的中端，產(chǎn)品附加值低，營(yíng)銷和研發(fā)能力較弱，知名品牌短缺；生產(chǎn)性服務(wù)業(yè)比重偏低，集群效應(yīng)沒(méi)有體現(xiàn)；資源浪費(fèi)較大，利用效率偏低，環(huán)境問(wèn)題突出；企業(yè)產(chǎn)品競(jìng)爭(zhēng)力下降[5]。

2 制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)一步加大

全球經(jīng)濟(jì)一體化趨勢(shì)逐漸加深，制造企業(yè)所面臨的社會(huì)環(huán)境也在日益復(fù)雜的變化著，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)不可避免，導(dǎo)致出現(xiàn)財(cái)務(wù)危機(jī)的概率加大[6]。從滬深上市公司分析來(lái)看，制造業(yè)上市公司由于財(cái)務(wù)問(wèn)題而被ST或*ST的比例要比其他行業(yè)高得多[7]。

2.1 制造性企業(yè)財(cái)務(wù)存在的主要問(wèn)題

從滬深兩市可以看出，多數(shù)上市企業(yè)的財(cái)務(wù)狀況不容樂(lè)觀，尤其是制造性企業(yè)，被*ST的比例很高[8]，這些制造性企業(yè)主要的財(cái)務(wù)問(wèn)題有：(1)資產(chǎn)負(fù)債率較高，企業(yè)面臨還債壓力大；(2)虧損比例大，易引發(fā)財(cái)務(wù)危機(jī)；(3)融資順序不合理。大量學(xué)者的研究結(jié)果表明，導(dǎo)致上市公司財(cái)務(wù)風(fēng)險(xiǎn)的最主要原因是企業(yè)的經(jīng)營(yíng)管理和財(cái)務(wù)管理兩方面造成的[8]。經(jīng)營(yíng)管理方面主要包括盲目擴(kuò)大規(guī)模，治理機(jī)制不夠完善以及不健康的公司文化等；財(cái)務(wù)管理方面主要包括財(cái)務(wù)信息失真，投資決策失誤，公司流動(dòng)資金差以及不健全的財(cái)務(wù)管理制度等。

2.2 制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的必要性

制造業(yè)上市公司陷入財(cái)務(wù)危機(jī)，若不能及時(shí)處理，不僅會(huì)影響到公司自身的發(fā)展，還會(huì)影響到我國(guó)證券市場(chǎng)的發(fā)展。運(yùn)用統(tǒng)計(jì)模型來(lái)研究上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，可以在制造性企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)之前評(píng)測(cè)企業(yè)產(chǎn)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性，剖析危機(jī)原因，預(yù)防危機(jī)發(fā)生。目前，運(yùn)用財(cái)務(wù)指標(biāo)檢驗(yàn)上市公司是否發(fā)生財(cái)務(wù)危機(jī)已經(jīng)成為一種趨勢(shì)，如企業(yè)的凈利潤(rùn)指標(biāo)出現(xiàn)了連續(xù)兩年為負(fù)，證券市場(chǎng)就會(huì)對(duì)上市公司作特別處理。因此，財(cái)務(wù)預(yù)警不僅能夠保證股東投入的股本不受損失，還能提高債權(quán)人對(duì)企業(yè)償債能力的把握，投資者可以利用公司的經(jīng)營(yíng)業(yè)績(jī)來(lái)判斷未來(lái)趨勢(shì)是否投資[9]。

綜上可知，制造業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的建立既能及時(shí)發(fā)現(xiàn)公司中潛在的風(fēng)險(xiǎn)，又能警示已有的危機(jī)信號(hào)。因此，建立一個(gè)既適合我國(guó)制造業(yè)上市公司，又有較強(qiáng)預(yù)測(cè)能力的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，對(duì)于中國(guó)制造業(yè)的長(zhǎng)遠(yuǎn)健康發(fā)展具有重要的意義。

