基于判别分析法的上市公司财务危机预测模型的研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
近年来,全球经济一体化快速发展,市场环境变化多 端,企业陷入财务危机甚至破产的频率越来越高,给投资 者、债权人、经营者、证券监管部门等多方面利益相关者带 来了损失, 财务危机已经成为制约企业发展的关键问题。 因此各类市场主体对企业的财务状况的关注程度越来越 高,对企业财务危机预测的需求也越来越多。 实践中,大多 数企业都是由财务状况正常渐渐发展到财务恶化,最终才 导致财务危机甚至破产的,说明企业的财务危机不但具有 先兆,而且是可预测的。
本文选择我国沪深两市 A 股上市公司为研究对象,将 上市公司被特别处理(Special Treatment 简称 ST)作 为 企 业 陷入财务危机的标志,采用 fisher 判别法构 建预警模型,从 而判断企业是否陷入财务困境。 这里的 ST 公司包括上海、 深 圳 证 券 交 易 所 公 布 的 《股 票 交 易 规 则 (2006 年 修 订 )》所 规定的退市风险警示的公 司 (股 票 简 称 前 冠 以 “*ST”字 样 ) 和其他特别处理的公司(股 票 简 称 前 冠 以 “ST”字 样 ),通 称 为财务危机公司。
如 股 票 代 码 为 600984 的 公 司 财 务 数 据 :X1=1.2339, X4= 10.4800, X6=-16.4757, X7=-17.3300, X11=-13.7000,X12=9.720,X13=-20.1900,X14=70.1593,X15= 0.4836 ,X17= 2.430 分 别 带 入 判 别 方 程 ,得 到 Z1=3.1987,Z2=2.8293,很 显 然 Z1>Z2, 所以该公司被判为 ST 公司。
2、预警指标的相关性分析 财务指标大多存在着多重共线性的问题,即指标与指 标间的相关性非常高,这样,与其他指标相关性非常高的指 标对最终的判别就没有太大的意义,某些特征变量也会重 复计算,加重工作量,不利于做出正确的决策。 为减弱变量 之间的共线性程度,应剔除具有高度相关的变量,为此,我 们应该对这 13 个 指 标 进 行 相 关 性 分 析 , 研 究 变 量 之 间 的 关系密切程度,以及根据样本的数据推论样本空间是否相 关。 采用 SPSS11.5 对通过显著性检验的 13 个变量进行相 关 性 分 析 ,统 计 结 果 显 示 ,最 终 选 择 的 变 量 是 X1;X4,X6, X7;X11,X12,X13,X14;X15 和 X17,它 们 涵 盖 了 财 务 状 况 的偿债能力、盈利能力、成长能力和股东获利能力,其中盈 利能力方面有三个指标,成长能力方面有四个指标,股东 获利能力方面有两个指标,说明这三个方面对企业财务状 况的判别有重要作用。 (二)多元判别模型的建立 以最终筛选出来的 10 个指标为预测变量,ST 企业为 1、 非 ST 企业为 2 作为因变量, 利用 SPSS 统计软件中(Analyze/ Classify/Discriminant)模块进行判别分析,得到了 Fisher 判别 系数和未标准化典则判别方程系数,如表 1 所示。
财经论坛
市场周刊·理论研究
2009 年 1 月号
基于判别分析法的上市公司财务危机预测模型的研究
王冉 (河海大学 商学院,江苏 南京 210000)
摘 要:随着我国市场经济的飞速发展,企业在获得机会的同时,也面临着巨大的财务风险。 因此建立良好的预警体系防范财务 危机势在必行。 本文以沪深股两市 A 股上市公司为研究对 象,运用多元统计中的 fisher 判别法 ,构建财务危机预测模型,并 利用 预测模型对公司的财务趋势做出预测,以便各经济主体提前做出决策。 关键词:财务危机;变量选择;预警模型 中图分类号:F230 文献标识码:B 文章编号:1008-4428(2009)01-70-03
据带入原始数据表中ቤተ መጻሕፍቲ ባይዱSPSS 统计将在结果一览表中给出分
类结果。
(三)预警模型有效性的检验
