數(shù)據(jù)挖掘技術在上市公司財務困境預測中的應用

張喬

摘要：本文在系統(tǒng)研究了國內外關于財務困境預測方面的理論和方法的基礎上，以我國的滬深兩市上市公司為研究對象，將中國上市公司因財務狀況異常而被特別處理（ST）作為企業(yè)陷入財務困境的標志，采用主成分分析方法確定模型變量，利用Clementine軟件進行Logistic回歸，并在此基礎上構建了財務困境預測模型。

關鍵詞：數(shù)據(jù)挖掘；財務困境預測；因子分析；Logistic回歸

隨著資本市場的發(fā)展，企業(yè)的生產經營充斥著風險和危機。激烈的市場競爭帶給企業(yè)的不僅僅是機遇，還有挑戰(zhàn)。風險無處不在，企業(yè)如果不能及時發(fā)現(xiàn)并任其發(fā)展，就有可能陷入財務困境，而財務困境會對包括投資者、債權人、經營者在內的各種利益相關者造成非常不利的影響。如何及時發(fā)現(xiàn)企業(yè)經營狀況的異常，采取相應的措施阻止財務狀況惡化，對企業(yè)的相關利益主體乃至政府管理部門都有非常重要的實際意義。

財務危機是上市公司經營失敗的體現(xiàn)，研究企業(yè)陷入財務困境的原因，建立一套完整有效并且具有可操作性的財務預警模型，不僅具有理論意義，而且具有現(xiàn)實意義。憑借科學有效的財務預警模型，上市公司可以及時發(fā)現(xiàn)并預防和化解經營危機，提高自身財務狀況的安全性。債權人可以避免債權收不回來的高風險，投資者可以對財務風險加以重視，相關監(jiān)督機構可以更便捷、更科學的進行市場監(jiān)管，維護市場健康穩(wěn)健的運行。

一、理論分析與文獻綜述

最早提出企業(yè)財務預警分析模型的是國外學者Beave：（1966），隨后許多學者對該領域進行了研究，并不斷完善和改進研究方法，其中，具有劃時代意義的是Beaver（1966）和Altman（1968，1977）提出的Z一Seore判別模型。 Martni（1977）首次在銀行業(yè)中運用logit方法建立了財務困境的預測模型。Chen和Marshall（2006）針對中國市場，同時運用4種財務預警模型，對預警的有效性和科學性進行研究，結果發(fā)現(xiàn)EBIT/總資產、每股盈余、資產負債率、總資產和流動比率具有顯著的預測能力，預測準確率高達78%-93%，并且Logistic和神經網絡模型預警效果較好。國內由于市場經濟體制和證券市場發(fā)展不完善等原因，在這方面的研究相對滯后。高培業(yè)、張道奎（2000）選取29個財務指標，運用多元判別分析方法建立模型，發(fā)現(xiàn)由留存收益/總資產、息稅前收益/總資產、銷售收入/總資產、資產負債率、營運資本/總資產構成的判別函數(shù)有較好的預測能力。鮮文鐸，向銳（2007）通過實證研究表明，其建立的財務困境混合Logit模型，無論在擬合優(yōu)度還是預測準確度方面均優(yōu)于標準Logistic模型。

二、研究設計

（一）樣本選取與數(shù)據(jù)來源

本論文選取2015年被ST的公司57家，利用t-2年的財務指標進行預測。所以本文選取了2013年的115家上市公司作為樣本，其中ST公司、非ST公司分別為57家，同時選取1/3作為測試樣本，剩余為訓練樣本。該樣本以滬深兩市A股市場被ST的上市公司作為財務困境公司的研究樣本，剔除金融類和B股上市的公司。所有數(shù)據(jù)均來源于國泰安和銳思數(shù)據(jù)庫，ST公司從浪潮資訊網和東方財務網手工整理取得。

（二）被解釋變量

本文以ST否作為被解釋變量，ST公司取值為1，非ST公司取值為0。

三、指標的預處理

（一）特征選擇

本文中所選取115家公司為樣本，每個公司分別從盈利能力、償債能力、 成長能力、營運能力、現(xiàn)金流量、杠桿系數(shù)、非財務指標等方面分別選取了48個指標，，需要挖掘的數(shù)據(jù)量較為龐大，所以我們需要通過特征選擇來減少變量個數(shù)，降低變量為度選取出對輸出變量有積極貢獻的重要變量。針對此樣本數(shù)據(jù)，我們選擇ST否為輸出變量，其他變量為輸入變量，通過特征選擇，剔除對被解釋變量影響不顯著的指標，最后保留了22個重要指標。

（二）因子分析

通過上述特征選取，我們一共篩選了22項對輸出量有重要影響的指標，針對這22項指標，不能像特征選擇那樣進行簡單的削減，因為這樣會導致信息的丟失。所以我們要通過因子分析方法，對他們進行有效的綜合，既能有效減少參與建模的變量個數(shù)，降低數(shù)據(jù)的變量維度，同時又不會造成信息的丟失。將剔除后留存的22項指標，進行主成分分析后，得出五個因子。把五個因子的計算公式輸入excel表格，得到新的變量F1、F2、F3、F4、F5，將這五個變量作為我們的解釋變量。

四、模型建立及實證結果分析

（一）財務困境預測模型的建立

經過前面的特征選擇和因子分析的篩選后，得到了對結果有影響的5個因子。采用基于極大似然估計的向前篩選策略，對前文中的因子進行Logistic回歸分析，最終變量F2，F(xiàn)5沒有引入方程，因為如果引入則相應的檢驗概率P大于顯著性水平5%，因此無法拒絕原假設，說明它與Logit P的線性關系不顯著，不應進入方程。我們可以得出財務困境預測模型如下：

