基于Logistic 模型的上市公司财务危机预警研究

基于Logistic 模型的上市公司财务危机预警研究内容摘要：

宋 鹏, 张信东: 基于 Logistic 模型的上市公司财务危机预 警研究 基于 Logistic 模型的上市 公司财务危机预警研究 宋 鹏, 张信东 ( 山西大学 管理学院, 太原 030006) 摘 要: 随着市场竞争的日益激烈, 企业财务危机预警显得尤为重要。近 年来, 国内外学者 进行了大 量研究, 取得了丰 硕 成果。但过于注重方法的改进而忽略其在实践中应用的可行性这一不足却日益凸显。鉴于此, 以我国上市公司( A 股) 为研 究 对象, 试图以 增强研究的适用性 作为主导思想, 通过预警方法的合理选择, 构建预 警模型及 预警重点指 标观测体 系, 以期 实 现有效预测及防范危机的目标。 关键词: Logistic 模型; 财务 危机; 预警 中图分类号: F275 文献标识码: A 文章编号: 1004- 972X( 2009) 08- 0050- 03 一、 预警模型的构建 有非常重要的 影响, 科学 的指 标保证 预警 模型的 有效 性, 起 1 样本的选取 。本文以 因 财务状 况异 常而被 特别 处 到预测危机的作用。本文以财务分析理 论为基础, 综合考 虑 理 作为上市公司 财务 危机 的界 定标 准, 共选 取了 115 家 上 企业偿债 能力、营运能 力、获利能力 、 成 长能力、获取 现金 能 市公司, 其中 80 家作为估计样本, 35 家作为 预测样本。估 计 力等多方面的因素, 选取了 19 个 指标。具体 指标如 下: 偿 债 样本为 配对 样 本组, 40 家 ST 公 司 ( 2003 年 被 ST 的 公司 21 能力 指标有 X1 流动比率、 X2 速 动比率、X3 债 务资产 比率; 获 家, 深市 10 家, 沪市 11 家, 2004 年被 ST 的公 司 19 家, 深市 9 利能力指标有 X4 净 资产 收益 率、 X5 资 产收 益率、X6 净利 润 家, 沪市 10 家) , 40 家非 ST 公司( 2003 年 21 家, 深市 11 家, 沪 率; 营运能力指标有 X7 存货 周转 率、 X8 应收 账款周 转率、X9 市 10 家, 2004 年 19 家, 深市 6 家, 沪 市 13 家) 。样本 筛选 过 总资产周转率; 成长能力指标有 X10主营业务收入增长率、 X11 程中, 选取的样本被 ST 的原因 主要是: 最近两个 会计年度 的 营业利润增长率 、 X12 税后利润 增长率、X13总 资产增长 率、 X14 审计结果显示的净利润均为负值; 最 近一个会计 年度的审 计 净资产增长率; 获取现金能力指标 有 X15 现金流动 负债比率、 结果显示其股东权益低于注册资本, 即每股净资 产低于股 票 X16经营活动产生的现金流量净额/ 总负债、X17 经营活动产 生 面值; 最近一份经审计的财务报告对 上年度利润 进行调整 导 的现金流量净额/ 流动负债、X18现金及现金等价物净增加额/ 致连续两个会计年度亏损等, 剔除了 由于上市时 间较短而 近 总负债、 X19现金及 现金等价物净增加额/ 流动负债。 三年财务数据不全的公司及发行有 B 股、 H 股的公司。估 计 3 方法的选择。构建有 效的 预警模 型是 财务危 机预 警 样本配对过 程中, 非 ST 公司 按照同 年度、同 行业、相 近规 模 实证分析中一个关键环节, 而模型建 立的重要 前提是建模 时 的原则进行选择。预 测样 本均为 ST 公 司, 且为 了比 较全 面 选择科学、 适用 的定量 预警 方法。从 理论 上看, 定量 预警 方 的检验预警 模型的好坏, 样 本除了 2005 年被 ST 的 公司外 还 法较多, 如单 变量 分析 法、距 离判 别 法、 Fisher 判别 法、Bayes 包括 了 2003、2004 年 被 ST 的 部 分 公司, 其 中 2003 年 6 家, 判别法、 Logistic 回归方法、 主成分分析法、人工神经网络分 析 2004 年 6 家, 2005 年 23 家, 深市 21 家, 沪市 14 家。 法等 。但综合 起来看, Logistic 回 归方 法更 符合 实际 应用 的 2 变量的选取。变量的选择对于财务危机预警研究具 要求。原因在于: 第一, 没 有严格的假设条件, 这是距离 判别 样本选取过程中主要数据来源于 CCER 色诺芬中 国证券市场数 据 法和 Bayes 判别法等所不具 备的; 第二, 对于两类总体判别问 库, ST 公司名单来源于 2003 年上市 公司速查 手册 、 2004 年 上 题, 即因变量为 0- 1 变 量问题 具有 较好 的区 分效 果; 第三, 市公司速查手册 、 2005 年上 市公司速 查手册 及 中 国证券业 年 操作比较简单 且结果 易于 理解, 具有 较强 的实用 性, 而其 他 鉴 2004 。 方法 则机 理复 杂 , 尤其 在模 型 的应 用方 面 会显 示出 劣 势。 收稿日期: 2009- 05- 12 基金项 目: 山西省社科规划项目 山西省上市公司财务 危机预 警实证 研究 ; 山西大学 校人文 社科基 金项目 企 业财务 危 机预警的实证分析 ( 0609020) 作者简介: 宋 鹏( 1979 ) , 男, 山 西晋城人, 山西大学管理学院讲师, 博士研究生, 研究方向为财 务管理; 张信东( 1964 ) , 女, 山 西静乐人, 山西大学管理学院教授, 博士研究生导师, 研究方向 为财务管理。 50 2009 年第 8 期 如: 人工神经网络方法具有信息分布 式存储和并 行协同处 理 表2 T - 2 年 Logistic 回归模型估计结果 的特点, 有较好 的学习、归纳 能力, 因此 判别能 力较强, 但 在 变量 回归系数 标准差 Wald 统计量 自由度 p值 实际应用中不利于深入分析危机产生的根 源, 预 警能力受 到 X17 - 6 358 4 305 2 181 1 0 140 制约; 主成分分析法 用综 合因子 代表 相关 指标, 在应 用中 也 X9 - 2 835 2 693 1 108 1 0 292 会遇到类似问题。基于上述 原因, 本 文根 据 增 强研 究的 适 2 276 3 738 0 371 1 0 543 用性 的主导思想, 选择使用 Logistic 回归方 法构建 财务危 机 X3 X6 - 45 614 24 552 3 452 1 0 063 Constant 1 162 2 724 0 182 1 0 670 预警模型, 并建立预警重点指标观测体系, 以实现预警目标。 似然比卡方值= 92 792 4 实证分析。变量的筛选。本 文首先 以上市 公司被 ST 表3 p 值= 0 000 T - 2 年错判矩阵 年度为基准, 把前一年、前二年、 前三 年分别用 T - 1 年 、 T- 2 预测值 年、 T - 3 年来表示, 对两 类总体 的前 三年 数据运 用 SPSS12 0 软件进行描述性统计及均值检验, 得 出指标的显 著性水平 检 验结果( 见表 1) 。 表1 年度 10% 的显著 性水平 T- 1 T- 2 X12 ( 0 065) T- 3 X3 ( 0 079) X6 ( 0 100) X15 ( 0 095) 变量显著性水平汇总 5% 的显著 1% 的显著性水平 性水平 X1 ( 0 011) X3 ( 0 000) X5( 0 000) X9 ( 0 000) X2 ( 0 042) 、 X 10 ( 0 000) X14 ( 0 000) X15( 0 000) X6 ( 0 040) X16 ( 0 004) X17 ( 0 002) X3 ( 0 004) X4( 0 000) X5 ( 0 000) X6 ( 0 000) X9 ( 0 002) X13 ( 0 010) X 14 ( 0 000) X16 ( 0 000) X17( 0 000) X9 ( 0 016) X10 ( 0 028) X4 ( 0 000) X5 ( 0 000) X16 ( 0 002) X17 ( 0 000) 注: 数据来源于 CCER 色诺芬中国证券市场数据库, 括号内为 输 出统计值的显著性概率。 从变量显著 性水 平汇 总表可 以看 出, X3、X5 、 X6、X9、X16、 X17连续三年在 ST 公司 和非 ST 公司之 间的均 值具有 显著 差 异。 为了降低多重共线性的影响, 在 对变量均值 进行显著 性 检验 之后, 还必 须对其 作相关性 分析。本 文根据 T - 1 年、 T - 2 年、 T- 3 年的样本数 据在 ST 公 司与非 ST 公司 两类总 体 内部分别对上述 6 个 指标作了 Pearson 相 关分析, 结果 显示: X16与 X5 、 X 3、 X17 具有较高的相关系数; X5 与 X6、X3、X16、X17 之 间也具有较强相关性。同时从理论上来分析也可以得出, X16 观测值 0 1 正确率 0 38 2 95% 1 2 38 95% 总体正确率 95% 验的主要思路是如果解释变量 对 Logit 的线 性解释 有显著 意 义, 则必然使回 归模 型对 样本 的 拟合 程度 显著 提高, Logistic 回归中似然函 数值反 映了 模型拟 合样 本的程 度, 因此, 可 以 使用对数似然比作为检验的统计量。T - 2 年 Logistic 回归 模 型估计结果显示似然比卡方值为 92 792, 其实际 显著性水 平 即 p 值为 0 000, 说明引入 4 个变量 后的模型 整体效 果较好, 同时根据错判矩阵也可以看到模型总体回判正确率 为 95% , 这也进一步证明了模型的效果。 根据表 2 中的 回归 系数 可以 得 到 T - 2 年的 Logistic 函 数: p= [ 1+ exp( 1- 2 276X3+ 45 614X6 + 2 835X9 + 6 358X17 - 1 162) ] - 1 ( 1) 并将预测样 本 中 的财 务 指 标 数据 代 入 上 述 Logistic 函 数, 根据判别准则 得到 预测 结 果: 35 家公 司中, 28 家 准确 预 测, 7 家错误 预测, 整体预测准确率为 80% 。 T- 3 年 Logistic 预警 模型