上市公司财务预警研究-基于Logistic模型的实证分析

1、上市公司财务预警研究基于Logistic模型的实证分析论文导读:：这就需要提高上市公司质量。上市公司财务预警研究基于Logistic模型的实证分析。论文关键词：上市公司，因子分析，Logistic模型，财务预警一、引言在生存与开展的剧烈竞争中，由于客观环境的复杂性以及市场的瞬变性和不可预见性，再加上决策者素质水平的局限性，使得风险成为一种必然。现实中危机的种类多种多样而且导致危机的因素很多，有财务因素和非财务因素。但无论如何，大量的非财务性质的企业危机，往往都是以财务危机的形式出现的，财务危机是企业危机中最显著、最综合的表现。而且，企业财务危机的产生也不是一朝一夕所造成的财务论文，而是一个长期

2、积累和逐步开展的过程。在企业财务危机从小到大的整个开展过程中，这些危时机表现出不同的财务特征。因此，企业的财务危机不但有征兆，还是可预测的，建立财务预警系统，及早诊断出财务困境的信号，并采取相应的对策，帮助识别、化解可能出现的财务危机，对于经营者防范财务危机、实现企业的可持续开展，对于保护投资者和债权人的利益、对于政府管理部门的监控以及对于商业银行是否提供贷款等都具有重要的现实意义cssci期刊目录。最早对财务危机预警研究的是Fitzpatrick(1932)做的单变量模型。财务预警的方法多种多样，主流的研究方法主要有一元判定方法、多元判定方法、多元逻辑回归方法、多元概率比回归方法和人工网络方

3、法。鉴于国内外实证研究的根本情况，绝大多数研究人员选择上市公司被标注ST作为财务危机的标志。本文在前人对上市公司研究的根底上，结合-实际情况，以-上市公司作为研究对象，应用多变量统计模型中的多元逻辑模型，把被特别处理的 (ST) 公司作为企业陷入财务危机标志，对-上市公司作财务危机预警进行实证研究。二、上市公司财务预警指标体系构建 计算公式 盈利能力 x1 每股收益 净收益/普通股股数 x2 主营业务利润率 净利润/主营业务收入净额x100% x3 总资产净利润率 净利润/总资产平均余额x100% x4 本钱费用利润率 利润总额/本钱费用总额x100% x5 净资产收益率 净利润/股东权益平均

4、余额x100% 成长能力 x6 主营业务收入增长率 (本年主营业务收入一本年年初主营业务收入)/本年年初主营业务收入x100% x7 净利润增长率 (本年净利润一上年挣利润)/上年净利润x100% x8 总资产增长率 (期末总资产一期初总资产)/期初总资产x100% 营运能力 x9 应收账款周转率 主营业务收入净额/应收账款平均余额 x10 总资产周转率 主营业务收入净额/平均资产总额X100% x11 流动资产周转率 营业收入/流动资产平均占用额 x12 股东权益周转率 营业收入/平均股东权益 偿债及资本结构 x13 速动比率 速动资产/流动负债x100% x14 现金比率 (现金+有价证券

5、)/流动负债100% x15 资产负债率 负债总额/资产总额x100% 二数据的来源及处理本文数据来源于2021年?-上市公司年报?和新浪财经网。数据一般可以分为时间序列数据、截面数据和面板数据。时间序列数据虽然是按照不同年份选取且可以排除某年的偶然性，可以动态的研究财务状况逐年变化的情况，但-上市公司数量不多，指标数量多，逐年变化较大不宜采用时序数据cssci期刊目录。并且时序数据不能全面反映上市公司的根本情况；截面数据选取的指标数目较多且可以全面反映上市公司的根本情况。结合-上市公司的实际情况采用截面数据，又指标间具有不同的单位和数量级，为量化指标和消除量纲的影响，对所选取的数据进行标准化

6、处理。三、上市公司财务状况测评一因子分析运用SAS9.1对标准化后的数据求相关系数矩阵，发现指标间存在相关性。可以运用因子分析法提取主因子，其主要目的就是对原有变量中信息重叠的局部提取综合因子，最终实现减少变量个数的目的。1因子个数确定表2 方差奉献 主因子 特征值 奉献率 累积奉献率 1 4.405528 0.2937 0.2937 2 3.795087 0.253 0.5467 3 2.306083 0.1537 0.7004 4 1.22903 0.102 0.8024 由表2知，依据特征值大于1和累积奉献率大于80%来提取主因子，从初始解中提取前4个因子财务论文，其总方差奉献率为80.