LogitP=3.59-14.054F1+1.503F3+1.398F4

（二）模型檢驗

1.模型整體的顯著性檢驗

上表顯示了回歸方程整體顯著性檢驗的情況，各數(shù)據(jù)項的含義依次是：似然比卡方的觀測值，自由度和概率P值?？梢钥吹?，最終，概率P值為0.003，在1%的水平上顯著，所以回歸方程整體顯著，采用該模型是合理的。

2.模型擬合優(yōu)度的檢驗

在方程擬合優(yōu)度方面，-2倍的對數(shù)似然函數(shù)值越小，Nagelkerke R2越接近于1，該模型的擬合優(yōu)度越高。在本文的實證研究中，最終-2倍的對數(shù)似然函數(shù)值為37.092，Nagelkerke R2值為0.872，擬合優(yōu)度比較理想。

在最終模型中，Hosmer-Lemeshow統(tǒng)計量的觀測值為0.574，概率P值為1，大于顯著性水平5%，因此不應拒絕原假設，我們認為樣本實際值得到的分布與預測值得到的分布無顯著差異，模型擬合度較好，這與Nagelkerke R2得出的結論一致。

3.模型中每個解釋變量的顯著性

F1在1%的水平上顯著，系數(shù)為-14.054，表明F1越大，上市公司越不容易陷入財務困境；F3在1%的水平上顯著，系數(shù)為1.503，表明F3越大，上市公司越容易陷入財務困境；F4在5%的水平上顯著，系數(shù)為1.398，表明F4越大，上市公司越容易陷入財務困境。而F2，F(xiàn)5在5%的水平上不顯著，所以進行剔除。

（三）模型結果分析

1.財務困境的影響因素分析

從因子載荷矩陣可以看出，F(xiàn)1的影響因素主要為投入資本回報率、資產報酬率、總資產凈利潤率，均為盈利能力指標，對被解釋變量有正向影響，會加大公司陷入財務困境的風險；F3的影響因素主要為每股經營活動產生的現(xiàn)金凈流量和全部現(xiàn)金回收率，對應著現(xiàn)金流量指標，對被解釋變量有正向影響，會加大公司陷入財務困境的風險；F4的影響因素主要為股權集中度和H5指數(shù)，對應著非財務指標，對ST否有負向影響，也就是會降低公司陷入財務困境的風險。

2.預測結果分析

通過判別矩陣可以看出，最終在全部57家ST公司中，預測為ST的有53家，預測為非ST的有4家，預測準確率為93%；在全部57家非ST公司中，預測為ST的有3家，預測為非ST的有54家，預測準確率為94.7%，整體預測準確率為93.9%，準確率較高。

在最終觀察到的組合預測的概率圖中，符號0表示公司實際未被ST，1表示公司實際被ST，每個符號代表1個觀測。概率預測值大于0.5的屬于被ST的公司，小于0.5的屬于未被ST的公司?？梢钥闯觯谀Ｐ皖A測出的未被ST的公司中，仍有個別樣本的實際值是被ST；同樣，在模型預測出的被ST樣本中，仍有未被ST的，但數(shù)量很少，模型預測的總體效果比較理想。

五、結論及局限性

（一）研究結論

本文綜合運用財務管理學、統(tǒng)計學、和數(shù)據(jù)挖掘等多學科知識，并結合企業(yè)動態(tài)性運營特點，進行了企業(yè)財務困境預測建模的理論和實證研究工作，主要研究成果如下：

1.分析了財務困境研究背景，闡述了財務困境預測研究的理論和現(xiàn)實意義，并在對國內外關于財務困境預測的文獻進行綜述的基礎上總結了目前研究中普遍存在的問題。

2.在理論分析的基礎上，運用特征選擇和因子分析，構建了財務困境預測的模型。首先提出了本文對數(shù)據(jù)挖掘和財務困境概念的理論界定，進而分析了導致企業(yè)財務困境形成的內、外部原因，剖析了財務預警的理論依據(jù)，最后構建了財務困境預測模型。

（二）研究的局限性

本文僅選取了2013年一年的數(shù)據(jù)進行研究，研究樣本較少且不具有動態(tài)性。由于劃分訓練樣本和測試樣本之后，訓練樣本數(shù)據(jù)量太少，得出的回歸結果不顯著，所以沒有再進行區(qū)分，logistic的結果為所有115家公司的回歸結果，沒有再對模型用測試樣本進行檢驗。

參考文獻：

[1]張玲.財務危機預勢分析判別模型[J].數(shù)量經濟技術經濟研究，2002（3）：49-51.

[2]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（4）：31-38.

[3]康曉玲，張懿.企業(yè)財務預警模型研究——基于中報數(shù)據(jù)與可持續(xù)增長模型的重構[J].科研管理，2009（1）：45-55.

[4]楊華.綜合類公司財務危機預警模型實證研究[J].廣東經濟管理學院學報，2006（4）：52-55.

[5]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001（6）：46-55.

[6]呂長江，趙巖.上市公司財務狀況分類研究[J].會計研究，2004（11）：53-61.

[7]呂長江，周現(xiàn)華.上市公司財務困境預測方法的比較研究[J].吉林大學社會科學學報，2013，6（45）：99-109.

[8]彭大慶，陳良華，陳春苗.上市公司財務困境動態(tài)預測模型的實證研究[J].工業(yè)技術經濟，2006（10）：147-150.

（作者單位：山東財經大學會計學院）