将 t -1 年 的 开 发 样 本 和 检 验 样 本 的 原 始 数 据 带 入
SPSS 统计软件中得到如下判别结果:
表 2 判别分类结果
这说明,在开发样本中,判别分析分类与实际样本分 类的一致率达 93.5%, 从而证明所建立的判别分析模型具 有很高的准确率。 在检验样本中,预测分类与实际类别的 一致率达到了 82.4%,说明所建模型有较好的预测能力。 综 合全部样本的结果,模型的综合判断正确率达 87.9%,预测 结果理想。
可判别。 将两样本组合各指标的均值分别带入未标准化典
则判别方程, 得到 ST 组合均值和非 ST 组 合 均 值 的 重 心 ,
即 ST 企业的重心值 Z1=-1.2414,非 ST 企业的 Z2=1.2414,根 据 完 全 对 称 原 则 确 定 最 佳 判 定 点 , 即 :Z*=(Z1+ Z2)/2=(1.2414+1.2414)/2=0,当 Z< Z* 时 ,判 为 ST 公 司 , 反 之 , 当
Z2=0.380X1+0.018X4-0.011X6-0.006X7-0.052X11+0.012X12+
0.002X13+0.034X14-0.401X15+2.383X17-6.651
(2)
判别函数用于将观测值分类, 即将新个案的观测值代
入两个判别函数中, 哪一个函数值较大, 就判为哪一类。 例
还有一种更方便的方法就是利用未标准化典则判别
方程系数构建判别函数:
Z =0.016X1 +0.029X4 +0.001X6 +0.001X7 +0.021X11 +0.005X12 +
0.002X13+0.003X14+0.270X15+0.266X17-1.062
(3)
该模型的优点在于只需将相关数据带入这个方程即
(二)财务危机预测变量的选取 国 外 权 威 研 究 机 构 Dunfc Brudstreet Company 通 过 大 量实证资料所作的研究结果表明,导致企业破产的原因有 以下几个方面:疏忽(Neglect)的原因占 4%,欺诈(Fraud)的 原 因 占 2%,重 大 灾 难 (Disaster)的 原 因 占 1%,不 知 名 因 素 的原因占 2%,而经营和财务管理不 善 (management incompetence)的原因占 91%,由此可见,在导致 企 业 破 产 的 众 多 因素中,企业的财务状况无疑是最为重要、最为根本的因 素。 因此,本文结合我国上市公司的实际情况以及可获得 性的要求,选定在历史文献中被普遍使用,与公司财务危 机状况的潜在相关性高,并已充分显示其重要性的偿债能 力、盈利能力、经营能力、成长能力、股东获利能力、现金流 量等六个方面的 21 个 财 务 比 率 指 标 作 为 研 究 起 点 , 它 们 分 别 是 :流 动 比 率 (X1),速 动 比 率 (X2),资 产 负 债 率 (X3); 主 营 业 务 利 润 率 (X4), 总 资 产 利 润 率 (X5), 销 售 净 利 率 (X6),净 资 产 收 益 率 (X7);应 收 账 款 周 转 率 (X8),存 货 周 转 率 (X9),总 资 产 周 转 率 (X10);总 资 产 增 长 率 (X11), 主 营 业 务 收 入 增 长 率 (X12),税 后 利 润 增 长 率 (X13),主 营 业 务 利 润 增 长 率 (X14);每 股 经 营 现 金 流 量 (X15),每 股 收 益 (X16),每 股 净 资 产 (X17);全 部 资 产 现 金 回 收 率 (X18),主 营 业 务 收 入 现 金 比 率 (X19),现 金 获 利 指 数 (X20),营 业 活 动 收 益 质 量 (X21)。 二、财务危机预测模型的构建及检验 (一)最终财务预警指标的选择过程 由于各个预警指标之间有一定的关联性或多重共线 性 , 并 非 所 有 指 标 都 能 显 著 地 区 别 出 ST 企 业 与 非 ST 企 业,因此在构建模型时需要对指标进行筛选。 本文将通过 假设检验及相关性分析来剔除指标。 1、指标均值差异的显著性检验 为方便研究,我们假设预警指标符合正态分布,这样
