• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于logistic回歸的上市公司財(cái)務(wù)危機(jī)預(yù)警模型

      2008-01-01 00:00:00黨正磊
      經(jīng)濟(jì)研究導(dǎo)刊 2008年6期

      摘要:國(guó)內(nèi)外所有關(guān)于財(cái)務(wù)危機(jī)預(yù)警問(wèn)題的研究,主要涉及到兩個(gè)方面的問(wèn)題:一是財(cái)務(wù)危機(jī)概念的界定;二是預(yù)測(cè)變量(判別指標(biāo))的選擇和預(yù)警模型的建立(企業(yè)財(cái)務(wù)危機(jī)是一個(gè)連續(xù)的動(dòng)態(tài)過(guò)程,并直接表現(xiàn)為績(jī)效指標(biāo)的惡化,因此,可通過(guò)一定的財(cái)務(wù)指標(biāo)來(lái)構(gòu)造企業(yè)的財(cái)務(wù)預(yù)警模型)。運(yùn)用中國(guó)上市公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)及因子分析和Logistic回歸等方法構(gòu)建基于上市公司的財(cái)務(wù)危機(jī)預(yù)警的Logistic模型,經(jīng)過(guò)檢驗(yàn),具有一定的實(shí)際應(yīng)用價(jià)值。

      關(guān)鍵詞:因子分析;財(cái)務(wù)危機(jī)預(yù)警;logistic回歸

      中圖分類號(hào):F830.9文獻(xiàn)標(biāo)志碼:A文章編號(hào):1673-291X(2008)06-0092-04

      縱觀國(guó)內(nèi)外所有關(guān)于財(cái)務(wù)危機(jī)預(yù)警問(wèn)題的研究,主要涉及到兩個(gè)方面的問(wèn)題:一是財(cái)務(wù)危機(jī)概念的界定;二是預(yù)測(cè)變量(判別指標(biāo))的選擇和預(yù)警模型的建立(企業(yè)財(cái)務(wù)危機(jī)是一個(gè)連續(xù)的動(dòng)態(tài)過(guò)程,并直接表現(xiàn)為績(jī)效指標(biāo)的惡化,因此可通過(guò)一定的財(cái)務(wù)指標(biāo)來(lái)構(gòu)造企業(yè)的財(cái)務(wù)預(yù)警模型)。本文根據(jù)我國(guó)上市公司公布的財(cái)務(wù)數(shù)據(jù)(我國(guó)非上市公司的財(cái)務(wù)數(shù)據(jù)因?yàn)樯婕暗缴虡I(yè)機(jī)密以及不容易獲得或者暗箱操作較多等原因而不作為分析的依據(jù)),堅(jiān)持定量分析和定性分析相結(jié)合的原則,選用Logistic回歸分析來(lái)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。結(jié)合國(guó)內(nèi)外在該領(lǐng)域的研究成果,對(duì)以上兩個(gè)問(wèn)題做出了回答。

      一、財(cái)務(wù)危機(jī)概念的界定

      結(jié)合前人的分析,并根據(jù)我國(guó)上市公司的實(shí)際情況,我們將上市公司因財(cái)務(wù)狀況異常而被“特別處理”(ST公司)認(rèn)定為公司發(fā)生了“財(cái)務(wù)危機(jī)”。理由如下:

      第一,盡管將企業(yè)依據(jù)《破產(chǎn)法》提出破產(chǎn)申請(qǐng)作為企業(yè)陷入財(cái)務(wù)危機(jī)標(biāo)志是西方學(xué)術(shù)界的普遍做法,但在我國(guó)雖然《企業(yè)破產(chǎn)法》早在1986年頒布,1988年11月1日開(kāi)始試行,但迄今為止,還沒(méi)有一家上市公司破產(chǎn)的案例,況且在現(xiàn)階段,上市資格仍然是一種珍貴的“殼”資源,即使上市公司面臨破產(chǎn)危險(xiǎn),也會(huì)有其他公司將其接收(即所謂的買(mǎi)殼上市),不大可能出現(xiàn)申請(qǐng)破產(chǎn)情況。因此,在目前階段用破產(chǎn)申請(qǐng)來(lái)界定中國(guó)上市公司的財(cái)務(wù)危機(jī)是不適宜的。

      第二,“特別處理”是一個(gè)客觀發(fā)生的事件,在實(shí)踐上有很高的可量度性。

      第三,從擺脫特別處理的公司看,大部分公司是通過(guò)大規(guī)模財(cái)務(wù)重組才摘掉“特別處理”的帽子,這說(shuō)明特別處理確實(shí)在一定程度上反映出公司陷入了財(cái)務(wù)困境。

      因此,本研究將上市公司股票因財(cái)務(wù)狀況異常而被特別處理(ST)視為陷入財(cái)務(wù)危機(jī)的上市公司,將其確定為本文的研究對(duì)象。

      二、選用Logistic回歸分析來(lái)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的原因

      第一,Logistic回歸對(duì)于變量的分布沒(méi)有具體要求,適用范圍更廣,而判別分析則要求變量服從多元正態(tài)分布,這在現(xiàn)實(shí)中一般達(dá)不到。

      第二,Logistic回歸建立好模型后,具體公司代入模型得到的是一個(gè)概率值,給人直觀明了的感覺(jué),在實(shí)際運(yùn)用中非常簡(jiǎn)單、方便。

      三、預(yù)警指標(biāo)和模型

      (一)樣本的選取

      根據(jù)我國(guó)上市公司的年報(bào)披露制度,上市公司公布其當(dāng)年年報(bào)的截止日期為下一年的4月30日,故上市公司(t-1)年的年報(bào)和其在t年是否被特別處理這兩個(gè)事件幾乎是同時(shí)發(fā)生的。Ohlson(1980)的研究表明:采用破產(chǎn)之后獲得的信息來(lái)建立預(yù)測(cè)模型會(huì)高估模型的預(yù)測(cè)能力。因此本文采用的是上市公司(t-2)年的財(cái)務(wù)信息建立模型來(lái)預(yù)測(cè)其是否會(huì)在t年因財(cái)務(wù)出現(xiàn)困境而被特別處理,這樣做可以避免Ohlson所指出的高估模型預(yù)測(cè)能力的問(wèn)題。

      本文根據(jù)需要從我國(guó)A股市場(chǎng)上2002年首次被ST的公司中選出14家,2003年首次被ST的公司中選出10家,2004年首次被ST的公司中選出4家,一共28家公司作為財(cái)務(wù)危機(jī)公司(簡(jiǎn)單記為ST公司)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究。選取ST公司的年度為3年,這樣可以避免單期財(cái)務(wù)數(shù)據(jù)的偏差。樣本的界定依據(jù)是:(1)連續(xù)兩年虧損,包括因?qū)ω?cái)務(wù)報(bào)告調(diào)整導(dǎo)致連續(xù)兩年虧損的“連虧”公司;(2)一年虧損但最近一個(gè)會(huì)計(jì)年度的股東權(quán)益低于注冊(cè)資本,即“巨虧”公司;但不包括以下公司:(1)上市兩年內(nèi)就進(jìn)入特別處理的公司,排除原因是財(cái)務(wù)數(shù)據(jù)過(guò)少和存在嚴(yán)重的包裝上市嫌疑,因此與樣本中的其他公司不具有同質(zhì)性;(2)因巨額或有負(fù)債進(jìn)行特別處理的公司,排除原因是或有負(fù)債屬偶發(fā)事件,不是由企業(yè)正常經(jīng)營(yíng)造成的,與其他樣本公司不具有同質(zhì)性;(3)因自然災(zāi)害、重大事故等進(jìn)行特別處理的,原因同(2);(4)某些財(cái)務(wù)指標(biāo)數(shù)據(jù)不易獲得的公司。再按照同行業(yè)、同時(shí)期、相似資產(chǎn)規(guī)模(資產(chǎn)規(guī)模相差不超過(guò)10%)的原則選取與其相對(duì)應(yīng)的28家未被特別處理的上市公司作為財(cái)務(wù)健康公司(簡(jiǎn)單記為非ST公司)。這樣,我們就獲得了一個(gè)容量為56的樣本組。

