基于Logit模型的A股上市公司数据判断分析
Logistic回归模型在上市公司财务预警中的应用
Logistic回归模型在上市公司财务预警中的应用龙松向丽苹（华中科技大学武昌分校，湖北，武汉，430064）摘要：该文以我国A股市场上因“财务状况异常”而被特别处理的制造类上市公司为研究对象，首先利用非参数检验方法对财务危机公司和非财务危机公司的27个财务指标的显著性差异进行了检验，其次利用单变量逻辑回归分析进一步筛选出对模型预测有显著贡献的9个财务指标，然后又利用因子分析方法再次精简变量并避免多重共线性的影响，最终选择3个因子变量作为Logistic模型的自变量，构建了我国制造类上市公司财务危机发生前三年的预警模型，并对所建模型的有效性进行了检验。
关键词：Logistic回归；财务预警中图分类号：O212.4 文献标识码：A文章编号：一、国内外有关研究及其评价自20世纪60年代以来，就有许多学者对财务危机预警问题进行深入的探索，提出了许多财务危机预警模型。
这些模型按构建方法的不同可以分为统计类预警模型和非统计类预警模型两大类。
统计类财务危机预警模型主要包括一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型、生存分析法等。
财务危机预警的非统计方法包括递归划分算法、人工智能、神经网络等，其中较有代表性的是神经网络分析方法。
企业财务风险的实证研究在我国才刚刚起步，尽管资本市场的结构特征与成熟程度不同，国内学者也做出了可贵的探索。
1986年，吴世农、卢贤义1曾介绍企业的破产分析指标和预测模型，引领了我国在这领域的研究。
总的说来，国内外学者对财务危机预警模型大致可以分为：单变量判定模型、多变量判定模型、多元逻辑回归模型。
以上三种模型也代表了财务预警研究方法不断发展和完善的阶段性过程；他们的共同点是都运用了会计数据和财务比率，而从各自的前提假设、适用范围上看，三种模型又各有特点。
通过比较分析可以看出，采用多元逻辑回归模型的效果相对于其它两种模型更具科学性。
第一，Logistic回归对于变量的分布没有具体要求，适用的范围更加广泛第二，具体公司数据带入模型之后得到的是一个概率值，在实际使用中简单方便。
基于 Logistic模型的中国制造业上市公司信用风险评估
基于 Logistic模型的中国制造业上市公司信用风险评估摘要：制造业在国民经济体系中具有重要地位，制造业上市公司作为我国商业银行的重要客户，其信用违约将会对我国的商业银行乃至社会经济带来危机。
本文以我国在A股成功上市的2237家制造业公司作为研究对象，采用主成分分析、因子分析法以及Logistic回归模型，对14个具有代表性的财务指标进行分析，构建我国制造业上市公司的信用风险评估模型。
最后，提出有关行业信用风险管理水平、信息数据库的建立以及改善宏观环境等方面的建议，加强我国制造业上市公司的信用风险评估，促进我国制造业健康稳定的发展。
关键词：制造业上市公司；信用风险评估；主成分分析；因子分析；Logistic模型一、引言制造业在国民经济体系中具有重要地位。
制造业所产生的信用风险问题，可能会对我国商业银行、国民经济发展带来一系列连锁问题。
近年来，我国制造业规模不断扩大，对资金的需求日益增多。
随着我国人口红利逐步减弱，制造业面临着劳动力不足和成本上升的压力，再加上市场环境复杂和市场需求的多变，制造业公司抵抗风险的能力较弱。
不断增加的贷款需求和不断暴露出的信用风险问题将会对我国的商业银行乃至社会经济带来严重影响。
因此，构建适用于研究我国上市制造业公司信用风险的评估模型和指标评价体系，能够更加科学地衡量企业的信用风险，促进对我国制造业稳定持续的发展。
二、文献综述我国学者对制造业信用风险度量问题研究主要集中在：模型的选择、指标体系的建立以及实证研究。
众多学者选择不同模型来对制造业公司的信用风险进行评估，Ｚ模型、KMV模型、主因子分析方法和Logistic回归模型等。
张传新（2010）才用Ｚ模型对我国制造业公司的信用风险进行评估研究，却发现该模型在我国的判别效果明显比较弱。
邹薇（2014）运用修正后的KMV模型，结果表示该模型预测的正确率为75.56%。
在众多学者研究的背景下发现，就准确性而言，单变量判定模型分析与多元线性回归模型已无法满足需求，现代信用风险评估模型的适用性较差。
基于Logit模型的上市公司财务预警分析
基于Logit模型的上市公司财务预警分析【摘要】本文基于Logit模型对上市公司财务预警进行分析。
首先介绍了Logit模型的原理和在财务预警中的应用。
然后详细描述了选择的特征及数据收集方法，并进行模型建立与分析。
结果表明，Logit模型在财务预警中具有一定的预测效果。
在结果讨论中，对模型的优缺点进行了深入分析。
本文总结了基于Logit模型的上市公司财务预警分析的启示，并提出了未来研究方向。
通过本研究，可以为投资者和监管机构提供更准确的预警信息，有助于提高上市公司财务风险识别的准确性和及时性。
【关键词】Logit模型、上市公司、财务预警、特征、数据收集、模型建立、分析、结果讨论、启示、未来研究方向、结论总结。
1. 引言1.1 背景介绍上市公司是指在证券交易所上市交易的公司，其财务状况对投资者、政府监管机构以及社会公众具有重要意义。
由于市场环境的变化和公司经营风险的存在，上市公司面临着财务预警的挑战。
财务预警是指通过对公司财务指标的监测和分析，及时识别并预警潜在的财务风险，从而帮助公司及早制定应对措施，防范可能的经营风险。
本文旨在通过对Logit模型的原理、应用以及基于该模型的上市公司财务预警分析进行深入探讨，希望可以为公司管理者、投资者和监管机构提供有效的参考，帮助它们更好地了解和预防财务风险，保障市场的稳定和健康发展。
1.2 研究意义上市公司财务预警是财务管理领域的重要课题，对于投资者、管理者和监管部门具有重要意义。
基于Logit模型的上市公司财务预警分析能够帮助相关方及时发现财务风险，提升决策效率，减少潜在风险。
研究意义主要体现在以下几个方面：基于Logit模型的上市公司财务预警分析可以提高公司的风险管理水平，帮助公司更好地应对市场竞争和不确定性因素，有效降低经营风险。
该研究可以为投资者提供更为准确的投资建议和决策依据，降低投资风险，提高投资收益率。