- 70 -
2009 年 1 月号
市场周刊·理论研究
财经论坛
就可以在财务预警指标均值方差不知道的情况下, 使用 T 检验方法检验样本均值的显著性差异,从而确定各个指标 是否具有有效区别 ST 公司与非 ST 公司的预警能力。 我们 定 义 分 组 变 量 为 z,ST 企 业 的 z=1,非 ST 企 业 的 z=2,这 里 的 z,1 和 2 均没有实际意义。 在独立样本指标均值的 T 检 验中,t 统计量的值是通过方差齐性检验的值来确定的 ,这 里不再赘述。 需要说明的是, 本文在做 T 检验时均是在 95%的置信区间下进 行的,也就是说,当 t 统 计 量 的 显 著 性 (双 尾 )概 率 p<0.05 时 ,即 拒 绝 原 假 设 (即 方 差 齐 性 检 验 确 定 的 假 设 ),认 为 相 应 财 务 指 标 的 均 值 有 显 著 差 异 ,有 显 著 差异的指标即可进入下一步的相关性分析,没有显著差异 的指标将被淘汰。 因此,T 检验的结果显示有 13 个指标通 过 显 著 性 检 验 , 它 们 分 别 是 X1,X3;X4,X5,X6,X7;X11, X12,X13,X14;X15,X16,X17。 这表明 ST 企业与与其配对 的非 ST 企业在这 13 个指标 的 数 据 上 具 有 显 著 差 异 ,具 有 进一步分析的价值。
验样本,其中 23 组样本为开发样本组, 用来构建财务危 机 预测模型, 另外 17 组样本为检验样本组, 用来检验预 测 模 型的有效性。 本文多数样本数据来自钱龙旗舰软件中的分 类股报表深证 A 股和沪市 A 股数据,部分数据参考了著名 的 中 国 上 市 公 司 资 讯 网 (http://www.cnlist.com)和 证 券 之 星 等相关网站。
一、样本的设计及变量的选择 (一)样本选择的依据及分组 本文选取 2007 年新增的沪深两市 A 股证券市场上 58 家 ST 公司作为财务危机样本公司, 遵循“同行业、同 规 模 、 同时期”的原则以 1:1 的比例选取配对公司,除此之外本文 还考虑以下要求 :(1)必 须 上 市 三 年 以 上,能 提 供 三 年 以 上 的完整财务报表;(2)没有出具 否 定 意 见 的 审 计 报 告 ;(3)公 司无重大造假行为或受重大行政处罚。 在 58 家 ST 公司中 有 13 家数据不 全 ,3 家(股 票 代 码 分 别 是 000681,600556 , 600671)被 出 具 了 无 法 表 示 意 见 的 审 计 报 告 ,1 家 (股 票 代 码 是 600599)受 到 上 海 证 券 交 易 所 的 公 开 谴 责 ,还 有 1 家 (股票代码是 600757) 被处以 10 万元罚款的行政处罚,并 在 2003、2004 年 度 会 计 信 息 质 量 有 问 题 。 剔 除 这 些 公 司 后,还有 40 家 ST 公司,其中沪市占 21 家,深市占 19 家。 在时间段的选择 上 , 本 文 以 发 生 ST 的 前 1 年 的 财 务 数据为基准,即 采 用 2006 年 的 上 市 公 司 财 务 数 据 ,建 立 财 务危机预警模型。 这是因为,据以往文献研究表明,离危机 日越近的,其指标的预测能力越强。 另外,为了研究的需 要,本文采取随机选择的方法,将样本分为开发样本和检
Z< Z* 时,则判为非 ST 公司。 还拿股票代码为 600984 的公
司 举 例 , 将 有 关 数 据 带 入 (3) 式 , 得 到 典 则 判 别 值 Z=-
0.157<0,该公司被判为 ST 公司,与 前 面 判 别 的 结 果 是 一 致
的。 在实际操作中,我们不必手工计算,只需将新个体的数
表 1 判别系数表
由表 1 可得 fisher 判别函数:
ST 企业的判别模型:
Z1 =0.340X1 -0.054X4 -0.013X6 -0.008X7 -0.105X11 -0.002X12 -
0.003X13+0.026X14-1.072X15+ 1.721X17-4.014
(1)
非 ST 企业的判别模型: