亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        Logistic回歸在農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警的應(yīng)用*

        2022-04-16 06:56:14張洮溪孫玉忠黑龍江八一農(nóng)墾大學(xué)
        品牌研究 2022年11期
        關(guān)鍵詞:預(yù)警變量樣本

        文/張洮溪 孫玉忠(黑龍江八一農(nóng)墾大學(xué))

        一、引言

        我國(guó)是一個(gè)擁有14.43億人口的大國(guó),農(nóng)業(yè)的重要性不言而喻。但是由于農(nóng)業(yè)本身的特質(zhì),使得很多農(nóng)業(yè)類上市公司的企業(yè)的經(jīng)營(yíng)狀況并不是很好,甚至有一些農(nóng)業(yè)上市公司已經(jīng)處破產(chǎn)的邊緣,并且很多農(nóng)業(yè)公司為了掩蓋公司盈利狀況的惡化,避免遭到股市的特殊處理,進(jìn)行財(cái)務(wù)舞弊。所以,構(gòu)建財(cái)務(wù)預(yù)警模型的重要性不言而喻。

        財(cái)務(wù)預(yù)警的方法大體分為傳統(tǒng)的方法、機(jī)器的方法和多種結(jié)合的方法。傳統(tǒng)模型最開始是單變量模型,但是有很多局限性[1],之后發(fā)展到多變量模型。Altman提出Z模型[2],之后的學(xué)者加入現(xiàn)金流,提出F模型,并在將預(yù)警模型運(yùn)用到農(nóng)業(yè)行業(yè)[3]。吳世農(nóng)、盧賢義選取140家公司為樣本,發(fā)現(xiàn)Logistic預(yù)測(cè)模型的錯(cuò)誤率最低[4]。陳欣欣、郭洪濤(2020)聯(lián)合運(yùn)用因子分析和二元Logistic回歸法構(gòu)建農(nóng)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型,結(jié)果表明該模型具有較高的擬合度和判別能力[5]。隨著科技的發(fā)展,機(jī)器學(xué)習(xí)法也運(yùn)用到財(cái)務(wù)預(yù)警領(lǐng)域。孫新憲運(yùn)用BP神經(jīng)網(wǎng)絡(luò),發(fā)現(xiàn)人工智能方法建立的模型準(zhǔn)確率要比傳統(tǒng)的模型要高[6]。王玉東采用果蠅算法優(yōu)化神經(jīng)網(wǎng)絡(luò)并對(duì)高新技術(shù)企業(yè)進(jìn)行財(cái)務(wù)預(yù)警。隨著模型的創(chuàng)新。學(xué)者綜合運(yùn)用兩者進(jìn)行評(píng)價(jià),張敏、彭紅敏(2021)利用神經(jīng)網(wǎng)絡(luò)、模糊決策樹法等多種模型方法運(yùn)用到計(jì)算機(jī)領(lǐng)域,簡(jiǎn)化算數(shù)的麻煩,更好地對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和評(píng)價(jià)[7]。李丹、朱家明(2019)運(yùn)用Spss和Python綜合建立財(cái)務(wù)模型。

        二、研究設(shè)計(jì)

        (一)樣本選取與數(shù)據(jù)來(lái)源

        樣本選擇根據(jù)滬深兩市中國(guó)證監(jiān)會(huì)2012版行業(yè)分類中的農(nóng)林牧副漁業(yè)板塊進(jìn)行挑選。樣本共計(jì)為48個(gè)樣本,其中包括36家正常公司樣本以及12家ST公司。本文數(shù)據(jù)來(lái)源為CSMAR數(shù)據(jù)庫(kù)以及東方財(cái)務(wù)等網(wǎng)站以及統(tǒng)計(jì)軟件SPSS 23.0。如表1所示。

        表1 案例公司

        (二)變量選取

        結(jié)合行業(yè)特點(diǎn),本文從償債、營(yíng)運(yùn)、盈利和發(fā)展四個(gè)層面選取12個(gè)指標(biāo)建立農(nóng)業(yè)行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)體系。如表2所示。

        表2 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

        三、實(shí)證分析與結(jié)果

        (一)KMO和巴特利特檢驗(yàn)

