資源描述:
《基于logistic模型的中小板上市公司財(cái)務(wù)預(yù)警模型構(gòu)建》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、網(wǎng)絡(luò)首發(fā)時(shí)間:2016-12-2711:14財(cái)會月刊2016,36,85-88基于logistic模型的中小板上市公司財(cái)務(wù)預(yù)警模型構(gòu)建劉秀琴陳藝城羅軍華南農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院導(dǎo)出/參考文獻(xiàn)關(guān)注分享收藏打印摘要:隨著宏觀經(jīng)濟(jì)調(diào)整,越來越多的中小企業(yè)陷入了財(cái)務(wù)困境。為警示企業(yè)風(fēng)險(xiǎn)、提高決策水平,同時(shí)維護(hù)投資者權(quán)益,本文以2013~2015年被ST處理的21家中小板上市公司為樣本,并以21家正常公司作為配對,對和關(guān)財(cái)務(wù)指標(biāo)進(jìn)行篩選和因子提取,運(yùn)用logistic回歸建立三年財(cái)務(wù)預(yù)警模型。結(jié)果顯示,盈利和償債能力指標(biāo)能有效預(yù)測
2、中小企業(yè)的財(cái)務(wù)危機(jī),在ST企業(yè)陷入財(cái)務(wù)危機(jī)的前兩年,模型總體準(zhǔn)確率可達(dá)90%以上,所構(gòu)建的財(cái)務(wù)預(yù)警模型能有效地分辨兩類企業(yè),具有較好的預(yù)警作用。關(guān)鍵詞:logistic模型;財(cái)務(wù)危機(jī);預(yù)警系統(tǒng);因子分析;基金:廣東省自然科學(xué)基金項(xiàng)0“農(nóng)業(yè)經(jīng)營組織模式與結(jié)構(gòu)的演變及選擇優(yōu)化研究”(項(xiàng)目編號:2015A030313411)引言中小企業(yè)是國內(nèi)目前數(shù)量最大、創(chuàng)新活動最頻繁的企業(yè)群體,在推動經(jīng)濟(jì)增長、緩解就業(yè)壓力、提高科技創(chuàng)新能力、維護(hù)社會和諧等方面發(fā)揮著重要作用。在我國,黨和政府高度重視屮小企業(yè)的生存和發(fā)展,先后頒布Y許多法律
3、法規(guī)對屮小企業(yè)進(jìn)行政策指導(dǎo)和扶持。近年來,各類生產(chǎn)要素的價(jià)格上漲,令許多中小企業(yè)的利潤不斷下滑。同時(shí),中小企業(yè)融資難的問題仍十分嚴(yán)重,不少中小企業(yè)資金周轉(zhuǎn)出現(xiàn)了問題甚至資金鏈斷裂。許多中小企業(yè)陷入了閑境,甚至在某些地區(qū),倒閉之風(fēng)愈演愈烈。為了保持中小企業(yè)旺盛的生命力、幫助管理者和投資者進(jìn)行決策,本文認(rèn)為建立一套適合于中小企業(yè)的財(cái)務(wù)預(yù)警機(jī)制尤為重要。二、文獻(xiàn)綜述關(guān)于財(cái)務(wù)預(yù)警的研宄,從根源、普遍性來看大致可分為以下兩類:第一類是單變量預(yù)測模型,即使用一個(gè)指標(biāo)實(shí)施判斷和建立模型,如利用資產(chǎn)負(fù)債率、ROE指標(biāo)等。第二類是多變量
4、預(yù)測模型,即從多個(gè)維度、運(yùn)用多個(gè)指標(biāo),賦以相應(yīng)的權(quán)重構(gòu)建新的方程,并實(shí)施預(yù)測。多變量預(yù)測模型主要包括以下幾種:1.多元線性判別法。Altmem(1968)最早將多元線性判別法用于財(cái)務(wù)預(yù)警研究,他構(gòu)造出的Z模型和劃分的財(cái)務(wù)評價(jià)區(qū)域,具有很強(qiáng)的實(shí)際應(yīng)用能力。聶麗潔等(2011)引入現(xiàn)金流量指標(biāo),利用因子分析方法構(gòu)建模型,預(yù)測效果良好。為探討Z模型在我國的實(shí)用性,余景選和鄭少鋒(2012)對我國農(nóng)業(yè)企業(yè)的Z值進(jìn)行求解,發(fā)現(xiàn)國外的Z值判定IX域不適合我國具體情況并對其進(jìn)行調(diào)整。孫立新(2013)引入股權(quán)結(jié)構(gòu)對Z模型進(jìn)行改良,擬