3 制造性企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型建立

3.1 樣本和指標(biāo)變量的篩選

由于研究對(duì)象是制造性企業(yè)，所以在樣本選擇上是以制造業(yè)上市公司的財(cái)務(wù)數(shù)據(jù)作為選擇對(duì)象。制造業(yè)上市公司發(fā)生危機(jī)的可能性是存在的，最直接的危機(jī)就是財(cái)務(wù)風(fēng)險(xiǎn)，產(chǎn)生這種風(fēng)險(xiǎn)的可能性大小，也就是概率P大小，用此指標(biāo)來(lái)評(píng)判該企業(yè)所處的風(fēng)險(xiǎn)大小，是否處于高風(fēng)險(xiǎn)狀態(tài)。通過(guò)篩選，剔除數(shù)據(jù)缺失和極端數(shù)據(jù)的企業(yè)，最終從滬深兩市共選取92家制造業(yè)企業(yè)，收集了2014-2015年的財(cái)務(wù)數(shù)據(jù)，其中25家是*ST公司，其余67家為正常公司，總計(jì)184個(gè)樣本。所有的財(cái)務(wù)指標(biāo)數(shù)據(jù)均來(lái)自銳思數(shù)據(jù)庫(kù)，通過(guò)顯著性與因子分析篩選了18個(gè)指標(biāo)變量，“*ST”上市公司可以評(píng)判為高風(fēng)險(xiǎn)企業(yè)，其他企業(yè)視為正常。

3.2 Logistic模型與變量參數(shù)選取

對(duì)于制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)定，可以利用Logistic回歸模型來(lái)表述如下：

其中，參數(shù)α是常數(shù)項(xiàng)，Xi為風(fēng)險(xiǎn)評(píng)定中的影響變量，βi為待估計(jì)系數(shù)，P為風(fēng)險(xiǎn)概率,0

其中，P代表產(chǎn)生財(cái)務(wù)風(fēng)險(xiǎn)的概率，P的取值應(yīng)在(0,1)之間，P值大小與風(fēng)險(xiǎn)大小正相關(guān)。Y表示風(fēng)險(xiǎn)事件，這種事件要么有或是無(wú)，可以用數(shù)值1或0兩個(gè)變量來(lái)代替Y值。X1，X2，…，Xn是Y的函數(shù)，根據(jù)上述的假設(shè)條件，則變量Y與Xi的關(guān)系可以表示為:

=α+β1X1+β2X2+…+βnXn

根據(jù)選取的上市公司會(huì)計(jì)信息，對(duì)財(cái)務(wù)報(bào)告中的相關(guān)財(cái)務(wù)指標(biāo)逐一分析，按照與公司財(cái)務(wù)狀況聯(lián)系緊密程度進(jìn)行篩選，最終確定18個(gè)指標(biāo)作為分析對(duì)象(表1)。

表1 模型選取的財(cái)務(wù)指標(biāo)

企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率P被假設(shè)為虛擬的二分類變量[10]，即對(duì)于高風(fēng)險(xiǎn)“*ST”企業(yè)P為1，正常企業(yè)P為0。因此，可以采用Logistic回歸模型分析。

3.3 主成分分析

首先對(duì)原始的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)，利用統(tǒng)計(jì)軟件SPSS18.0進(jìn)行處理，得出上述18個(gè)財(cái)務(wù)指標(biāo)，彼此之間存在一定的相關(guān)性。部分指標(biāo)相關(guān)性很高[11]，這樣就可以借助于主成分分析，將多個(gè)相關(guān)指標(biāo)轉(zhuǎn)化為幾個(gè)互不關(guān)聯(lián)的綜合指標(biāo)，再進(jìn)行KMO和Bartlett球形檢驗(yàn)(表2)。

表2中KMO值大于0.6，這就說(shuō)明各個(gè)財(cái)務(wù)指標(biāo)間的相關(guān)程度可以適用于主成分分析，采用主成分分析提取公共因子。另外，Bartlett球形檢驗(yàn)Sig值為0.000，可用主成分分析。決定提取主成分個(gè)數(shù)的多少，是用累積貢獻(xiàn)率和特征值兩個(gè)指標(biāo)來(lái)衡量。衡量標(biāo)準(zhǔn)要求累積貢獻(xiàn)率大于80%，特征值大于1[12]。提取主成分如表3。

表2 KMO和Bartlett的檢驗(yàn)

表3 解釋的總方差

從表3可知，各指標(biāo)初始特征值最大為9.506，特征值大于1的指標(biāo)共有5個(gè)，這5個(gè)指標(biāo)的主成分累計(jì)貢獻(xiàn)率是91.404%，可以代替原始數(shù)據(jù)。但每個(gè)成分包含什么指標(biāo)，還需要分析。由SPSS18.0得到初始因子載荷矩陣(表4)。

表4 成分矩陣

對(duì)表4中的相關(guān)數(shù)據(jù)進(jìn)行分析，計(jì)算出各個(gè)原始變量的因子表達(dá)式：

X1=0.854F1+0.089F2+0.000F3

-0.260F4-0.247F5

X2=0.902F1+0.257F2+0.140F3

-0.001F4+0.073F5

……

為了便于對(duì)主成分進(jìn)行提取和命名，對(duì)原始成分矩陣進(jìn)行旋轉(zhuǎn)，如表5所示。

表5 旋轉(zhuǎn)成分矩陣

經(jīng)過(guò)旋轉(zhuǎn)后的載荷系數(shù)差別很明顯，作歸類處理(見(jiàn)表6)。

表6 最終主成分的歸納

4 制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警Logistic模型的檢驗(yàn)