7、24%，即可描述原变量的信息已达80.24，被放弃的其他15个因子解释方差仅仅占约19.76%。可见，运用因子分析法很好的消除了相关性，符合因子分析法中的因子提取标准，因此可以选择前4个主因子代表原来15个指标。2因子旋转及命名根据因子载荷的不唯一性，同时还由于载荷矩阵的元素多数居中，不大不小，对模型的公共因子不易作出解释，为更好的对公共因子作出合理的解释，对因子载荷矩阵进行旋转。旋转的目的是尽可能地使每个变量仅在一个主因子上有较大的载荷，使所有的主因子能更好地表达原始变量。此时使用最大方差旋转法进行因子旋转，旋转后的因子载荷矩阵使每个变量在尽可能少的因子上具有比拟高的载荷，即让某些变量在某个

8、因子上的载荷趋于1，而在其他因子上的载荷趋于0，使载荷矩阵每列或行的元素平方值向0和1两极分化。表3 正交旋转后的因子载荷 指标 S1 S2 S3 S4 x1每股收益 0.71415 0.19498 0.12202 0.45622 x2主营业务利润率 0.66127 -0.41383 -0.02374 -0.06302 x3总资产净利润率 0.89414 0.09766 0.0627 0.3819 x4本钱费用利润率 0.87034 -0.18056 0.09527 -0.08234 x5净资产收益率 0.86315 0.17819 0.06245 0.33839 x6主营业务收入增长率 0.

9、28081 0.07041 -0.1503 0.73141 x7净利润增长率 0.44043 -0.03437 -0.56882 0.31973 x8总资产增长率 0.1325 0.09293 0.13114 0.79897 x9应收账款周转率 0.03648 0.73529 -0.08921 -0.40293 x10总资产周转率 0.00947 0.85358 0.05668 0.34543 x11流动资产周转率 0.0263 0.77639 -0.25968 0.0858 x12股东权益周转率 -0.10759 0.9194 -0.15998 0.12294 x13速动比率 0.07058

10、 -0.08634 0.93682 0.11403 x14现金比率 0.04422 -0.11209 0.94547 0.12243 x15资产负债率 -0.27046 0.26384 -0.79231 0.10593 从表3可以看出x1、x2、x3、x4、x5在第一因子S1上有较大的载荷，在其它指标上的载荷都比拟小，第一因子主要解释这几个指标财务论文，结合这些指标的经济意义，说明第一因子S1是反映了上市公司盈利能力；x9、x10、x11、x12在第二因子S2上的载荷比拟大，在其余三个因子上的载荷都比拟小，说明第二因子与这几个指标密切相关，是反映了上市公司营运能力；第三因子S3在x13、x14

11、、x15上具有较大的载荷，反映上市公司的偿债能力因子；第四因子S4在x6、x8上具有较大的载荷，在其余指标上的载荷均比拟小，反映了上市公司成长能力。四、上市公司财务预警模型的构建 Logistic模型一Logistic回归原理由于事件发生的概率P的范围为，而Logistic分布函数是值域(0，1)之间的S形曲线，它是单调递增函数，当自变量趋近于-+时，因变量趋近于01。这和企业陷入财务困境的概率随企业的某些财务比率以及宏观经济因素等变量的变化而单调增减的特点是一致的。设P为某事件发生的概率，1-P为不发生的概率，将比数P/1-P取自然对数得到Ln，那么其取值范围为(-，+)cssci期刊目录。