基于Logit模型的上市公司财务预警分析还可以为监管部门提供科学的监管指导，帮助监管部门更好地监督和规范市场行为，维护市场秩序。
基亏Logit模型的上市公司财务预警分析
二 、 本选 取和 数据 来源 样
或公共汽车 ； 投资决策中， 是投资房地产、 股票还是 基 金 。以这 样 的决 策 选 择作 为 被 解 释 变量 而 建 立
的计 量经 济模 型 ， 称为 离散选 择模 型 。在离 散选择 模 型 中 ， 简单 的情 形 是 因变 量 只 能取 两 个 值 ， 最 称
造成 极 为不利 的影 响。 因此 ， 过构造 模型 来对财 通 务危 机给予及 时和有效 的预 测 ， 已经成 为学者 与业 界研究 的一个 热 门课 题 。当然 ， 全正确 的预测 模 完
标 作 为分 析 的指 标 ： １每 股 营业 现 金 净 流 量 、 ２ ｘ Ｘ 总资 产周转 率 、 ３净利 润增 长率 、 ４流动 比率 、５ ｘ Ｘ ｘ 资产 负 债率 、 ６净 资 产 收益率 、 ７总资 产 增长 率 。 Ｘ ｘ
Ｆｉ＝（ ＋ ｘ （） Ｆ ｐｉ ≥ ｙ 仪 ）
对 上 式 除 以 ｐ， 减 １得 ： ： ｉ并 ｅ
ｐ
丽 ，
一１ ＝
对上式 作如下 变换 ： ｉ １—
●
ｐｉ
取倒 数后 ， 取对数 ，ｉ＝ ｌ 再 ｙ ｏ ｇ（
的是 挑 战 。在 激烈 的市场 竞争 中 ， 可避免 地会使 不
一
财务 状况 主要 取 决 于 企业 的盈 利 能 力 、 债能 力 、 偿
营运 能力 和成 长 能 力 。本 文 选 取如 下 ７个 财 务指
些 企业 陷入 财务 困境 和危机 ， 而企 业一 旦发生财
务危 机 ， 会给 投 资者 、 就 债权 人 和 企业 乃至 国家都
ｌ ｏ ｇ‘ ） ｙ ｉ 邯 ｘ。 。
基于Logistic模型的我国A股上市公司财务困境预测
研究，2014，（10）.［3］Faccio M，Marchica M T，Mura rge shareholder diversification and corporate risk taking［J］. Review ofFinancial Studies，2011，（11）.［4］YF Lin，YMC Yeh，YT Shih.Tournament Theory’s Perspective of Executive Pay Gaps［J］.Journal of BusinessResearch，2013，（5）.［5］卢馨，张乐乐，李慧敏，丁艳平.高管团队背景特征与投资效率——基于高管激励的调节效应研究［J］.审计与经济研究，2017，（02）.［6］李万福，杜静，张怀.创新补助究竟有没有激励企业创新自主投资——来自中国上市公司的新证据［J］.金融研究，2017，（10）.［7］解维敏，唐清泉，陆姗姗.政府R&D资助，企业R&D支出与自主创新——来自中国上市公司的经验证据［J］.金融研究，2009，（06）.［8］金宇超，靳庆鲁，宣扬.“不作为”或“急于表现”：企业投资中的政治动机［J］.经济研究，2016，（10）.［9］夏宁，董艳.高管薪酬、员工薪酬与公司的成长性——基于中国中小上市公司的经验数据［J］.会计研究，2014，（09）.［10］ 罗宏，曾永良，宛玲羽.薪酬攀比、盈余管理与高管薪酬操纵［J］.南开管理评论，2016，（02）.［11］ 钟凯，杨鸣京，程小可.制度环境、公司治理与企业创新投资：回顾与展望［J］.金融评论，2017，（06）.［12］ 张超，刘星，田梦可.财政刺激、信念波动与企业过度投资——基于管理者视角的经验研究［J］.财经研究，2015，（11）.【作者简介】 韩雪丽，女，内蒙古师范大学鸿德学院，副教授，高级会计师，硕士；研究方向：公司财务与治理；南开大学商学院中西部青年骨干教师访问学者。
基于面板logit模型的上市公司财务困境实证分析
基于面板logit模型的上市公司财务困境实证分析摘要：本文建立了基于面板logit模型的上市公司财务困境动态分析模型，以装备制造业上市公司为例，根据2000—2009年的财务数据进行了实证分析。
结果显示，速动比率、总资产增长率、营业毛利率、债务保障率和固定资产周转率是影响公司发生财务困境的重要因素。
关键词：面板logit模型；财务困境；装备制造业随着全球经济一体化进程的加快和我国市场经济体制改革的深化，我国企业面临的生存环境竞争性在不断加剧。
从微观上来看，在激烈的市场竞争中，如果企业经营或管理过程中出现的问题得不到有效控制与及时解决，容易致使企业步入财务困境的被动局面，进而导致企业遭受破产的威胁。
从宏观上来看，如果企业的财务危机问题得不到妥善处理，在全球经济融合日益密切的背景下，可能会诱发“蝴蝶效应”，将企业层次的风险危机扩大至行业层面、国家范围，甚至是全球领域。
装备制造业是我国国民经济中的基础性、战略性及支柱性产业，具有产业关联度高、经济拉动力大及就业吸纳力强的先天优势，早在1998年中央经济工作会议中就提出要“大力发展装备制造业”。
因此，对装备制造业企业财务困境进行实证分析，无论对于宏观政府层面、中观行业层面还是微观企业层面，都具有十分重要的现实意义。
鉴于此，本文以装备制造业的上市公司为研究对象，对装备制造业上市公司进行了财务困境的实证分析。
考虑到以往的财务困境实证分析方法大多未摆脱静态分析的局限性，本文建立了基于面板logit模型的上市公司财务困境动态分析模型，以期为装备制造业上市公司进行财务风险管理提供有益的借鉴。
一、财务困境的界定如何界定财务困境是进行财务困境实证分析要解决的首要问题，国内外学术界对财务困境的界定尚未形成权威的公认标准。
国外较具代表性的观点有：Beaver（1966）认为，企业若发生诸如债券违约、银行透支、未支付优先股股利或破产事件均可视为发生财务困境；Blum（1974）认为，财务困境是指企业无力偿还到期债务，进入破产程序或与债权人协商减少债务的事件。
基于Logit模型的上市公司评级研究
比分子 中的事件概率 的依次连续 累积 而形成 ， 累积概率
可以通过 Ｌ ｏ ｇ ｉ ｓ ｔ ｉ ｃ 分布 函数 的公式获得 ：
ｅ ｘ ｐ ［ 一 （ ＋ ∑ ） 】
＝ｌ