        在做主程序分析前,需要對(duì)變量進(jìn)行KMO和巴特利特球(Bartlett)檢驗(yàn),以確定選定的變量是否進(jìn)行因子分析。KMO值為0.690,超過(guò)0.5,說(shuō)明變量間相關(guān)性強(qiáng),適合做因子分析。同時(shí),巴特利特球檢驗(yàn)的近似卡方值為464.696,顯著性為0.000<0.01,同樣說(shuō)明數(shù)據(jù)達(dá)到了因子分析的要求。

        (二)因子提取及因子旋轉(zhuǎn)

        本文進(jìn)行因子提取,有4個(gè)較大的特征值4.833、2.377、1.478、1.103。前四個(gè)因子的方差累計(jì)貢獻(xiàn)率達(dá)到81.591%,表明這四個(gè)指標(biāo)為主要影響因素,表明原始數(shù)據(jù)中的大部分信息可以被所提取的這四個(gè)因子解釋。

        從表3旋轉(zhuǎn)后的成分矩陣中可以看出,主因子F1在總資產(chǎn)增長(zhǎng)率(X7),資本保值增值率(X8),營(yíng)業(yè)毛利率(X11),每股收益(X12)中的載荷較大,因?yàn)閄11,X12指標(biāo)的載荷比較大,且直接反映了企業(yè)的盈利能力,因此將F1命名為企業(yè)盈利因子;主因子F2在流動(dòng)比率(X1),速動(dòng)比率(X2)的載荷較大,因此將F2命名為企業(yè)償債因子;主因子F3載荷較大的指標(biāo)為總資產(chǎn)周轉(zhuǎn)率(X5),存貨周轉(zhuǎn)率(X6)和營(yíng)業(yè)收入增長(zhǎng)率(X9),因此將F3稱為企業(yè)經(jīng)營(yíng)因子;主因子F4在產(chǎn)權(quán)比率(X4),凈資產(chǎn)收益率(X10),資產(chǎn)負(fù)債率(X3)上的載荷較大,因此命名為企業(yè)輔助償債因子。

        表3 旋轉(zhuǎn)后的成分矩陣

        (三)計(jì)算因子得分

        因子分析得分系數(shù)矩陣根據(jù)表4所示,下一步計(jì)算將原始自變量帶入組合的因子評(píng)分模型中,即可計(jì)算出每家農(nóng)業(yè)公司的四個(gè)因子的得分。因子表達(dá)式為:

        表4 因子成分得分系數(shù)矩陣

        使用SPSS 23.0軟件在原始的財(cái)務(wù)數(shù)據(jù)基礎(chǔ)上,帶入預(yù)測(cè)函數(shù)計(jì)算出F1,F2,F3,F4 的值并保存在原始數(shù)據(jù)的右 方 分 別 為FAC1,F(xiàn)AC2,F(xiàn)AC3和FAC4,然后根據(jù)函數(shù)計(jì)算出綜合得分,并將他們進(jìn)行綜合排名。

        根據(jù)因子分析法的原理,F(xiàn)>0時(shí),數(shù)值越大意味著財(cái)務(wù)的各項(xiàng)能力越大,抗風(fēng)險(xiǎn)能力更強(qiáng),發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性就越??;反之,如果F<0,則表示財(cái)務(wù)的各項(xiàng)能力較小,發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性就越大。從表中我們也可以看出ST公司的F值普遍較低,并且綜合得分排名較低。

        (四)構(gòu)建logistic擬合度檢驗(yàn)

        為了檢驗(yàn)Logistic方程是否適用于樣本數(shù)據(jù),需要對(duì)回歸模型進(jìn)行擬合度檢驗(yàn):內(nèi)戈?duì)柨茩z驗(yàn)和霍斯默-萊梅肖檢驗(yàn)。考克斯-斯奈爾R2值為0.453<1;內(nèi)戈?duì)柨芌2<1,說(shuō)明模型擬合度良好。顯著性>0.5,說(shuō)明擬合度較好。

        (五)模型的確定

        在本文logistic回歸模型中,因變量設(shè)為財(cái)務(wù)風(fēng)險(xiǎn),服從二項(xiàng)分布,取值分別為0(沒(méi)有財(cái)務(wù)風(fēng)險(xiǎn))和1(有財(cái)務(wù)風(fēng)險(xiǎn)),協(xié)變量分別為FAC1_1,F(xiàn)AC2_1,F(xiàn)AC3_1和FAC4_1,在步驟1中輸入?yún)f(xié)變量,即可得到方程,得到logistic方程為:

        (六)回歸結(jié)果

        根據(jù)上面的方程,將樣本公司帶入到方程中。

        從表6可以看出,在以0.5為概率分界的前提下,在36個(gè)財(cái)務(wù)健康的公司中,只將1家公司誤判為財(cái)務(wù)風(fēng)險(xiǎn)公司,相對(duì)于健康公司而言,判別準(zhǔn)確率達(dá)到了97.2%,而在財(cái)務(wù)風(fēng)險(xiǎn)公司的判別上,12家財(cái)務(wù)風(fēng)險(xiǎn)公司中誤判的有兩家,準(zhǔn)確率達(dá)到了83.3%,構(gòu)建模型的整體分類判別精度為93.8%,超過(guò)了80%,說(shuō)明預(yù)警效果有較好的準(zhǔn)確性。

        表6 預(yù)測(cè)結(jié)果

        四、結(jié)語(yǔ)

        本文通過(guò)償債能力、經(jīng)營(yíng)能力、發(fā)展能力、盈利能力四個(gè)方面12項(xiàng)指標(biāo)構(gòu)建農(nóng)業(yè)行業(yè)的財(cái)務(wù)預(yù)警指標(biāo)體系,之后采用因子分析法和Logistic方程構(gòu)建財(cái)務(wù)預(yù)警模型,模型準(zhǔn)確率達(dá)到93.8%。本文只是針對(duì)農(nóng)業(yè)類上市公司進(jìn)行預(yù)警分析,并沒(méi)有分析其他行業(yè),并且未能考慮非財(cái)務(wù)指標(biāo),希望在后續(xù)研究中能夠引入非財(cái)務(wù)指標(biāo),進(jìn)一步根據(jù)不同行業(yè)構(gòu)建更為完善的財(cái)務(wù)預(yù)警指標(biāo)體系。

        猜你喜歡
        預(yù)警變量樣本
        抓住不變量解題
        用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
        也談分離變量
        法國(guó)發(fā)布高溫預(yù)警 嚴(yán)陣以待備戰(zhàn)“史上最熱周”
        推動(dòng)醫(yī)改的“直銷樣本”
        園林有害生物預(yù)警與可持續(xù)控制
        隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
        村企共贏的樣本
        機(jī)載預(yù)警雷達(dá)對(duì)IFF 的干擾分析
        SL(3,3n)和SU(3,3n)的第一Cartan不變量
        亚洲日韩中文字幕在线播放 | 精品一区二区三区人妻久久| 黑丝美腿国产在线观看| 亚洲另类无码专区首页| 自慰无码一区二区三区| 国产肉体XXXX裸体784大胆| 综合中文字幕亚洲一区二区三区| 成年美女黄网站色大免费视频| 欧美粗大猛烈老熟妇| 亚洲色成人网一二三区| 久久精品国产福利亚洲av| 久久伊人这里都是精品| 国产在视频线精品视频| 亚洲欧洲久久久精品| 亚洲情久久久精品黄色| 夜夜躁日日躁狠狠久久av| 人人玩人人添人人澡| 爆乳日韩尤物无码一区| 亚洲婷婷久久播66性av| 中文字幕网伦射乱中文| 国产欧美VA欧美VA香蕉在| 一区二区久久精品66国产精品| 在线观看国产成人av天堂野外| 天天躁日日躁狠狠很躁| 老色鬼永久精品网站| 成人免费毛片立即播放| 日日摸日日碰人妻无码 | 国产小屁孩cao大人| 成a人片亚洲日本久久| 免费国产在线精品一区| 国产精品麻花传媒二三区别| 91色婷婷成人精品亚洲| 青青草免费在线爽视频| 男女车车的车车网站w98免费| 午夜影视啪啪免费体验区入口| 隔壁的日本人妻bd高清中字| 无码av不卡一区二区三区| 狠狠色狠狠色综合久久第一次| 日韩熟女一区二区三区| 日本精品一区二区三区福利视频| 欧美亚洲日本国产综合在线|