高歌

摘要：隨著社會主義市場經(jīng)濟的深入發(fā)展，中小上市企業(yè)有必要建立一套有效的財務危機預警機制。本文建立Logistic回歸模型，以2008-2016年40家中小上市公司為樣本，對財務指標及非財務指標分析后提取2個因子，得到財務風險預警模型。帶回樣本數(shù)據(jù)證明模型綜合準確率可達81%，具有較好的預警作用。

關(guān)鍵詞：Logistic回歸模型；財務風險；風險預警模型

一、引言

隨著社會主義市場經(jīng)濟的深入發(fā)展，中小上市企業(yè)已成為推動中國經(jīng)濟總量不斷增長的一支重要力量，起到越來越重要的作用，但是由于中小上市企業(yè)自身約束，與大企業(yè)相比，在融資環(huán)境、內(nèi)部控制制度、法律監(jiān)管等方面都存在一些缺陷，導致財務風險的對于能力相對較弱，因此中小上市企業(yè)建立一套有效的財務危機預警機制十分必要。

二、文獻綜述

財務風險預警的研究方向多為定量分析。上世紀30年代，國外學者就研究財務風險預警模型和模型的實際應用，Altman于1968年首先加入多元線性判別方法提出Z值模型，但缺乏對于現(xiàn)金流變化的考量，于是更多的學者對Z值模型進行修正，如趙海蕾，周方召，金德環(huán)（2015）結(jié)合SOA算法的良好尋優(yōu)能力，構(gòu)建出適應度函數(shù)。

實際的財務數(shù)據(jù)經(jīng)常不滿足多元線性模型的假設，存在局限。邏輯回歸模型可以避開分類型變量的分布問題，補充完善線性回歸模型和的缺陷。謝赤等（2014）通過企業(yè)經(jīng)濟、貨幣及財政政策等因素為基礎，分別計算出期望-風險現(xiàn)金流，對54家ST和非ST公司驗證得出預警正確率分別達82.5%和81.5%。顧蓓蓓等（2015）通過參數(shù)檢驗和非參數(shù)檢驗篩選指標，進行l(wèi)ogistic回歸，以關(guān)鍵性因子評價企業(yè)各項財務能力在財務預警中的作用。

綜上所述，在財務預警中，Logistic模型分析財務因素在財務預警中的貢獻、量化企業(yè)陷入財務危機的概率中更具有優(yōu)越性。目前國內(nèi)對于中小上市公司的財務預警研究不多，忽視了財務危機在時間上的連續(xù)性。所以本文選取T-1年到T-2年的數(shù)據(jù)，引入非財務指標，運用logistic回歸方法構(gòu)建符合中小企業(yè)實際狀況的預警模型。

三、模型設計

行業(yè)財務風險時即因變量只有1和0時，符合Logistic回歸分析模型的要求。在本文中把因變量Q=1定義為存在財務風險，Q=0定義為健康，符合模型要求。對于多變量的邏輯回歸分析模型，財務風險發(fā)生的概率為：

1.樣本選取。針對行業(yè)內(nèi)公司樣本的選取，本文分為兩類；

一類為ST公司，ST公司通常是財務狀況出現(xiàn)異常，面臨嚴重的財務危機。本文將T年的數(shù)據(jù)作為預測樣本，并以T-2年的數(shù)據(jù)作為檢驗樣本。

另一類為非ST公司，作為財務正常企業(yè)樣本。從中小企業(yè)上市企業(yè)中選取2008-2016年經(jīng)營狀況良好40家企業(yè)作為財務正常企業(yè)樣本。

2.指標的選取。本文選取的指標包括財務指標及非財務指標，可以有效地提高對中小企業(yè)上市公司財務風險預警的準確性及精確度。本文的財務風險預警體系包括：營運能力、盈利能力、償債能力、成長能力。結(jié)合前人的研究，本文在四個方面的基礎上，添加了現(xiàn)金流指標。非財務指標從董事會特性方面提取。

四、實證分析

1.指標篩選。由于指標比較多，并且無法確定其重要性，所以對指標進行T檢驗。對于每個變量的兩組數(shù)據(jù)，選擇平均值和標準差作為描述性統(tǒng)計量，比較兩組公司2008-2016年的財務指標的平均值是否具有顯著性差異。（見表1）