ｔ ＋ ｅ ｘ ｐ ［ ， 一 （ ＋ ∑ ） ｊ（ ２ ）
对 于 因变量 Ｙ ，本 文从我 国 Ａ股 市 场一 共选 取 了
了著名 的 得分模型和第二代信用评分模型 ， 即Ｚ Ｅ Ｔ Ａ模 ６ ５ ９家上市公 司，根据其风险属性将这 ６ ５ ９ 家公 司分 成
型。 Ｏ ｈ ｌ ｓ ｏ ｎ （ １ ９ ８ ０ ） 将Ｌ ｏ ｇ ｉ ｔ 模型引入到公司财务危 机预测 ５ 类不 同的风险级别 。并且将样本 分为估计样本 和预测 上来 ， 发现 ｌ ｏ ｇ ｉ ｔ 模 型能够将具有 不同财 务质量 的公 司做 样本 ， 估计 样本用来 估计模 型系数 ， 预测 样本 用于检 验 出有效 的分 类 。李 湛和徐 一骞 （ ２ ０ ｏ ９ ） 运用 Ａ ｌ ｔ ｍａ ｎ的 Ｚ 模型的评级分类能力 。 针对不 同的风险级别 ， Ｙ 分别取值
司具有较好 的分辨能力 ， 能够把不 同财务 质量 的上市公
司进行有效 区分 。
二、 变 量 及 数 据
三、 实 证 分 析
Ｌ ｏ ｇ ｉ ｔ 模 型 的关键 假设是在 隐变量 和 自变 量的多元 线性 回归模型 中， 随机扰动项 服从 的是 Ｉ ￣ ｇ ｉ ｓ ｔ ｉ ｃ 分布 。 而
在大量 的实证检验 中， 由于 Ａ ｌ ｔ ｍ ａ ｎ的 Ｚ Ｅ Ｔ Ａ模型具 Ｌ ｏ ｇ ｉ ｔ 函数作 为隐变量和次序函数之间的关联 函数 ， 可 以
有 较高 的信 用分 辨能力 ， 因此 ， 本 文直 接采用 Ｚ Ｅ Ｔ Ａ模 将非线性 函数转化为线性 函数 ， 从 而形成 了 Ｌ ｏ ｇ ｉ ｔ 模 型。 型 由财务指标构造 的的 ７ 个变 量 ， 分别 是 ： 资产收益率 、 Ｌ ｏ ｇ ｉ ｔ 模型可以定义成如下形式 ：
基于Logit模型的A股上市公司数据判断分析
基于Logit模型的A股上市公司数据判断分析作者：吴俊来源：《现代商贸工业》2011年第17期（江阴兴澄特种钢铁有限公司，江苏江阴 214429）摘要：采用Logit模型，并考虑到上市公司公开披露信息的可取性，筛选若干个常用的财务数据，获取具有代表性的指标，经过严格的实证数据测试，建立了上市公司财务预警的Logit模型关键词：上市公司；数据判断；Logit模型中图分类号：F83文献标识码：A文章编号：1672-3198（2011）17-0154-021 引言随着我国证券市场的日益规范化，根据在客观、公允基础上披露的上市公司的财务报告，通过构造合理的预测模型，获得对那些财务状况出现严重恶化的上市公司的预警信号，对于有关方面毋庸置疑地具有现实意义。
本文在借鉴现有研究成果的基础上，以财务理论和Logit模型为基础，选取一系列较为全面的财务指标，构建财务预警模型，用模型对上市公司发生财务困境的概率进行预测，即对我国A股上市公司数据判断分析。
2 模型介绍Logit模型是最早的离散选择模型，在本文中，建立这样的一个Logit模型：设事件Y代表上市公司是否出现财务困境，Y1代表发生财务困境，Y0代表未发生财务困境，事件Y依赖另一个不可观测的变量V，即Vf（X），设其为线性形式：VβX i+εi。
假设当Y1时等价于，当Y0时等价于V≤0。
因此事件Y发生的概率为：P（Y1）P （）P（-βX i）。
为了根据一定的样本估计V，需要为εi选择一定的概率分布函数，这里选择逻辑（Logistic）分布，得到Logit分析模型，Logit模型假定的概率分布函数为：F（t）。
由F（-t）1-F（t），可得：P（Y1）P（）P（-βX i）1-p（εi≤-βX i）1-F（-βX i）F（βX i）。
则第i个样本点发生财务困境的概率为：P（Y1）。
当第i个样本点为发生财务困境的公司时，Y i1；当第i个样本点为未发生财务困境的公司时，Y i0，X i（X il，Xi2，……X iK），为第i个样本点的预测变量，其中β为待估计参数，根据样本数据通过迭代可以求出β的极大似然估计值。
基于LOGISTIC模型和主成分分析的上市公司财务预警分析
摘要：利用logistic回归分析和主成分分析法，采用我国2011―2013年食品类上市公司的财务报表数据，构建财务危机预警模型。
实证结果显示，上市公司财务预警模型具有可操作性，且预测的准确率很高，能够增强上市公司内部财务风险管理的意识，通过更明确地反映财务状况，有效遏制财务危机，提高上市公司的经济效益。
关键词：主成分；logistic模型；财务预警分析中图分类号：f830.91 文献标志码：a 文章编号：1673-291x（2016）18-0073-04 引言随着全球经济一体化进程，我国市场经济不断发展完善，上市公司之间的竞争也愈演愈烈，市场的复杂性和不可预见性使得企业一旦经营不善就可能陷入财务困境之中。
从20世纪开始，全球经济出现了许多复杂情况，很多企业包括上市公司陷入了财务危机，甚至因此而导致破产。
财务危机，也称财务困境或财务失败，财务危机分为经营失败、无偿付能力、违约、破产四种情形，最终可能会导致公司破产。
财务危机预警就是利用企业财务信息和相关资料，选取一些敏感性较高、有针对性的财务指标，通过建立数学模型，及时监控和预测可能出现或已经出现的财务危机。
随着由于财务危机而导致破产的企业增多，财务风险管理的重要性愈发显著。
财务危机预警既满足企业在日趋激烈的竞争中维持生存最基本的需要，也符合市场竞争机制的动态要求。
如何做到防患于未然，预测财务风险是上市公司需要考虑的重要问题。
鉴于此，本文以食品类上市公司为例，试图通过选取能够全面反映食品上市公司经营状况和财务状况的指标（包括反映其盈利能力、营运能力、获取现金的能力、偿债能力以及发展能力）构建其财务危机预警指标体系，针对食品上市公司被实施st前三年的财务数据，分别运用logistic回归分析和主成分分析方法来建立财务危机预警模型，并对其判别效果进行比较分析，以期为上市公司的财务危机预警起到一定的参考作用。
一、文献综述（一）国外的财务危机预警研究财务危机预警研究源于 20世纪30年代，美国学者fitzpatrick（1932）首次采用以财务比率作为预测财务危机的单变量分析方法，比较分析了健康和危机企业的财务指标。
上市公司财务困境预测—基于Logit 模型的实证研究
Copyright©博看网 . All Rights Reserved.