12、建立包含P个自变量的Logistic回归模型如下：Ln=财务论文，其中是截距，是斜率。由上式逆推得：P=该模型实际上是普通多元线性回归模型的推广。二Logistic回归本文对-2021年上市公司中ST公司与非ST公司样本进行0、1分类，这个特点决定了在测量的模型中，其因变量为一个0、1二分类变量，因而使用Logistic函数是合理的，所以本文选择Logistic模型。把四个因子得分作为财务危机预警模型的自变量值，见附表，0、1为因变量，用views6.0作分析输出结果如表4表4：Logistic模型输出结果 变量 回归系数 Z统计量 伴随概率 LR统计量 C -13.36258 -1.8320

13、93 0.0669 19.02525 S1 -3.80882 -1.745131 0.081 LR统计量概率 S2 -8.808706 -1.793798 0.0728 0.000777 S3 -2.595032 -1.5534 0.1203 S4 -8.843204 -1.716754 0.086 从表4可以看出由LR统计量及概率，以4个主因子为自变量得出的回归方程是显著的；另外，在显著性水平为10%的情况下，主因子S1、 S2 、S4是显著的，而S3是不显著的。说明因子S1、S2、S4对模型的解释能力很强，而因子S3对模型的解释能力很弱。由此表建立如下回归模型：Y=-13.36258-3.

14、80882S1-8.808706S2-2.595032S3-8.843204S4P=F(Y) =由预警模型可以看出，主因子S1、S2、S3、S4与公司发生财务危机的概率P是负相关的，这说明公司的盈利质量越好，营运能力越好，偿债能力越强财务论文，成长开展性越有潜力，发生财务危机的可能性就越小；反之，发生财务危机的可能性就越大，这和现实情况是吻合的。参照以往研究的经验，取0.5作为区分财务正常组与财务困境组的标准，在Logistic模型计算结果中概率大于0.5的公司即被判为财务困境公司，有汇通公司、新中基、香梨、中葡。小于0.5即被判为财务正常公司，有国际实业、天山纺织、天山股份、中泰化学、天康生

15、物、金风科技、国统股份、淮油股份、西部建设、-众和、友好集团、中粮屯河、百花、八一钢铁、-城建、新赛股份、天富热电、青松建化、天宏、新农开发、天利高新、美克股份、广汇股份、冠农股份、伊力特、啤酒花、特变电工、-天业、北新路桥。而实际中，新中基为正常公司，却被判为财务困境公司，百花和天宏均为ST公司却被判为正常公司。根据以上实证分析，发现处于财务危机的汇通和中葡两家上市公司都具有相同的财务特征：偿债能力、营运能力和成长能力方面都很好，但由于盈利能力很差致使这两家公司被特别处理ST，他们应努力改善公司治理结构，降低企业管理本钱，利用西部大开发机遇，提高其经营盈利能力；香梨在盈利能力、偿债能力、营运

16、能力相对较好，但成长开展能力不够财务论文，该公司应努力提高总资产增长率，主营业务收入增长率，努力研发新产品、引进资源，合理组织资源的优化配置。五、研究结论及分析通过以上回归，得到模型的输出结果，进行统计分析评判结果如表5所示。表5 Logistic模型结果的准确率统计 检验样本 实际分类 预测结果 预测分类 分类正确率 总正确率 ST公司 5 ST公司1 3 60 87.88 非ST公司0 2 非ST公司 28 ST公司1 1 96.43 非ST公司0 27 从表5可以得知Logistic模型对检验样本分类情况看，对ST公司正确率不高，为60%，这和ST公司的财务指标异常有关，与出现了极大值或极小值有关。对于非ST公司的预测准确率很高，到达96.43%cssci期刊目录。总体上来说，Logistic模型对-上市公司预测的准确率高达87.88%。一本文给出的预警模型的效果较好，能够比拟准确地预测-上市公司的财务状况，具有较强的可信度。该模型对于估计样本组危机类公司的正确率较低，主要是由于危机类上市公司样本数相对较少。但对于正常公司预测准确率较高，并且总体预测准确率