從而選取出構(gòu)建模型需要的指標：存貨與收入比（x1）、資本報酬率（x2）、流動比率（x3）、營業(yè)總收入增長率（x4）、銷售收入現(xiàn)金凈含量（x5）、第一大股東持股比例（x6），并對這6個變量進行主成分分析。

由于主成分分析易受到極端值的影響，所以對數(shù)據(jù)進行標準化處理后，進行后續(xù)分析。通過SPSS的相關(guān)系數(shù)矩陣分析可以看出，對存貨與收入比、資本報酬率、流動比率、業(yè)總收入增長率、銷售收入現(xiàn)金凈含量、第一大股東持股比例之間均有較強的相關(guān)性。

2.主成分分析。在做主成分分析之前通過KMO和Bartlett的檢驗對變量進行相關(guān)性分析，以確定指標是否適合做主成分分析。SPSS進行KMO和Bartlett的檢驗結(jié)果得出，KMO值為0.702說明比較適合做主成分分析。（見表2）

前2個因子的特征值大于1，累計貢獻率為75.609%，則分析效果是比較顯著的，能夠很好的表達出原有變量所包含的信息。（見圖1）

F1因子在存貨收入比和銷售收入現(xiàn)金凈含量上有較大的載荷，代表的是經(jīng)營能力和現(xiàn)金流量對企業(yè)的影響因素。

F2因子主要由資產(chǎn)報酬率、營業(yè)總收入增長率、流動比率和第一大股東持股比率解釋，代表的是企業(yè)盈利能力和償債能力。

由矩陣可得出財務指標與主因子之間的得分系數(shù)矩陣，并得出F1、F2公式：

F1=-0.329x1+0.298x2+0.345x3+0.280x4-0.009x5+0.081x6

F2=0.240x1+0.224x2-0.147x3+0.183x4+ 0.412x5-0.706x6

在構(gòu)建模型時直接選用進入法，將兩個因子全部帶入模型，得到最終的變量B0， B1， B2， B3， B4，方程中的變量見表3所示；

依據(jù)表3可以得到：

其中X1為存貨與收入比、X2為資本報酬率、X3為流動比率、X4為業(yè)總收入增長率，X5為銷售收入現(xiàn)金凈含量，X6第一大股東持股比例。

3.模型效果檢驗。將T-2年數(shù)據(jù)即建立模型所用數(shù)據(jù)進行標準化，回帶入模型可得到綜合準確率達81.0%，具備較強的預測功能。

五、結(jié)論

本文通過T檢驗篩選相關(guān)指標，并使用主成分分析對16個指標進行降維處理，最終提取2個因子，構(gòu)建Logistic回歸模型。得出的結(jié)論為：第一，使用Logistic模型可以反映出企業(yè)的財務狀況，本文所篩選出的影響上市公司中小企業(yè)財務危機的指標主要有6個：存貨與收入比、資本報酬率、流動比率、營業(yè)總收入增長率、銷售收入現(xiàn)金凈含量、第一大股東持股比例。這六個指標為模型的有效性奠定基礎。第二，F(xiàn)1、F2因子主要載荷在經(jīng)營能力-現(xiàn)金流量和盈利-償債能力上。這與中小企業(yè)融資難、資金流易斷裂的現(xiàn)實狀況相符，因此在成長期應更加注重拓寬融資渠道并加強現(xiàn)金流管理。

參考文獻：

[1]Altman E.I.Financial Rations： Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，6（9）： 589-609 .

[2]Duan J， Soussen C， Brie D， et al. Generalized Lasso with underdetermined regularization matrices[J].Signal Processing，2016，127： 239-246.

[3]謝赤，趙亦軍，李為章.基于CF化模型與Logistic回歸的財務困境預警研究[J].財經(jīng)理論與實踐，2014，35（1）：57-62.

[4] 顧蓓蓓，盧寧文，駱陽.上市公司財務預警探析[J].財會通訊，2015（10）.

[5]趙海蕾，周方召，金德環(huán).基于人群搜索算法的上市公司的Z-Score模型財務預警研究[J].財經(jīng)理論與實踐，2015， 36 （02）：66-70+139.

（作者單位：安徽財經(jīng)大學會計學院）