01
热点聚焦 HOT FOCUS
济因素，发现贷款利率及国内生产总值和曾繁荣 (2015)[9] 将股权结 构、人力资本等非财务因素纳入财务预警 指标体系。研究发现：相对于仅含财务指 标的预警模型，非财务指标的引入使模型 具备更佳的预测准确性。
ACCOUNTING LEARNING
上市公司财务困境预测—基于 Logit 模型的实证研究
文 ／ 冯浩洋 袁嘉帅
摘要：本文以 2008 年经济危机以来 的经济环境为背景，以上市公司受到退 市风险警示作为其陷入财务困境的标志， 在沪深股市中选取 19 家财务困境公司和 57 家正常公司作为样本，利用所有者权 益比率、现金比率等财务指标建立 Logit 回归模型，以探索同新经济形势相适应 的我国上市公司财务预警模型。根据所 建立的模型对 2016 年部分上市公司财务 状况进行预测分析，并针对我国制造业提 出了加强信息化水平、淘汰落后产能等政 策性建议。
2008 年的美国次贷危机引发全球性 的经济萧条，各国经济均出现不同程度的 下滑，其影响至今尚未完全消除。作为美 国次贷危机的延续和深化，2009 年爆发 的欧洲主权债务危机对我国的出口贸易、 大宗商品价格以及投资信心造成一定程度 的影响，是中国外部经济面临的一场重要 危 机。2012 年 起， 中 国 GDP 增 速 回 落， 经济增长阶段发生根本性变化，经济发展 总体呈现出从高速增长转为中高速增长、 经济结构不断优化升级、从要素驱动、投 资驱动转向创新驱动的特征，步入“新常 态”。2015 年，我国经济总体下行，三大 产业增速均下滑，全年出口负增长，经济 下行压力持续增大。严峻的经济形势可能 导致公司资金链断裂的风险加大，公司应 针对经济环境的变化及时调整战略以避免 财务困境。财务困境作为上市公司在市场 经济中的普遍现象，对于其界定，目前尚 无定论。由于我国不健全的上市公司破产 制度，申请破产不能作为判别我国上市公 司财务困境的依据。而“退市风险警示” 作为沪深交易所对出现财务状况异常的上 市公司股票交易的处置措施，可以作为对 上市公司陷入财务困境的评判标准。笔者 通过阅读大量文献发现，关于上市公司财 务困境模型的研究大多集中在 2008 年以
基于Logistic回归模型的上市公司财务预警实证研究
基于Logistic回归模型的上市公司财务预警实证研究张星文 廖英霞（广西大学商学院，广西 南宁 530004）【摘要】本文采用实证研究的方法，以我国A股市场2009年因财务原因新被ST的43家上市公司以及与其行业、资产规模相当的43家非ST的上市公司的财务数据为基础，对财务指标进行差异T检验选出预警指标变量，并据预警指标变量基于Logistic回归分析的方法，构建了财务预警的模型，得出回判的正确率是较高的。
最后为了进一步检验模型的预测能力，从A股市场中随机抽取200家上市公司（不包括已在模型中使用的上市公司）2004-2008年连续五年的财务数据代入预警模型进行预测，结果可以看到模型的预警能力是很高的，回判率达到近87%，结果比较令人满意。
【关键词】财务危机；logistic回归模型；财务预警一、引言随着我国市场经济不断发展和完善，企业之间的竞争也越来越激烈，市场的复杂性和不可预见性使得企业一旦经营不善，就有可能陷入财务困境之中。
从上世纪90年代开始，世界经济出现了许多意外的复杂情况，企业由于财务危机而破产的例子屡见不鲜。
2008年的金融危机席卷了全球，让为数不少的企业陷入了财务危机甚至面临着破产。
财务危机(financial crisis)又称财务困境(financial distress)，学术界对该术语有着许多不同的见解。
Altman（1990）综合了学术界的观点，认为财务危机为经营失败（failure）、无偿付能力(insolvency)、违约(default)、破产(bankruptcy)四种情形。
在国外的许多研究中，为了将财务危机尽可能有效的量化和客观化，一般是以破产作为标准而展开的。
而在我国，财务危机研究多以上市公司中的“ST”公司为对象展开。
因为我国的证券市场上市公司破产的案例是极少数的，以破产为标准作为研究对象是不太现实的。
2002年《上海证券交易所股票上市交易规则》和《深圳证券交易所上市规则》中规定：“上市公司出现财务状况和其他状况异常，导致投资者难于判断公司前景，权益可能受损害的。
A股上市公司财务预警模型对比研究——基于logistic回归和BP神经网络模型
3 1.416 12.875 68.327 1.416 12.875 68.327
4 .940 8.549 76.877
5 .787 7.156 84.033
6 .641 5.831 89.864
7 .448 4.075 93.939
8 .341 3.097 97.036
9 .234 2.124 99.160
（三）Logistic 回归模型。Logistic 回归模型最早由 Ohlson （1980）首先将 Logistic 模型用于财务危机预警，他选取了 1970-1976 年间的 105 家破产公司和 2058 家非破产公司组成 非配对样本，分析了 ST 公司与非 ST 公司的概率分割点。此 后国内也有众多学者，如吴世农和卢贤义（2001）、郭斌、 祝映兰等人研究，均使得 logistic 模型在财务预警方面有了进 一步的发展。
取的三个因子，即 F1、F2、F3 为自变量，这样可以简化变量，
综合财务指标，减少多元共线性。
环渤海经济瞭望 │ 2019.9 165
理论探讨
三、Logistic 回归模型
二分类的 Logistic 回归模型对于财务预警而非常适用， 而基于主成分分析的 Logistic 回归法具有优化数据指标的效 果。Logistic 回归一般模型如下：
基于Logit模型的上市公司财务预警模型研究以及实证分析
基于Logit模型的上市公司财务预警模型研究以及实证分析【摘要】上市公司是现代公司的最高形式，上市公司的数量和质量直接影响着证券市场的兴衰。
在上海和深圳证券交易所上市公司需要连续三年盈利，上市之后如果连续两年亏损，就会被戴上ST的帽子，这标志着上市公司陷入了财务困境。
本文以沪深A股市场上于2015年被ST和未被ST的上市公司为研究的总体，随机抽取样本90个，并结合公司的财务数据，尤其是代表公司经营状况的动态指标，来预测企业在未来一年内是否会有财务危机，给公司的财务人员预警，同时也有利于投资者判断一家公司的发展状况，做出合理决策。