5、合效果良好。2.多元條件概率判別法。白承彪(2010)對制造業(yè)上市公司分別進(jìn)行l(wèi)ogistic[h]歸和probit模型的構(gòu)建,發(fā)現(xiàn)兩者均能很好地預(yù)測財(cái)務(wù)情況。蔣亞奇(2014)引入股木結(jié)構(gòu)數(shù)據(jù),并以旅游行業(yè)為例構(gòu)建多元probit模型,具有較強(qiáng)的有效性。3.人工神經(jīng)網(wǎng)絡(luò)模型。王積田和孫婷婷(2012)利用遺傳算法對BP網(wǎng)絡(luò)模型進(jìn)行優(yōu)化,預(yù)測效果優(yōu)于傳統(tǒng)BP網(wǎng)絡(luò)模型。耿東等(2014)融合logistic回歸進(jìn)行優(yōu)化并建立模型,其預(yù)測能力強(qiáng)于單一的BP網(wǎng)絡(luò)模型和logistic模型。4.logistic回歸模型袁康來、
6、余云(2009)引入股權(quán)結(jié)構(gòu)構(gòu)建logistic模型,分析非財(cái)務(wù)指標(biāo)在預(yù)測屮發(fā)揮的作用。顧蓓蓓等(2015)通過參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)篩選指標(biāo),實(shí)施因子分析,提取出主因子進(jìn)行l(wèi)ogistic回歸,找出關(guān)鍵性因子,評價(jià)企業(yè)各項(xiàng)能力在財(cái)務(wù)預(yù)警中發(fā)揮的作用。作為近年來應(yīng)用較多的業(yè)績考核工異,張煜、肖美英(2015)將EVA指標(biāo)引入模型,發(fā)現(xiàn)EVA能有效提示危機(jī)??傊?,單變量預(yù)測模型僅選取一個(gè)指標(biāo),難以綜合反映企業(yè)的財(cái)務(wù)狀況,具有一定的局限性。而多變量預(yù)測模型選取的指標(biāo)數(shù)量較多,可以綜合反映企業(yè)的財(cái)務(wù)狀況和經(jīng)營成果。不過,多元線
7、性判別法和多元條件概率判別法具有假設(shè)條件較嚴(yán)格的缺陷。祌經(jīng)網(wǎng)絡(luò)成木較高,一般難以操作,穩(wěn)定性較差。相比之下,logisticiHl歸模型可以克服假設(shè)條件太嚴(yán)格的缺點(diǎn),并度量關(guān)鍵因素在財(cái)務(wù)危機(jī)預(yù)測中的貢獻(xiàn)、量化企業(yè)陷入財(cái)務(wù)危機(jī)的概率,更具有優(yōu)越性。0前國內(nèi)針對中小企業(yè)的預(yù)警研宄較少,且研究的期間大多為危機(jī)發(fā)生的前一年,較少考慮企業(yè)陷入困境時(shí)是逐步的,忽視了時(shí)間的連續(xù)性。為了對相關(guān)研究進(jìn)行改進(jìn),本文選取中小企業(yè)陷入財(cái)務(wù)困境前三年的數(shù)據(jù)(假設(shè)企業(yè)陷入財(cái)務(wù)困境的時(shí)間為T年,則選取T-1年到T-3年的數(shù)據(jù)),運(yùn)用logistic
8、回歸方法構(gòu)建符合中小企業(yè)實(shí)際狀況的預(yù)警模型。三、研究設(shè)計(jì)1.模型設(shè)計(jì)。logistic回歸,又稱邏輯回歸,可以判斷某企業(yè)處于財(cái)務(wù)危險(xiǎn)狀況的概率有多大。在回歸時(shí),多重共線性會對邏輯回歸的擬合效果造成很大的干擾,導(dǎo)致logistic回歸輸出系數(shù)的標(biāo)準(zhǔn)誤較高,同時(shí)顯著性水平較低。由于財(cái)務(wù)指標(biāo)的數(shù)據(jù)均源于財(cái)務(wù)報(bào)表,只是計(jì)算方式略有不同,因