上市公司logistic财务预警模型构建及分割点选择

《上市公司logistic财务预警模型构建及分割点选择》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、上市公司Logistic财务预警模型构建及分割点选择【摘要】本文以沪深两市A股制造业上市公司2010~2013年首次因财务状况异常而被特别处理的42家ST公司以及配对的42家非ST公司为研究样本，采用Logistic回归方法构建财务危机发生前3年的预警模型，并利用检验样本验证了该模型的预测能力。【关键词】上市公司财务预警模型分割点财务危机一、引言日益激烈的市场竞争和瞬息万变的经济环境加剧了上市公司的财务风险。公司财务危机的发生并非偶然，正常的公司陷入财务危机通常会经历一个财务逐步恶化的过程。在这个渐进过程中，人们其实可以识别财务危机的征兆，预测

2、危机的发生，进而采取有效措施应对危机。国内外学者在财务危机预警模型方面进行了大量的实证研究，并取得了丰硕的研究成果，其中最具代表性的模型主要有以下四类：①Beaver（1966）采用的一元判别模型；②Altman（1968）提出的多元线性判别模型；③Ohlson（1980）使用的多元Logistic回归模型；④Odom和Sharda（1990）运用的神经X络模型。多元Logistic回归模型既不要求满足自变量服从多元正态分布和两组间协方差相等的假定条件，又能得出企业未来发生财务危机的概率值，直观、方便且可行，成为构建财务预警模型的主流方法之一。

3、因此，本文采用Logistic回归方法构建财务预警模型，只是在选择模型分割点时，本文与国内大部分学者的研究不同。国内学者通常直接选取0.5作为Logistic模型分割点，当模型计算出的概率值大于0.5时，判断公司会发生财务危机，反之则不会发生财务危机。以0.5为分割点的Logistic回归是基于以下两个前提假设：①一个公司发生财务危机与否的概率相等；②模型误判所带来的成本相等。事实上，这两个假设都是严重偏离实际的，限制了Logistic模型的预测效果。因此，本文利用建模样本构建上市公司财务危机发生前3年的Logistic预警模型。在选择模型分割

4、点时，通过分析模型的两类错误（误拒错误和误受错误）发生概率及其错误成本的影响，提出模型分割点的确定方法，并利用检验样本检验模型的预测能力。二、研究设计1.研究样本选取和数据。本文将因财务状况异常而被特别处理作为上市公司陷入财务危机的界定标准，这种界定标准符合中国的实际情况，并且与国内大部分学者的研究一致，如陈静（1999）、吴世农和卢贤义（2001）等。从2010~2013年沪深两市A股制造业上市公司中，以首次因财务状况异常而被特别处理为条件，筛选出42家ST公司（危机公司）作为研究样本。按照1∶1的比例选取42家非ST公司（正常公司）作为配对

5、样本，在进行样本配对时遵循了以下原则：①健康公司与危机公司属于相同或相近的制造业子行业；②研究期间一致，均采用t-3年的截面数据；③t-3年的资产规模相当，二者资产规模差异控制在10%内。为了进行预测能力检验，本文将研究样本中2010~2012年被ST的31家公司及其配对公司作为建模样本，2013年被ST的11家公司及其配对公司作为检验样本。ST公司名单和样本数据分别于ann-ann-ann-O统计量为0.731，Bartlett球形度检验的卡方值为1136.929，显著性水平为0.000，说明指标间具有高度相关性，适合做因子分析。对建模样本数

6、据进行正向化和标准化后，依据特征值大于1的原则，采用主成分分析法提取了5个因子。由表5可知：5个因子累计方差百分比贡献率达到了88.338%，说明这5个因子变量基本涵盖了原始变量的大部分信息。为了使提取的5个因子变量的经济意义更为明显，本文采用正交旋转法中的方差最大法得到旋转后因子载荷矩阵（表6）。依据表6中各因子载荷量的分布情况，我们可以对各因子变量的经济意义进行解释。F1在X10（销售净利率）、X11（成本费用利润率）、X9（净资产收益率）、X8（总资产净利润率）和X14（净利润增长率）上有较大载荷，而这些指标主要是企业的盈利指标，所以F1

7、代表了企业的盈利能力。同理，F2~F5分别代表了企业的现金流量能力、偿债能力、营运能力和发展能力。2.模型构建。本文将财务危机（ST）公司和财务正常（非ST）公司分别记为1和0，运用SPSS统计分析软件对因子分析提取的5个因子进行Logistic回归分析。为了使最终构建的模型更多地涵盖企业的财务信息，本文采用强迫进入的方式，将所有变量一次纳入到方程，得到回归结果（见表7）。构建的Logistic回归模型表示为：其中：F1=-0.073X1+0.062X2+0.077X3-0.036X6-0.082X7+0.214X8+0.239X9+0.305

8、X10+0.262X11-0.139X12-0.114X13+0.300X14-0.075X15-0.090X16-0.088X17F2=-0.086