【关键字】上市公司财务预警Logit模型一、引言 (2)1.1财务预警模型的研究背景 (2)1.2财务预警模型的研究概况 (2)1.3本文的创新之处 (2)二、Logit模型简介 (2)三、样本和财务指标的确定 (3)3.1样本采集 (3)3.2财务指标的初步选择 (3)四、财务预警模型的实证分析 (4)4.1案例处理摘要 (4)4.2模型汇总 (4)4.3Hosmer-Lemeshow检验结果 (5)4.4预测分类结果 (5)4.5逐步回归过程 (7)4.6不在方程中的统计变量 (9)4.7预测概率直方图 (9)五、模型的改进和对上市公司风险防范的建议 (11)5.1模型的改进 (11)5.2对上市公司的建议 (11)参考文献 (12)一、引言1.1财务预警模型的研究背景现代企业从创业到发展，都在追求一个目标——上市。
而在我国的股票市场上，公司上市需要最近三年连续盈利，上市后的公司要接受社会的监督，定期公布财务报告以及其他信息，因此我们可以很容易得到上市公司的财务指标，相比通过经验来判断公司的财务状况，财务指标是量化的，更容易分析。
一个公司的财务指标一定程度上反映了该公司的财务状况，从财务状况我们可以看出该公司的经营管理情况以及发展情况，如果一个公司财务发生了危机，那么整个公司的现状也令人担忧。
基于logistic回归模型对股票涨跌趋势的预测——以贵阳银行为例
基于logistic回归模型对股票涨跌趋势的预测——以贵阳银行为例基于logistic回归模型对股票涨跌趋势的预测——以贵阳银行为例摘要：本文以贵阳银行为例，利用logistic回归模型对股票的涨跌趋势进行预测。
首先，介绍了logistic回归模型的基本原理和应用场景；其次，对贵阳银行的相关数据进行收集和整理；然后，利用这些数据对logistic回归模型进行训练和验证，并根据模型结果对贵阳银行未来的股价涨跌趋势进行预测；最后，对模型的优缺点进行分析和讨论。
1. 引言股票市场作为经济市场的重要组成部分，一直以来备受关注。
对股票涨跌趋势的准确预测，对投资者制定投资策略、降低风险具有重要意义。
因此，对股票市场涨跌趋势进行预测研究一直以来备受关注。
2. logisitc回归模型的基本原理logistic回归模型是一种基于概率的预测模型，广泛应用于分类问题。
其基本原理是通过对输入特征进行加权求和，然后经过一个非线性函数（如sigmoid函数）进行映射，得到0到1之间的概率输出。
3. 贵阳银行的相关数据收集与整理在本研究中，我们选择贵阳银行作为研究对象，通过收集和整理其相关数据，包括贵阳银行的股价、交易量、财务数据等。
通过对这些数据的分析，找出对股价涨跌趋势有影响的关键因素。
4. 数据处理和特征选择在利用logistic回归模型进行预测之前，我们需要对数据进行处理和特征选择。
首先，对数据进行清洗和去除异常值，确保数据的准确性；然后，通过统计分析和相关性分析等方法，选择对股价涨跌趋势具有重要影响的特征。
5. logistic回归模型训练与验证在本研究中，我们将数据集分为训练集和测试集。
首先，利用训练集对logistic回归模型进行训练；然后，利用测试集对已训练好的模型进行验证，得到模型的预测准确率和其他评估指标。
6. 对未来涨跌趋势的预测根据训练好的logistic回归模型，我们可以预测贵阳银行股票未来的涨跌趋势。
基于logistic_回归模型对股票涨跌趋势的预测——以贵阳银行为例
2023年2月第26卷第4期中国管理信息化China Management InformationizationFeb.,2023Vol.26,No.4基于logistic回归模型对股票涨跌趋势的预测——以贵阳银行为例王 兰，何远霞，焦登丹（贵州财经大学数统学院，贵阳550025）［摘 要］在经济全球化过程中，进入金融行业的投资者越来越多，其中股票投资愈来愈受到大众的关注。
股票趋势的预测受到众多投资者的关注，正确的预测有助于减少投资风险。
文章运用时间序列数据与logistic回归模型相结合的方法，对贵阳银行的历史股票价格趋势进行实例分析，结合混淆矩阵与AUC 评价方法进行模型评估，从而将其合理地用于投资方向与投资战略。
［关键词］logistic回归模型；AUC评价；股票预测；贵阳银行doi：10.3969/j.issn.1673 - 0194.2023.04.050［中图分类号］F832.5；F832.33 ［文献标识码］A ［文章编号］1673-0194（2023）04-0156-030 引 言在股票预测研究过程中，我们关注的是股票是否涨，而不是涨了多少，那么可以根据这一特征，选取研究对象，即股票价格是否涨。
在这个研究过程中，时间序列分析方法是非常重要的，时间序列分析是基于一个事物动态数据进而揭示这个事物动态规律和结构，它可以通过降低外部因素对预测事物的影响，让预测变得简单［1］。
虽然投资者在投资过程中收益率波动比较大，但是仍然可以利用一些方法获得在承担每单位风险下的较高超额收益［2］。
因此，探究投资预测的方法尤其重要。
但是，单一的时间序列模型不符合千变万化的实际情况，需要融入其他的方法与技术［3］。
结合技术指标和逻辑回归模型来提高股价趋势预测精度是有效的方法［4］。
利用分布式两步子抽样算法，采用数值模拟与真实数据预测，得到参数估计量具有一致性和渐进正态性［5］。
基于组合LASSO-logistic，研究发现影响股票预期收益的变量并不是一成不变的，而是动态变化的［6］。
基于Logistic回归分析的我国上市公司财务舞弊识别模型研究
基于 Logistic 回归分析的我国上市公司财务舞弊识别模型研究
■王 月 王 玥 沈阳大学商学院
摘 要：本文基于 Logistic 回归分析建立财务舞弊识别模型,以我国上市公司 2010 年 -2020 年由于财务舞弊而被证监会进行处 罚的 A 股上市公司舞弊当年年报的财务指标为自变量。通过具体分析表明我国上市公司财务舞弊的关键指标为总资产利润率、现金 流量比率。
（1） 其中，P/1-P 为上市公司发生舞弊与不发生舞弊的概率之 比，运用 SPSS 对样本进行回归分析。
表 3 拟合优度检验
表 3 显示模型中考克斯 - 斯奈尔 R 方和内戈尔科 R 方最 大值为 0.698，考克斯 - 斯奈尔 R 方和内戈尔科 R 方越大则拟 合优度越高，说明模型拟合效果较好。对模型整体性进行检验， Omnibus 检验结果表明显著性均小于 0.05，表明构建的回归模型 显著。对模型进行霍斯默 - 莱梅肖检验，表明霍斯默 - 莱梅肖检 验的显著性水平大于 0.05，说明回归分析中由样本实际值得到 的分布基本一致，说明模型效果较好。
表 4 模型系数
表 4 给出了模型系数 Wald 检验(瓦尔德)、Exp(β)、模型系数 （β）的回归分析结果。根据 Wald 检验，总资产利润率、现金流量
其中 P 为发生财务舞弊的概率，X1 总资产利润率，X16 为现 金流量比率，在方程中输入 X1、X16 可以计算我国上市公司财务 舞弊发生的概率。