      (二)財(cái)務(wù)危機(jī)影響因子(變量)的選擇

      因子分析是通過(guò)構(gòu)造幾個(gè)不可直接觀測(cè)的隨機(jī)變量((因子)去描述原問(wèn)題指標(biāo)之間的相關(guān)性,從而達(dá)到對(duì)指標(biāo)進(jìn)行降維、簡(jiǎn)化、綜合的目的,是主成分分析的推廣和深化。其方法是首先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,求出指標(biāo)變量的相關(guān)矩陣R,再根據(jù)相關(guān)矩陣R解出特征值和特征向量,然后進(jìn)行方差最大化旋轉(zhuǎn)使因子之間盡量不相關(guān),根據(jù)不同因子得分求出原始樣本組樣本個(gè)體的綜合因子得分。我們也可以這樣理解,因子分析是從研究相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā),把眾多關(guān)系復(fù)雜的觀測(cè)變量進(jìn)行結(jié)構(gòu)化處理,并最終歸結(jié)為少數(shù)幾個(gè)主因子(不相關(guān))的高效統(tǒng)計(jì)分析方法。其基本思想是根據(jù)相關(guān)性大小把變量分組,使得同組內(nèi)的變量之間相關(guān)性較高,不同組的變量之間相關(guān)性較低,每組變量代表一個(gè)基本結(jié)構(gòu)。這個(gè)基本結(jié)構(gòu)稱為公共因子或主因子。

      本模型的構(gòu)建是在財(cái)務(wù)比率的框架內(nèi)進(jìn)行的,考察了以往國(guó)內(nèi)外相關(guān)研究中研究變量選擇的情況,雖然在理論上沒(méi)有一套“合適的”比率,但以往的研究發(fā)現(xiàn)合適的財(cái)務(wù)指標(biāo)組合可以對(duì)企業(yè)的財(cái)務(wù)狀況做出較為完整、客觀的評(píng)價(jià)。借鑒以往的研究,結(jié)合我國(guó)財(cái)務(wù)管理實(shí)際,本文從長(zhǎng)短期償債能力、營(yíng)運(yùn)能力、盈利能力、風(fēng)險(xiǎn)水平、發(fā)展能力、股東獲利能力等6個(gè)方面選出21個(gè)財(cái)務(wù)指標(biāo)來(lái)構(gòu)建評(píng)價(jià)上市公司財(cái)務(wù)狀況的指標(biāo)體系,作為研究中使用的初始變量,這21個(gè)指標(biāo)分別是:

      流動(dòng)比率(X1)=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債,

      現(xiàn)金比率(X2)=現(xiàn)金及現(xiàn)金等價(jià)物期末余額/流動(dòng)負(fù)債,

      營(yíng)運(yùn)資金比率(X3)=(流動(dòng)資產(chǎn)-流動(dòng)負(fù)債)/流動(dòng)資產(chǎn),

      應(yīng)收賬款周轉(zhuǎn)率(X4)=銷售收入/應(yīng)收賬款期末余額,

      存貨周轉(zhuǎn)率(X5)=銷售成本/存貨期末余額,

      總資產(chǎn)周轉(zhuǎn)率(X6)=銷售收入/資產(chǎn)總額期末余額,

      資產(chǎn)負(fù)債率(X7)=負(fù)債總額/資產(chǎn)總額,

      所有者權(quán)益比率(X8)=股東權(quán)益合計(jì)/資產(chǎn)總額,

      流動(dòng)負(fù)債比率(X9)=流動(dòng)負(fù)債合計(jì)/負(fù)債合計(jì),

      營(yíng)業(yè)毛利率(X10)=主營(yíng)業(yè)務(wù)利潤(rùn)/主營(yíng)業(yè)務(wù)收入,

      總資產(chǎn)凈利潤(rùn)率(X11)=凈利潤(rùn)/總資產(chǎn)平均余額,

      股東權(quán)益凈利潤(rùn)率(X12)=凈利潤(rùn)/股東權(quán)益平均余額,

      主營(yíng)業(yè)務(wù)收入增長(zhǎng)率(X13)=(本年主營(yíng)業(yè)務(wù)收入-本年年初主營(yíng)業(yè)務(wù)收入)/本年年初主營(yíng)業(yè)務(wù)收入,

