基于Logistic回歸模型的上市公司財(cái)務(wù)預(yù)警

官俊琪

本文選取了多個(gè)上市公司的財(cái)務(wù)指標(biāo)，并選擇了我國(guó)2015～2017年首次被實(shí)施ST的43家A股上市公司，并按照1：1的比例選取同行業(yè)、上市時(shí)間相同且被實(shí)施ST前一年末資產(chǎn)規(guī)模相等或者相近的43家非ST公司作為配對(duì)樣本。將這86家公司作為研究樣本，運(yùn)用Logistic同歸方法建立了財(cái)務(wù)預(yù)警模型，并結(jié)合上市公司出現(xiàn)財(cái)務(wù)危機(jī)t-3年的數(shù)據(jù)送行分析和預(yù)濺。實(shí)驗(yàn)結(jié)果表明，本文提出的上市公司財(cái)務(wù)預(yù)警模型預(yù)測(cè)的準(zhǔn)確率較高，能夠幫助企業(yè)經(jīng)營(yíng)者有效地應(yīng)對(duì)企業(yè)的財(cái)務(wù)狀況。

上市公司 Logistic回歸 財(cái)務(wù)預(yù)警

引言

所謂企業(yè)財(cái)務(wù)預(yù)警，即財(cái)務(wù)失敗預(yù)警，是指借助企業(yè)提供的財(cái)務(wù)報(bào)表、經(jīng)營(yíng)計(jì)劃及其他相關(guān)會(huì)計(jì)資料，利用多種理論和分析方法，對(duì)企業(yè)的經(jīng)營(yíng)活動(dòng)、財(cái)務(wù)活動(dòng)等進(jìn)行分析預(yù)測(cè)，以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)發(fā)生之前向企業(yè)經(jīng)營(yíng)者發(fā)出警告，督促企業(yè)管理當(dāng)局采取有效措施，避免潛在的風(fēng)險(xiǎn)演變成損失。因此，進(jìn)行財(cái)務(wù)預(yù)警分析，建立企業(yè)財(cái)務(wù)預(yù)警模型對(duì)現(xiàn)代企業(yè)具有重要意義。

鑒于此，本文選取了能全面反映上市公司財(cái)務(wù)狀況的多個(gè)財(cái)務(wù)指標(biāo)，并采用Logistic回歸分析方法建立了財(cái)務(wù)預(yù)警模型，以便為上市公司財(cái)務(wù)預(yù)警提供有效的參考。

研究設(shè)計(jì)

（1）樣本選取

本文選取我國(guó)2015～2017年首次被實(shí)施ST的43家A股上市公司，并按照l(shuí)：1的比例選取同行業(yè)、上市時(shí)間相同且被實(shí)施ST前一年末資產(chǎn)規(guī)模相等或者相近的43家非ST公司作為配對(duì)樣本。

將這86家公司分為建模組和檢驗(yàn)組：建模組有66個(gè)，包括33家被ST的上市公司和相對(duì)應(yīng)的33家非ST公司；檢驗(yàn)組有20個(gè)，包括10家被ST的上市公司和與之對(duì)應(yīng)的10家非ST公司。假定上市公司被ST年份為第t年，對(duì)建模組樣本t-3年的財(cái)務(wù)數(shù)據(jù)利用Logistic回歸分析方法建立財(cái)務(wù)預(yù)警模型，然后利用檢驗(yàn)組樣本驗(yàn)證模型的準(zhǔn)確度。

樣本數(shù)據(jù)來(lái)自Wlnd數(shù)據(jù)庫(kù)。數(shù)據(jù)處理軟件為SPSS 20.0。

（2）初始指標(biāo)選取

本文初步選取了涵蓋上市公司償債能力、營(yíng)運(yùn)能力、盈利能力和發(fā)展能力4個(gè)方面的資產(chǎn)負(fù)債率X4、總資產(chǎn)周轉(zhuǎn)率Xio、現(xiàn)金流量比率X12、主營(yíng)業(yè)務(wù)利潤(rùn)率X14、營(yíng)業(yè)利潤(rùn)率X16等22個(gè)財(cái)務(wù)指標(biāo)，基本能夠全面反映上市公司財(cái)務(wù)狀況和經(jīng)營(yíng)狀況。

