摘要：本文以上市公司為研究對象，選取了反映上市公司盈利能力、償債能力、營運能力、成長能力和公司規(guī)模的15個財務指標，區(qū)別于傳統(tǒng)的建模方法，應用決策樹技術(shù)建立了中國上市公司的財務困境預警系統(tǒng)。實證結(jié)果表明本系統(tǒng)具有較好的預測性，在此領(lǐng)域有著良好的應用前景。

關(guān)鍵字：決策樹；財務預警

世界正逐步邁進全球經(jīng)濟一體化，企業(yè)所處的經(jīng)濟環(huán)境變化日益復雜，市場競爭也日趨激烈，當前企業(yè)所需要考慮的關(guān)鍵問題自然是如何能在復雜且競爭激烈的市場環(huán)境中獲得長存永生，這也是關(guān)乎企業(yè)能否生存并獲得發(fā)展的重要大事。尤其是后金融危機時期，企業(yè)面臨的危機層出不窮，技術(shù)環(huán)境的瞬息萬變，都使企業(yè)面臨空前巨大的挑戰(zhàn)，由此而引發(fā)的財務風險更是空前嚴峻。因此，財務預警系統(tǒng)并順勢而生，財務預警系統(tǒng)的出現(xiàn)使得企業(yè)可以更好地應對財務狀況的危機，并在危機剛剛顯現(xiàn)之時及時財務措施，管理者便可以針對出現(xiàn)的財務危機采取適當?shù)拇胧?，從而可以避免更嚴重的損失，保證企業(yè)在變幻莫測的經(jīng)濟環(huán)境立于不敗之地。

Beaver于1966年最先提出了財務危機預測模型，主要是采用單變量判別分析和多變量判別分析進行財務危機預警研究。隨后，Ohlson與1980年率先將Logistic模型與財務預警模型相結(jié)合，1985年Frydman利用決策樹進行了財務預警模型的設計。決策樹在財務預警模型上具有極大的優(yōu)勢，通過決策樹模型的構(gòu)造，挖掘有效、有價值的信息，提取分類規(guī)則，以一種簡單、易于理解的形式解決分類問題，為決策者準確進行預測。

運用決策樹方法形成一系列規(guī)則，對訓練數(shù)據(jù)集進行分類，然后根據(jù)形成的規(guī)則對訓練數(shù)據(jù)集之外的數(shù)據(jù)進行分類，應用在財務領(lǐng)域，可以對財務進行預警。本文運用建造決策樹，通過實證研究，對國內(nèi)制造業(yè)上市公司進行財務預警分析。

本文選取2015年A股上市公司為研究對象，本文在原始樣本的基礎上，剔除因其他狀況異常被特別處理的公司和存在數(shù)據(jù)缺失的上市公司，最終得到55家被ST公司，并從2822家正常公司中隨機選擇495家進行對比，為全面反映企業(yè)的財務狀況。

本文選取了反映企業(yè)償債能力、經(jīng)營能力、盈利能力、現(xiàn)金流水平、風險水平及發(fā)展能力這六個方面的15個指標構(gòu)建初始預警指標體系，包括每股收益、凈資產(chǎn)收益率、銷售凈利率、經(jīng)營現(xiàn)金流量比率、資產(chǎn)負債率、流動比率、速動比率、現(xiàn)金流量利息保障倍數(shù)、現(xiàn)金到期債務比、存貨周轉(zhuǎn)率、應收賬款周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、營業(yè)收入同比增長率、凈利潤同比增長率。繼而對550家公司的15個指標數(shù)據(jù)進行統(tǒng)計。

以凈資產(chǎn)收益率作為樹的根結(jié)點，把訓練集分成了三類，其中凈資產(chǎn)收益率在區(qū)間{X2|X2>1。545}的公司有440家，而這440家中有430家是屬于財務狀況表現(xiàn)健康的公司，430/440=0。98，大于1-β。因此，凈資產(chǎn)收益率在區(qū)間{X2|X2>1。545}之間的等價類財務狀況為健康。據(jù)此，我們可以認為訓練集以外的公司凈資產(chǎn)收益率在區(qū)間{X2|X2>1。545}的為健康。而且，得出的決策樹把大部分被ST的公司分到財務危機的一類，總體分類準確率比較高。

根據(jù)決策樹形成規(guī)則，共計7條規(guī)則：

規(guī)則1：凈資產(chǎn)收益率“差”→財務狀況“危機”；

規(guī)則2：凈資產(chǎn)收益率“一般”→財務狀況“預警”；

凈資產(chǎn)收益率可衡量公司對股東投入資本的利用效率，即公司所有者權(quán)益的投資報酬率，具有很強的綜合性，一般認為，企業(yè)凈資產(chǎn)收益率越高，企業(yè)自有資本獲取收益的能力越強，運營效益越好，對企業(yè)投資人、債權(quán)人的保證程度就越好。

規(guī)則3：凈資產(chǎn)收益率“良好”，流動比率“差”→財務狀況“一般”；

規(guī)則5：凈資產(chǎn)收益率“良好”，流動比率“良好”，凈資產(chǎn)同比增長率“一般”→財務狀況“良好”；

規(guī)則6：凈資產(chǎn)收益率“良好”，流動比率“良好”，凈資產(chǎn)同比增長率“良好”→財務狀況“一般”（雖然從一般意義上講，上市公司的凈資產(chǎn)同比增長率越高越好，但有時候，過高的凈資產(chǎn)同比增長率也蘊含著風險，其次，由于區(qū)間

{X15|X15<=39。275}內(nèi)的公司均為正常公司，因此，將凈資產(chǎn)收益率處于區(qū)間{X15|X15<=39。275}定義為財務狀況健康的公司）。

由于存在數(shù)據(jù)的可得性問題，傳統(tǒng)的財務預警研究一般都是把企業(yè)財務狀況分成ST和非ST兩類，分別代表有預警和安全兩種。本文運用聚類方法把企業(yè)財務狀況分成健康、良好、一般、預警和危機5個層次，使得研究過程與企業(yè)實際狀況更加契合。在此基礎上，再以變精度加權(quán)平均粗糙度作為構(gòu)造決策樹的分支屬性選擇標準進行財務預警研究。

決策樹實證結(jié)果表明，形成了5條決策規(guī)則，且形成的決策樹中，75%的ST公司被歸入了財務狀態(tài)表現(xiàn)危機的分支，決策樹的效果比較好；同時，生成的決策樹也通過一系列規(guī)則對訓練集以外公司的財務狀況劃分了預警等級。雖然決策中存在一定的誤差，但決策樹總體分類是比較好的，最終生成的決策樹也比較符合實際，分類精度也比較高，且有效地處理了噪聲數(shù)據(jù)。

參考文獻：

[1]趙鶯鶯，姜穎，企業(yè)財務風險預警模型國內(nèi)研究述評[J]，價值工程，2018年.

[2]王藝，姚正海，制造業(yè)上市公司財務預警體系的構(gòu)建及比較——基于數(shù)據(jù)挖掘技術(shù)[J]，財會月刊，2016年.

[3]鮑新中，傅宏宇，基于變精度加權(quán)平均粗糙度決策樹的財務預警研究[J]，運籌與管理，2015年.

作者簡介：姜丁文（1995—），女，山西臨汾人，山西財經(jīng)大學2016（會計學）學術(shù)碩士研究生，研究方向：管理會計.