      綜合杠桿(X14)=主營(yíng)業(yè)務(wù)利潤(rùn)/利潤(rùn)總額,

      每股收益(X15)=凈利潤(rùn)/總股數(shù),

      每股凈資產(chǎn)(X16)=股東權(quán)益總額/普通股股數(shù),

      資本積累率(X17)=(期末股東權(quán)益-期初股東權(quán)益)/期初股東權(quán)益,

      總資產(chǎn)增長(zhǎng)率(X18)=(期末總資產(chǎn)-期初總資產(chǎn))/期初總資產(chǎn),

      凈利潤(rùn)增長(zhǎng)率(X19)=(本年凈利潤(rùn)-期初凈利潤(rùn))/期初凈利潤(rùn),

      營(yíng)運(yùn)資金對(duì)資產(chǎn)總額比率(X20)=營(yíng)運(yùn)資金/資產(chǎn)總額,

      負(fù)債權(quán)益市價(jià)比率(X21)=總負(fù)債/權(quán)益市價(jià)。

      根據(jù)以上財(cái)務(wù)指標(biāo)體系,可以對(duì)上市公司的財(cái)務(wù)狀況做出較為完整、客觀的評(píng)價(jià)。我們本部分的目的就是選出對(duì)ST公司和非ST公司區(qū)分能力最強(qiáng)的指標(biāo)變量,并且這些變量之間盡量互不相關(guān)。但由于我們所選取的財(cái)務(wù)指標(biāo)個(gè)數(shù)(變量)比較多,并且這些財(cái)務(wù)指標(biāo)之間存在著一定的相關(guān)性,因而使得選取的樣本數(shù)據(jù)在一定程度上所反映的信息有所重疊。另外,當(dāng)變量較多時(shí),在高維空間研究樣本的分布規(guī)律比較復(fù)雜,勢(shì)必增加分析問(wèn)題的復(fù)雜性。解決這個(gè)問(wèn)題的辦法是我們選用較少的綜合變量來(lái)代替原來(lái)較多的變量,而這幾個(gè)綜合變量又能夠盡可能多的反映原來(lái)變量的信息,并且彼此之間互不相關(guān)。以上我們介紹的因子分析可以幫助我們解決這個(gè)問(wèn)題。

      (三)因子分析

      我們運(yùn)用SPSS軟件(SPSS10.0 For Windows)對(duì)樣本中的56家公司前兩年的21個(gè)財(cái)務(wù)指標(biāo)進(jìn)行因子分析,其過(guò)程及結(jié)果如下:

      第一,由于我們所選的財(cái)務(wù)指標(biāo)數(shù)據(jù)具有不同的單位(如有的是比率,有的是次數(shù)或者倍數(shù))因此在進(jìn)行數(shù)理統(tǒng)計(jì)之前,往往需要進(jìn)行處理,使數(shù)據(jù)在平等的條件下進(jìn)行分析,故首先應(yīng)該對(duì)所選去的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

      第二,利用因子分析計(jì)算KMO值和Bartlett檢驗(yàn)值,如表1。

      KMO是Kaiser-Meyer-Olkin所提出的取樣適當(dāng)性量數(shù),當(dāng)KMO值愈大時(shí),表示變量間的共同因素愈多,愈適合進(jìn)行因子分析,根據(jù)專家Kaiser(1974)觀點(diǎn),如果KMO的值小于0.5時(shí),不宜進(jìn)行因子分析,此處的KMO值為0.672,表示適合因子分析。

      此外,樣本分布的球形Bartlett's卡方檢驗(yàn)值為1053.064,顯著性為0.000,代表母群體的相關(guān)矩陣間有共同因素存在,適合進(jìn)行因子分析。

      第三,計(jì)算特征值和特征向量,提取特征值大于1的因子為主因子。如表2(總方差解釋表)。從表5我們可以看出,總共有6個(gè)因子的特征值大于1,這樣根據(jù)特征值大于1的原則提取了6個(gè)主因子,其累計(jì)貢獻(xiàn)率為74.489%。

      第四,建立因子載荷矩陣(必要時(shí)旋轉(zhuǎn)),如表3。

      為了直觀的顯現(xiàn)各因子與財(cái)務(wù)指標(biāo)(變量)的關(guān)系,我們省略了表6中載荷的絕對(duì)值小于0.5載荷值。

      由于在主成分因子中載荷較大的財(cái)務(wù)指標(biāo)可以反映主成分因子的經(jīng)濟(jì)含義,因子載荷越高,表明該因子包含的該指標(biāo)的信息量就越多。因此,我們對(duì)上述因子的財(cái)務(wù)特征進(jìn)行了如下歸類解釋每個(gè)因子的含義。

      z1(因子1):反映公司的長(zhǎng)短期償債能力,Z2(因子2):反映公司的盈利能力和發(fā)展能力,Z3(因子3):反映公司的盈利能力和發(fā)展能力,Z4(因子4):反映公司的營(yíng)運(yùn)能力,Z5(因子5):反映公司的風(fēng)險(xiǎn)水平和長(zhǎng)期償債能力,Z6(因子6):反映公司的發(fā)展能力和營(yíng)運(yùn)能力。

      第五,建立因子得分的系數(shù)矩陣,如表4。表7顯示了每個(gè)因子和各財(cái)務(wù)指標(biāo)的線性關(guān)系,也就是每個(gè)主因子的因子得分。

      利用因子分析法將零亂復(fù)雜的指標(biāo)體系進(jìn)行結(jié)構(gòu)化處理,既降低、簡(jiǎn)化了觀測(cè)維度,同時(shí)也保證了原始數(shù)據(jù)的信息量,為邏輯回歸分析提供了準(zhǔn)備。

      (四)模型的構(gòu)建

      1.Logistic回歸模型的原理:

      設(shè)事件Y上市公司出現(xiàn)財(cái)務(wù)困境的發(fā)生(記為Y=0)和不發(fā)生(記為Y=1)依賴另一個(gè)不可觀察的變量V,而和我們使用的預(yù)測(cè)變量X有一定的函數(shù)關(guān)系V=f(X),為簡(jiǎn)單設(shè)計(jì)其為線性形式:

      參考文獻(xiàn):

      [1]呂長(zhǎng)江,周現(xiàn)華.上市公司財(cái)務(wù)困境預(yù)測(cè)方法的比較研究[J].吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào),2005,(6):99-109.

      [2]吳世農(nóng),盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究,2001,(6):46-55.

      [3]王滿玲,楊德禮.國(guó)外公司財(cái)務(wù)困境預(yù)測(cè)研究進(jìn)展評(píng)述[J].預(yù)測(cè),2004,(6):15-20.

      [7]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究,1999,(4):31-38.

      [8]陳曉,陳治鴻.我國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)[J].中國(guó)會(huì)計(jì)與財(cái)務(wù)研究,2000,(2):55-92.

      [9]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型及其應(yīng)用[J].預(yù)測(cè),2000,(6):38-40.

      中阳县| 富锦市| 遵义市| 集安市| 改则县| 马鞍山市| 青海省| 平山县| 云南省| 永寿县| 宁波市| 疏勒县| 永平县| 故城县| 巴林左旗| 北川| 巨鹿县| 宁武县| 岑溪市| 汶川县| 平谷区| 响水县| 光泽县| 德令哈市| 册亨县| 双牌县| 汤原县| 乌海市| 昌平区| 突泉县| 昭通市| 新乡县| 乐亭县| 保亭| 吕梁市| 屏东县| 即墨市| 星子县| 伊吾县| 阿荣旗| 景德镇市|