本文主要内容：一是搜集了 2010 年 -2020 年我国财务舞 弊和非财务舞弊上市公司的财务指标并对搜集到的财务指标 采用独立样本 T 检验，筛选出显著性较强的指标。二是进行 Logistic 回归分析，用筛选出的显著性较强的财务指标变量建立 财务舞弊识别模型。三是对识别模型进行稳健性检验，对模型 回归系数进行显著性检验，并将统计数据代入构建的模型检验 识别准确率。
基于Logistic回归模型的上市公司成长性判定
增长趋势等作为上市公司成长性的评价指标。 许秀梅（2005）在《企业生命阶段的界定及特点分析》中选
取了收入增长率（S）、市场占有增长率（M）、科技成果转化增 长率（R）、成本降低率（C）、规模扩张率（E）和现金收益比增 长率（H）六个指标来综合反映企业的成长性，并以此来界定 其生命周期。
中山大学的岑成德（2002）在《上市公司成长性的实证研 究》一文中，以净利润增长率作为评价成长性的主要指标；以 其他财务指标：主营业务收入、主营业务利润、净利润、主营业 务利润率、净资产收益率、经营性现金流量、主营业务收入增 长率、净利润增长率、每股收益、每股主营业务收入、每股主营 业务利润、每股经营性现金流量、现金获利能力（经营性现金 流量与净利润之比）、每股净资产、股东权益、总股本、流通股 本、流通股本占总股本的比重等作为辅助参考，对上市公司的 成长性与多项财务指标的相关性进行了探讨。
2009． 2 下旬·65·□
□财会月刊·全国优秀经济期刊
表3
Logistic 回归结果
95% C.I.for B S.E. Wald df Sig. Exp（B） EXP（B）
Lower Upper
资产负债率
-11.839 7.718 2.353 1 0.125 0.000 0.000 26.790
十二家上市公司作为成长性较弱的公司, 以此24家上市公司
作为一个原始样本空间 （如表1所示）。以这24家上市公司
2003 ~ 2005年的六类三十六个指标作为本文研究的分析数
据，所有的财务指标数据由香港理工大学中国会计与金融研
究中心和深圳市国泰安信息技术有限公司共同开发的
CSMAR数据库提供。
表1
成长性较强和较弱公司列表
账款周转率、存货周转率、营运资金周转率、总资产周转率和
基于logistic模型的上市公司财报舞弊识别研究
基于logistic模型的上市公司财报舞弊识别研究一、概述企业财务报表作为信息使用者了解企业最透明、最易得的工具，作为政策制定者与监管层把控宏观环境最直接的手段，发挥着重要的作用。
但是于企业而言，财务报表作为企业展现自身实力的窗口，一些企业为了提高市场竞争力会选择造假，因为造假的成本低、被发现的可能性小，导致近年来越来越多的企业进行财务舞弊，一方面损害了利益相关者的利益，另一方面给监管层带来了巨大的压力。
财务报表是反应企业近期经营情况的重要材料，向各方使用者传递信息，因此，提高财务报表中造假识别的能力是必须的。
二、研究现状2.1 国外研究现状国外研究方面，英国南海公司舞弊事件的爆发，引起了人们对公司财务造假的关注。
Fitzpatrick（1932）的研究发现，权益净利率与负债权益比的倒数与财务困境的识别相关性显著，这为后人提供了借鉴。
Presons（1995）发现，舞弊公司与对比公司在财务杠杆、资产流动比率、资本周转率和公司规模方面存在差异。
Beasley（1996）构建了logistic模型对75家舞弊企业与对比企业进行分析，发现董事会的差异会导致企业的舞弊发生。
Bell and Carcello（2000）发现，舞弊公司的利润水平较低、短期成长迅猛。
2.2 国内研究现状国内研究方面，张文贤（1997）认为我国上市公司的舞弊行为更多的是由于我国法制监督不健全、审计人员胜任能力弱、集体决策无法落实、被发现舞弊后惩罚力度弱、管理层不具备相关会计能力造成的。
方军雄（2003）针对企业的年度报告研究发现，应收账款分类比例、速动比率、应收账款周转率和资产负债率与企业舞弊行为具有显著相关性。
韦琳（2011）参照舞弊三角理论，把压力和机会作为考虑因素，发现领导权的集中会导致企业的舞弊行为。
王雅（2013）分别采用神经网络模型和logistic模型验证舞弊识别能力，发现BP神经网络的识别率更高。
三、澄星股份财务舞弊案例分析江苏澄星磷化工股份有限公司，在磷化工产品领域被评为最大的生产出口工厂。
Logistic财务危机预警模型分析——来自A股上市公司的证据
Logistic财务危机预警模型分析——来自A股上市公司的证
据
祝映兰
【期刊名称】《全国流通经济》
【年(卷),期】2017(000)024
【摘要】以2010年~2013年沪深两市A股被ST的102家公司及一一配对的102家公司为研究样本,在5个维度17个预选财务指标的基础上,分别采用了非参数检验和因子分析法,得出成本费用利润率、现金负债总额比率、资本积累率、净利润增长率、总资产利润率、营运资金周转率6个财务指标具有良好的财务危机预警功效。
以此建立的Logistic回归模型不仅能提前2年发出预警,而且预测的准确率达到86%。
【总页数】3页(P37-39)
【作者】祝映兰
【作者单位】中国劳动关系学院,北京100048
【正文语种】中文
【中图分类】F275
【相关文献】
1.基于改进Z模型的财务危机预警研究*--来自医药行业上市公司的经验证据
2.财务危机预警的Z计分模型实证研究——来自中国电器业上市公司的新证据
3.Logistic财务危机预警模型分析r——来自A股上市公司的证据
4.化学原料及化
学制品制造业上市公司财务危机预警模型研究——来自沪深A股的经验证据5.基于主成分分析和Logistic回归方法的财务预警模型比较——来自我国制造业上市公司的经验证据
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Logistic模型的上市公司股票价格操纵r预判研究
基于Logistic模型的上市公司股票价格操纵r预判研究张建锋;付强;杜金柱
【期刊名称】《西安理工大学学报》
【年(卷),期】2018(34)2
【摘要】本文采用中国证券监督管理委员会发布的2000—2015年A股市场股票操纵案件数据,从操纵者实施操纵需具备资金优势和其他投资者能够跟随交易两个方面考虑,运用Logistic模型进行了实证分析.回归结果表明,具有流通市值小、户均持股市值低、单位市值资本公积金与单位市值净资产高等7项特征的上市公司股票更易于被操纵,可以将其作为公司股票是否易于被操纵的预判指标.构建了上市公司股票操纵预判模型,模型样本内总体预判准确率可达63.89%,效果较好.
【总页数】6页(P240-245)
【作者】张建锋;付强;杜金柱
【作者单位】西安理工大学经济与管理学院,陕西西安 710054;西安理工大学经济与管理学院,陕西西安 710054;西安理工大学经济与管理学院,陕西西安710054
【正文语种】中文
【中图分类】F832.5
【相关文献】
1.大盘指数对股票价格的影响及股票价格预测研究——基于上市公司的定期报告[J], 张庆霄
2.上市公司股权再融资中的股票价格操纵及其监管研究 [J], 韩丹
3.基于双重差分模型的上市公司宣告发放股利对股票价格的影响研究r——来自2007~2016年我国沪深A股上市公司的证据 [J], 朱开悉;陈军
4.基于新型指标的股票价格操纵识别模型研究 [J], 刘振清;王旭;姚远
5.农业类上市公司股票价格与相关农产品价格关系的实证研究——来自饲草及畜产品价格与畜牧业上市公司股票价格的实证 [J], 孙志红;卢新生
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
１ 引言
随着我国证券市场的日 益 规 范 化 ， 根 据 在 客 观、 公允基 础上披露的上市 公 司 的 财 务 报 告 ， 通过构造合理的预测模 获得对那些 财 务 状 况 出 现 严 重 恶 化 的 上 市 公 司 的 预 警 型， 信号 ， 对于有关方面毋庸置疑地具有现实意义 。 本文在 借 鉴 现 有 研 究 成 果 的 基 础 上 ， 以财务理论和 选 取 一 系 列 较 为 全 面 的 财 务 指 标， 构建 Ｌ ｏ ｉ ｔ模型为基 础 ， ｇ 财务预警模型 ， 用模型对上市公司发生财务困境的概率进 行预测 ， 即对我国 Ａ 股上市公司数据判断分析 。
２ ０ １ １ 年第 １ ７期
基于 Ｌ ｏ ｉ ｔ模型的 Ａ 股上市公司数据判断分析 ｇ
吴 俊
（ ） 江阴兴澄特种钢铁有限公司 ， 江苏 江阴 ２ １ ４ ４ ２ ９ 摘 要： 采用 Ｌ 并考虑到上市公司公开披露信息的 可 取 性 ， 筛选若干个常用的财务数据， 获取具有代表性的 ｏ ｉ ｔ模型 ， ｇ 指标 ， 经过严格的实证数据测试 ， 建立了上市公司财务预警的 Ｌ 模型 ｏ ｉ ｔ ｇ 关键词 ： 上市公司 ； 数据判断 ； Ｌ ｏ ｉ ｔ模型 ｇ （ ） 中图分类号 ： Ｆ ８ ３ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ２ ３ １ ９ ８ ２ ０ １ １ １ ７ ０ １ ５ ４ ０ ２ － － －
４． ３ ４ ５ ３ ８． ８ ８ １ ４ ２ １ １ ９ －８． ７ ８ ０ １ ７． ０ ８ ９ ９ ２ ７ １ ９ －４． ５ ４ ５ ５ ０． ６ ６ １ ５ ２ ２ １ ９ －１． ３ ２ ７ ８ ７ ６ ３ １ １． －１． ５ ６ ２ ５ ４ ４ １ ４ ２． １ ２ ９ １ ２ ９
４ 实证分析
（ ） 模型估计 。 １ 本文 的 数 据 处 理 采 用 的 是 Ｅ 将选取的 ｖ ｉ ｅ ｗ ｓ ６． ０ 软 件， 利用 Ｌ 得到 ６ ０ 个样 本 数 据 输 入 软 件 中 ， ｏ ｉ ｔ模 型 进 行 估 计 ， ｇ 的估计结果如下 ：
２ 模型介绍
在 本 文 中， 建立这 Ｌ ｏ ｉ ｔ模型是最 早 的 离 散 选 择 模 型 ， ｇ 样的一个 Ｌ ｏ ｉ ｔ模型 ： ｇ 设事件 Ｙ 代表上市公司是否出 现 财 务 困 境 ， Ｙ＝１ 代 表 发生财务困境 ， 事件 Ｙ 依赖另 Ｙ＝０ 代 表 未 发 生 财 务 困 境 ， （ ， 一个不可观测的变量 Ｖ， 即 Ｖ＝ 设其 为 线 性 形 式 ： ｆ Ｘ） Ｖ＝ 。 Ｘ ε ｉ＋ ｉ β 假设当 Ｙ＝１ 时等价于 Ｖ０， 当 Ｙ＝０ 时等价于 Ｖ≤０。 ） 因此事件 Ｙ 发生的概率为 ： Ｐ（ Ｙ＝１ ＝Ｐ（ Ｖ０） ＝Ｐ（ ε ｉ － 。 Ｘ ｉ） β 为了根据一定 的 样 本 估 计 Ｖ， 需要为ε ｉ 选择一定的概 ） 率分布函数 ， 这里选择逻 辑 （ 分 布， 得到 Ｌ Ｌ ｏ ｉ ｓ ｔ ｉ ｃ ｏ ｉ ｔ分 析 ｇ ｇ ｅ 。 ） 模型 ， Ｌ ｏ ｉ ｔ模型假定的概率分布函数为 ： Ｆ（ ｔ ＝ ｇ ｔ １＋ｅ ） ） ， 由 Ｆ（ 可得 ： － ｔ ＝１－Ｆ（ ｔ （ ） ） （ Ｐ Ｙ＝１ ＝Ｐ（ Ｖ０ ＝Ｐ（ Ｘ ＝１－ｐ Ｘ ε ε ｉ） ｉ） ｉ － ｉ≤ － β β 。 ＝１－Ｆ（ －β Ｘ ＝Ｆ（ Ｘ ｉ） ｉ） β 则第ｉ个 样 本 点 发 生 财 务 困 境 的 概 率 为 ： Ｐ（ Ｙ＝１） ＝
— １ ５ ４ —
Ｎ ｏ ． １ ７， ２ ０ １ １
现代商贸工业 Ｍ ｏ ｄ ｅ ｒ ｎ Ｂ ｕ ｓ ｉ ｎ ｅ ｓ ｓ Ｔ ｒ ａ ｄ ｅ Ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｙ
２ ０ １ １ 年第 １ ７期
（ ） 每股经营活动现金流量 。 下 面 利 用 这 ６ 项 区 分 能 率、 Ｘ １ ０ 力较强的指标作为建模变量 。
表 １ 单变量组间均值相等检验
指标 （ 销售毛利率 Ｘ １） （ 净资产收益率 Ｘ ２） （ 净利润增长率 Ｘ ３） （ 资产负债比率 Ｘ ４） （ 每股净资产 Ｘ ５） （ 股东权益比率 Ｘ ６） （ 应收账款周转率 Ｘ ７） （ 存货周转率 Ｘ ８） （ 总资产周转率 Ｘ ９） （ 每股经营活动现金流量 Ｘ １ ０） （ 净利润现金含量 Ｘ １ １） （ 经营活动现金流量与净利润比 Ｘ １ ２） （ 净资产增长率 Ｘ １ ３） （ 主营业务收入增长率 Ｘ １ ４） （ 税后利润增长率 Ｘ １ ５） ｔ值 Ｆ值 ｄ ｆ １ ｄ ｆ ２ 显著性水平 １ ２ ９ １ ２ ９ １ ２ ９ ０． ３ ７ ７ ２ ０． ０ １ ４ ４ ０． ６ ５ ３ ３ ０． ０ ０ ０ ０ ０． ０ ０ ０ ０ ０． ０ ０ ０ ０ ０． １ ８ ７ ５ ０． １ ２ １ ６ ０． ０ ０ １ ８ ０． ０ ０ ０ １ ０． ７ ３ １ ９ ０． １ ６ ４ ７ ０． ２ ７ ４ ５ ０． ２ ７ ５ ９ ０． ６ ５ ３ ３ －０． ８ ８ ７ ４ ７ ８ ７ ５ ０． －２． ５ ４ １ ５ ４ ５ ９ ２ ６． －０． ４ ５ ０ ６ ２ ０ ３ １ ０．
Ｘ β ｅ 。 Ｘ β １＋ｅ
ｉ ｉ
ｔ
； 当第ｉ个样本点为发生财务困境的 公 司 时 ， 当第 Ｙ ｉ＝１ ， ｉ个样本点 为 未 发 生 财 务 困 境 的 公 司 时 ， Ｙ Ｘ Ｘ ｉ ＝０ ｉ＝ （ ｉ ｌ， ……Ｘ ， 为第ｉ个样本点的预测变量 ， 其 中 β为 待 估 计 Ｘ ｉ ２， ｉ Ｋ） 参数 ， 根据样本 数 据 通 过 迭 代 可 以 求 出 β 的 极 大 似 然 估 计 值。 不 需 要 严 格 的 假 设 条 件， 不需 Ｌ ｏ ｉ ｔ模型的最 大 优 点 ： ｇ
－３． ２ ０ ９ ９ ０． ３ ０ ３ ６ ２ １ １ ９ －４． ０ ３ ９ ８ ６． ３ ２ ０ １ ２ １ １ ９ －０． ３ ４ ３ ６ １ １ ８ １ ０． －１． ４ ０ ０ ５ ９ ６ １ ４ １． －１． ０ ９ ９ ４ ２ ０ ８ ６ １． １． ０ ９ ６ ０ ２ ０ １ ３ １． －０． ４ ５ ０ ６ ２ ０ ３ １ ０． １ ２ ９ １ ２ ９ １ ２ ９ １ ２ ９ １ ２ ９
判断为 Ｓ 如 果 计 算 得 出 的 Ｐ 小 于 ０． 则判断为非 Ｔ 公司 ， ５， 得出这３ Ｓ Ｔ 公司 。 通过 Ｅ ｖ ｉ ｅ ｗ ｓ ６． ０ 软 件 的 预 测 功 能， ４个 样本公司的 Ｐ 值如下 ：
表 ３ 预测组预测结果及验证
预测值 ０． ９ ９ ９ ９ ７ ４ ０． ０ ０ ２ ４ ６ ２ ０． ９ ３ ２ ７ ０ ６ ０． ８ ４ ０ ６ １ ８ １ ０． ３ ３ ０ ９ ５ ３ １ １ １ ０． ９ ９ ９ ７ ６ ６ ０． ９ ２ ０ ３ ３ ８ ０． ９ ９ ２ ７ ９ ４ ０． ４ ０ ６ ４ ６ ８ ０． ８ ７ ５ ８ ０ ４ ０． ９ ２ ０ ４ ２ １ ０． ０ ０ ６ ６ ０ ３ １ 预测结果 实际值 １ ０ １ １ １ ０ １ １ １ １ １ １ ０ １ １ ０ １ １ １ １ １ １ １ １ １ １ １ １ １ １ １ １ １ １ 预测值 ０． ０ １ ７ ０ ５ ２ １． ２ ０ Ｅ－０ ７ ０． １ ４ ０ ５ ０ ９ ０． ９ ９ ９ ９ ５ ５ ０． ０ ０ ０ ８ ７ ０． ３ ８ ４ ７ ５ ８ ０． ０ ３ １ ７ ８ ５ ３． ９ ７ Ｅ－０ ９ ０． ０ ２ ２ ６ ６ ２ ０． ０ ４ ８ １ ３ ９ ２． ０ ５ Ｅ－０ ９ ３． ９ ３ Ｅ－０ ８ １． ０ １ Ｅ－０ ６ ０． ３ ７ ２ ４ ６ ６ ０． ０ ０ ０ ４ ４ ３ １． ９ ４ Ｅ－０ ５ ０． ０ ０ ０ １ ２ ６ 预测结果 实际值 ０ ０ ０ １ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０
Ｎ ｏ ． １ ７， ２ ０ １ １
现代商贸工业 Ｍ ｏ ｄ ｅ ｒ ｎ Ｂ ｕ ｓ ｉ ｎ ｅ ｓ ｓ Ｔ ｒ ａ ｄ ｅ Ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｙ
要满足正态分布 和 两 组 协 方 差 矩 阵 相 等 的 条 件 ） 数据采集 。 １ 本文的研究 对 象 来 源 于 上 市 公 司 ， 所选取的样本公司 的数据主要 来 自 于 证 券 交 易 软 件 。 把 Ａ 股 上 市 公 司 中 的 财务困 境 ” 公 司， 其样本是２ Ｓ Ｔ 公司定义为 “ ０ １ ０年被罚 Ｓ Ｔ 的 Ａ 股公司 ， 剔除数据不全的公司和金融 类 公 司 ， 最终得到 对每一个 Ｓ ４ ７个 Ｓ Ｔ 公司样本。为了保证样本的对称性， Ｔ 公司 ， 根据资 产 规 模 匹 配 的 原 则 挑 选 一 个 对 应 的 非 Ｓ Ｔ公 司， 每对样本的总资产规模的差异在 １ 由此得到 ４ ０％ 之内 ， ７ 个非 Ｓ 最终得到一共 ９ Ｔ 公司 ， ４ 个样本点 。 本文采用 ２ 用来预测这 ０ ０ ８ 年的财 务 数 据 来 建 立 模 型 ， 通过这 些 公司在 ２ ０ １ ０ 年是否会因为出现财务困境而被 Ｓ Ｔ， 样处理数据 ， 可以 在 一 定 程 度 上 缓 解 高 估 模 型 预 测 能 力 的 问题 。 在 选取的 ９ 随机挑选 ６ ４ 家上市公司中 ， ０ 家公司作为训 练组 ， 其中包括 ３ 用训练组 ０家 Ｓ Ｔ 公司和 ３ ０ 家非 Ｓ Ｔ 公司 ， 的数据来估计模型 ； 剩下的３ 包括１ ４ 家 公 司 作 为 预 测 组， ７ 家Ｓ 用预测组的数据来检验模型 Ｔ 公司和 １ ７ 家非 Ｓ Ｔ 公司 ， 的预测能力 。 （ ） 指标选取 。 ２ 为全面反映上市公司的 财 务 状 况 ， 本文选取了１ ５个备 选指标 ： 销售毛利率 、 净资 产 收 益 率 、 净 利 润 增 长 率； 资产负 债比率 、 每股净资产 、 股东 权 益 比 率 ； 应 收 账 款 周 转 率、 存货 周转率 、 总资产 周 转 率 ； 每 股 经 营 活 动 现 金 流 量、 净利润现 金含量 、 经营活 动 现 金 流 量 与 净 利 润 比 ； 净 资 产 增 长 率、 主 营业务收入增长率 、 税后利润增长率 。 为了保证变量选择的正 确 性 ， 对这１ ５个变量分别进行 单变量组间均值相等检验 ， 得出的结果如下 ： 从表 １ 可以看出 ， 有 ６ 个 指 标 的 显 著 性 水 平 Ｐ＜０． ０ ５， 可以认为这 ６ 项指标对 Ｓ Ｔ 公司和非 Ｓ Ｔ 公司的区分能力较 （ ） （ ） 好 。 这些指标依次为 ： 净资产收益率 、 资产负 债 比 Ｘ ２ Ｘ ４ （ ） （ ） （ 率、 每股净资产 、 股东权益比率、 总资产周转 Ｘ ５ Ｘ ６ Ｘ ９）