基于粗糙集理論的企業(yè)財務(wù)預(yù)警指標體系構(gòu)建

《基于粗糙集理論的企業(yè)財務(wù)預(yù)警指標體系構(gòu)建》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、基于粗糙集理論的企業(yè)財務(wù)預(yù)警指標體系構(gòu)建從國內(nèi)外企業(yè)的發(fā)展歷史來看,企業(yè)危機往往首先是從財務(wù)管理環(huán)節(jié)爆發(fā)和體現(xiàn)出來的,因此建立和完善企業(yè)財務(wù)預(yù)警指標體系,對企業(yè)的生存和發(fā)展具有重要的意義。　　財務(wù)危機是指企業(yè)現(xiàn)金不足以清償?shù)狡趥鶆?wù)。財務(wù)危機具有巨大的危害性,輕則使企業(yè)無法正常經(jīng)營,重則使企業(yè)陷入破產(chǎn)清算的境地。而傳統(tǒng)的財務(wù)指標(即會計比率類指標)在判斷企業(yè)財務(wù)危機方面存在明顯缺陷:一是資產(chǎn)的賬面價值與未來變現(xiàn)價值不一致,不能反映資產(chǎn)質(zhì)量的高低;二是利潤的實現(xiàn)并不等于相關(guān)經(jīng)濟利潤已經(jīng)完全流入企業(yè),應(yīng)收項目的數(shù)量和質(zhì)量直接影響到利潤的實現(xiàn);三是由于“會計戲法”的原因,使會計比率類指標容易失真。基于

2、上述缺陷,單憑這些財務(wù)指標往往難以對財務(wù)危機發(fā)生的可能性做出準確的預(yù)測,甚至可能誤導(dǎo)企業(yè)管理者,使其過分追求獲利能力而忽視實際支付能力?，F(xiàn)金流量指標可以在很大程度上克服上述缺陷,同時現(xiàn)金流量類指標還具有其獨特的預(yù)警效果,因此本文在指標選取過程中,選取了大量的現(xiàn)金流量指標,以達到較好預(yù)測財務(wù)危機的目的。越來越多的研究發(fā)現(xiàn),非財務(wù)類指標在預(yù)測企業(yè)財務(wù)狀況時發(fā)揮著重要作用,因此本文在研究過程中選用了部分非財務(wù)類指標進行預(yù)警研究,以期達到更好的效果?！　　　《⑽墨I回顧　　　　Fitzpartick(1932)最早利用一元判定模型對企業(yè)財務(wù)困境進行預(yù)測,結(jié)果發(fā)現(xiàn)凈利潤/股東權(quán)益、股東權(quán)益/負債這兩個財

3、務(wù)指標差別能力最強;Beaver(1968)運用一元判定預(yù)警模型進一步發(fā)現(xiàn),除了可以采用財務(wù)指標進行財務(wù)困境預(yù)測,公司股票價格的變化也可以用來對財務(wù)困境進行預(yù)測。Altman(1968)首次將多元判別分析的方法引入到財務(wù)預(yù)警模型中。他從22個財務(wù)指標中篩選了5個財務(wù)指標構(gòu)建了Z值模型來對企業(yè)財務(wù)狀況進行預(yù)警;Frydman(1985)首次采用遞歸分割模型來研究企業(yè)破產(chǎn)預(yù)測問題,并在企業(yè)陷入財務(wù)困境的背景下將其與判別分析法進行比較,取得了較好的預(yù)測效果?！　鴥?nèi)的財務(wù)預(yù)警研究起步較晚。20世紀八十年代開始,國外的財務(wù)預(yù)警研究與應(yīng)用成果被逐漸引入到國內(nèi)。陳靜(1999)以37家ST公司和27家健康

4、公司的財務(wù)數(shù)據(jù)建立了一元判別分析,研究認為流動比率和負債比率的判別精度較高;吳世農(nóng)、盧賢義同樣運用一元判別模型分析財務(wù)困境出現(xiàn)前5年這兩類公司的21個財務(wù)指標的差異;刑精平(2004)以利益相關(guān)者的行為作為研究變量建立了預(yù)警指標體系,研究發(fā)現(xiàn):利益相關(guān)者的行動具有明顯的次序關(guān)系,同時僅部分相關(guān)利益者能及時發(fā)現(xiàn)財務(wù)危機征兆,并采取合理的措施;萬希寧、王艷在基于非財務(wù)類指標的企業(yè)財務(wù)危機模糊預(yù)警模型中設(shè)計采用了償債能力、營運能力、盈利能力、內(nèi)部控制四個方面的非財務(wù)類指標,獨辟蹊徑,對企業(yè)財務(wù)困境從非數(shù)據(jù)方面進行預(yù)測;馬若微利用粗糙集與信息熵相結(jié)合的方法刪除冗余指標,然后根據(jù)熵權(quán)法確定所篩選指標的權(quán)

5、重,得到指標體系,然后運用神經(jīng)X絡(luò)技術(shù)進行困境預(yù)警,取得了較好的預(yù)警效果;孫潔、李輝、張萌(2009)分別使用了T檢驗、逐步判別分析法和容許度及方差因子進行指標的篩選,然后運用多分類器組合財務(wù)預(yù)測模型進行預(yù)警,研究發(fā)現(xiàn),多分類器組合預(yù)測模型預(yù)測精度優(yōu)于單分類器預(yù)測模型?！　　　∪?、實證分析　　　　(一)樣本及指標體系。樣本數(shù)據(jù)于上海證券交易所和深圳證券交易所官方X站及和訊X,選取2007年被特別處理的42家制造業(yè)公司作為危機公司樣本。在數(shù)據(jù)處理過程中,剔除了2家由其他因素導(dǎo)致“ST”和數(shù)據(jù)不全的公司,ST公司樣本變?yōu)?0個。因上市公司被特別處理是基于t-1期年度末財務(wù)報表,故本文以2006年年

6、報財務(wù)比率數(shù)據(jù)為條件屬性值,以2007年是否被ST為決策屬性值,并選取2006年年報經(jīng)營正常的40家制造業(yè)公司作為配對公司。指標體系由會計比率類指標、現(xiàn)金流量類指標和非財務(wù)類指標組成,其中包括14個會計比率類指標、14個現(xiàn)金流量類指標和2個非財務(wù)類指標?！　?二)屬性約簡及規(guī)則提取。運用粗糙集對數(shù)據(jù)進行分析,需要對連續(xù)數(shù)據(jù)進行離散化處理。根據(jù)財務(wù)比率的實際經(jīng)濟意義及離散化算法,對每個財務(wù)指標值按其屬于不同的區(qū)間分為不同的類別。如將流動比率劃分為[0,0.5],(0.5,1],(1,2.5],(2.5,*),并分別賦值1、2、3、4;其他財務(wù)指標數(shù)據(jù)根據(jù)類似辦法進行離散化處理。本文采用基于粗糙集

7、理論的軟件工具rosetta完成屬性約簡。　　分析共得到148條約簡,在此基礎(chǔ)上運用rosetta產(chǎn)生相應(yīng)的預(yù)警規(guī)則。在未做出任何限定的情況下,rosetta將所有可能的規(guī)則都顯示出來。本研究中共產(chǎn)生10196條規(guī)則。在這些規(guī)則中有一些是有效規(guī)則,而另外一些并無典型性。為了提高預(yù)警規(guī)則的有效性及精確度,本文按照以下原則對指標進行過濾:acc(→)≥0.95,cov(→)≥0.05,sup(→)≥4