對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警Logistic模型還需要進(jìn)行檢驗(yàn)[13]，運(yùn)用旋轉(zhuǎn)前的因子載荷矩陣計(jì)算特征向量(表7)。

根據(jù)表上可以得到5個(gè)主成分的表達(dá)式：

F1=0.28X1+0.29X2+0.3X3+0.29X4+0.29X5+0.28X6-0.29X7+0.29X8+0.14X9+0.14X10-0.23X11+0.21X12+0.15X13+0.07X14+0.18X15+0.16X16-0.25X17-0.24X18

F2=0.05X1+0.15X2+0.13X3+0.15X4+0.21X5+0.24X6-0.2X7+0.2X8-0.45X9-0.44X10+0.23X11-0.35X12-0.07X13-0.05X14+0.03X15+0.09X16+0.33X17+0.24X18

F3=0X1+0.11X2+0.09X3+0.09X4-0.06X5-0.06X6+0.06X7-0.05X8-0.12X9-0.12X10+0.06X11+0.05X12+0.59X13+0.62X14-0.3X15-0.3X16-0.01X17+0.05X18

……

由上述主成分表達(dá)式可以求出F值。

表7 特征向量矩陣

假定P為因變量，即公司發(fā)生風(fēng)險(xiǎn)的概率，P賦值1表示*ST公司，說(shuō)明企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)偏高，P值為0，表示財(cái)務(wù)風(fēng)險(xiǎn)低。對(duì)模型系數(shù)進(jìn)行綜合檢驗(yàn)，結(jié)果如表8。

表8 模型系數(shù)的綜合檢驗(yàn)

從表8可以看出，該模型是整體顯著的。求模型擬合結(jié)果，得Logistic模型：

P取值:0

從表9可以看出，134組正常企業(yè)中有133組被觀測(cè)出來(lái)，有1組被錯(cuò)判，正確率達(dá)到99.3%，50組“*ST”企業(yè)中也有1組被錯(cuò)判，評(píng)測(cè)的正確率為98%，所建模型評(píng)測(cè)結(jié)果的正確率為98.9%，較為理想，說(shuō)明模型對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警具有一定的實(shí)際價(jià)值。

表9 檢驗(yàn)分類表

5 結(jié)論與建議

從最終的模型可以看出，第一、二、三、五主成分與制造性企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生概率成反向變動(dòng)關(guān)系，表明該類制造業(yè)上市公司盈利能力、償債能力和增長(zhǎng)能力較強(qiáng)，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性就小，符合現(xiàn)實(shí)意義，其中第一主成分的系數(shù)最大，表示它對(duì)制造業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響最顯著。但第四主成分與企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率成正向變動(dòng)關(guān)系，表明現(xiàn)金負(fù)債比越大，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)越大，這不符合現(xiàn)實(shí)意義[15]。

從上述分析可以看出，所建模型對(duì)制造業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警具有現(xiàn)實(shí)價(jià)值，但也有缺陷。對(duì)于制造性上市公司來(lái)說(shuō)，預(yù)防財(cái)務(wù)危機(jī)，既要有財(cái)務(wù)預(yù)警體系，還要有效防控措施。

5.1 謹(jǐn)慎選取構(gòu)建模型的參數(shù)

本文在構(gòu)建Logistic模型時(shí)，自變量選用的是18個(gè)財(cái)務(wù)指標(biāo)歸類后的五個(gè)主成分，沒(méi)有非財(cái)務(wù)指標(biāo)，另外由于某些財(cái)務(wù)指標(biāo)的缺失被剔除了，進(jìn)而導(dǎo)致模型不精確。因此，應(yīng)全面審查企業(yè)的財(cái)務(wù)指標(biāo)，收集較為充分的財(cái)務(wù)信息資料，全面反映企業(yè)的財(cái)務(wù)狀況，及時(shí)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警[16]。

5.2 提高企業(yè)全員危機(jī)防范意識(shí)

公司全體員工尤其管理人員對(duì)可能存在的財(cái)務(wù)危機(jī)應(yīng)具有清醒的認(rèn)識(shí)與高度的警惕，樹(shù)立危機(jī)意識(shí)，開(kāi)展危機(jī)管理培訓(xùn)。

5.3 制定財(cái)務(wù)預(yù)警制度

制造性上市公司要完善內(nèi)部控制制度，防止會(huì)計(jì)信息失真造假現(xiàn)象，提高公司會(huì)計(jì)信息的透明度。

6 結(jié)束語(yǔ)

本文是對(duì)我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的度量和預(yù)警機(jī)制的理論考量，選取滬深兩市部分制造性上市企業(yè)的財(cái)務(wù)數(shù)據(jù)為研究對(duì)象，借鑒已有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警評(píng)估模型，通過(guò)對(duì)樣本和變量參數(shù)的篩選，采用因子分析和主成分分析，構(gòu)建適合我國(guó)上市制造性企業(yè)的Logistic財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，檢驗(yàn)表明：該模型在實(shí)際應(yīng)用中具有較好的預(yù)測(cè)效果。并從模型分析中可以看出，第一、二、三、五主成分與制造性企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生概率成反向變動(dòng)關(guān)系。在此基礎(chǔ)上，提出相應(yīng)對(duì)策，對(duì)于制造性企業(yè)來(lái)說(shuō)，若要提前化解公司可能存在的危機(jī)，需要建立合理有效的財(cái)務(wù)預(yù)警體系，及時(shí)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警，采用合理有效的措施來(lái)保障公司的財(cái)務(wù)預(yù)警體系順利實(shí)現(xiàn)。同時(shí)，從上述分析中也可以看出，所建模型對(duì)制造業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警具有現(xiàn)實(shí)價(jià)值，但也有缺陷。需要提高企業(yè)全員危機(jī)防范意識(shí)，建立和健全上市制造性企業(yè)的財(cái)務(wù)預(yù)警制度。

[1]孫鳳山.中國(guó)制造2025:人才準(zhǔn)備好了么[J].中國(guó)職工教育，2015(7):58-59

[2]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)模式[J].會(huì)計(jì)研究，1996(8):8-11

[3]吳世農(nóng)，盧賢義.我國(guó)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):46-55,96

[4]楊淑娥，徐偉剛.上市公司財(cái)務(wù)預(yù)警模型：Y分?jǐn)?shù)模型的實(shí)證研究[J].中國(guó)軟科學(xué)，2003(1):56-60

[5]黃錚.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].時(shí)代經(jīng)貿(mào)，2015(14):15-18

[6]肖霖.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究綜述[J].中國(guó)市場(chǎng)，2016(33):107-108

[7]甘敬義.基于BP-Adaboost和Logistic模型的制造業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[D].南昌：江西師范大學(xué)經(jīng)濟(jì)管理學(xué)院，2012：45-46

[8]黃麗麗.基于Logistic模型的商業(yè)銀行房地產(chǎn)信貸風(fēng)險(xiǎn)研究[D].南京：南京理工大學(xué)研究生院，2014：27

[9]朱建平，殷瑞飛.SPSS在統(tǒng)計(jì)分析中的應(yīng)用[M].北京:清華大學(xué)出版社，2007：212

[10]龐素琳.Logistic回歸模型在信用風(fēng)險(xiǎn)分析中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2006(9):129-137

[11]石曉軍，肖遠(yuǎn)文，任若恩. Logistic違約率模型的最優(yōu)樣本配比與分界點(diǎn)研究[J].財(cái)經(jīng)研究，2005(9):38-48

[12]解秀玉，管西三.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究：基于制造業(yè)數(shù)據(jù)[J].南京審計(jì)學(xué)院學(xué)報(bào)，2013(4):58-68

[13]宋素榮，于麗萍.上市公司財(cái)務(wù)危機(jī)預(yù)警的Logistic模型[J].財(cái)會(huì)月刊，2006(10):41-42

[14]劉健，何林，袁建華.基于 Logistic 回歸的航天企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警實(shí)證研究[J].特區(qū)經(jīng)濟(jì)，2014(9):232-233

[15]陶志坤.基于Logistic 模型的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].商業(yè)經(jīng)濟(jì)，2013(9)：109-112

[16]廖世昱,劉曉光,馬妮,等.基于Logistic回歸下財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建[J].經(jīng)濟(jì)師，2013(7)：106-107

(責(zé)任編輯：周博)

10.3969/j.issn.1673-2006.2017.04.004

2017-01-26

安徽省高校教學(xué)研究重點(diǎn)項(xiàng)目“高職院校財(cái)會(huì)專業(yè)人才培養(yǎng)與市場(chǎng)需求的吻合度研究”(2016jyxm0223)。

郭偉(1967-)，安徽肥西人，副教授，研究方向：財(cái)務(wù)管理。

F230.9

A

1673-2006(2017)04-0011-05