（3）指標(biāo)篩選

由于初始指標(biāo)較多，分析起來(lái)比較復(fù)雜，而且各指標(biāo)之間的信息具有重復(fù)性，所以需要對(duì)22個(gè)指標(biāo)進(jìn)行配對(duì)樣本T檢驗(yàn)，選出那些能顯著區(qū)分ST公司和非ST公司的指標(biāo)。從結(jié)果可以看出，X4、Xio、X12、X14、X16這5個(gè)指標(biāo)的差異比較顯著，因此可以選取這5個(gè)變量作進(jìn)一步的研究和建模。

實(shí)證分析

對(duì)建模組的t-3年原始數(shù)據(jù)分別作hgistic二元回歸分析，因變量為“是否被ST”，自變量為X4、X10、X12、X14、X16。在分析時(shí)，賦予ST公司的值為l，非ST公司的值為O?？梢缘贸鲎罱K的Logistic財(cái)務(wù)預(yù)警模型：

Hosmer和Lemeshow檢驗(yàn)的Sig.大于0.05，表明Logistic回歸模型的擬合優(yōu)度較好。

一般選取0.5作為判別分割點(diǎn)，即：p>0.5代表ST公司，p<0.5代表非ST公司。建模組和檢驗(yàn)組的模型預(yù)測(cè)結(jié)果如下表所示。

從表中可以看出，Logisic回歸模型預(yù)測(cè)的準(zhǔn)確率比較高，在80%以上，說(shuō)明構(gòu)建的財(cái)務(wù)預(yù)警模型的預(yù)測(cè)效果比較理想。

結(jié)論與不足

本文選取了上市公司財(cái)務(wù)指標(biāo)，并采用Logistic回歸分析方法建立了財(cái)務(wù)預(yù)警模型，然后結(jié)合上市公司出現(xiàn)財(cái)務(wù)危機(jī)t-3年的數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)。從分析結(jié)果可以看出 Logistic回歸財(cái)務(wù)預(yù)警模型預(yù)測(cè)的準(zhǔn)確率較高，并且操作和計(jì)算較簡(jiǎn)單，可廣泛應(yīng)用于上市公司的財(cái)務(wù)危機(jī)預(yù)警問(wèn)題中。

同樣，本文的研究還存在很多不足之處。一是，本文只選取了財(cái)務(wù)指標(biāo)，并沒(méi)有考慮非財(cái)務(wù)指標(biāo)對(duì)財(cái)務(wù)預(yù)警模型的影響。二是，本文的指標(biāo)篩選方法比較簡(jiǎn)單，在一定程度上可能也會(huì)影響財(cái)務(wù)預(yù)警模型的建立。以上這些不足之處在今后的研究中都會(huì)進(jìn)一步完善。

[1]祝映蘭.Logistic財(cái)務(wù)危機(jī)預(yù)警模型分析一一來(lái)自A股上市公司的證據(jù)[J].全國(guó)流通經(jīng)濟(jì)，2017（ 24）：37-39.

[2]李紅梅，田景鮮.公司財(cái)務(wù)危機(jī)預(yù)警模型比較研究——以A股制造業(yè)上市公司為例[J].財(cái)會(huì)月刊，2013（ 10）.

[3]宋曉娜，黃業(yè)德，張峰.基于Logistic和主成分分析的制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警[J].財(cái)會(huì)月刊，2016 （3）：67-71.

[4]連曉麗.我國(guó)A股上市公司財(cái)務(wù)危機(jī)預(yù)警模型實(shí)證研究[D].廈門(mén)大學(xué)，2014.

[5]阿小燕，趙娟.資源型上市公司財(cái)務(wù)預(yù)警實(shí)證分析[J].財(cái)會(huì)月刊，2018（2）：79-84.