• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      企業(yè)財(cái)務(wù)預(yù)警模型實(shí)證研究①

      2010-09-25 08:29:10北京物資學(xué)院秦惠林
      中國(guó)商論 2010年25期
      關(guān)鍵詞:判別函數(shù)困境預(yù)警

      北京物資學(xué)院 秦惠林

      企業(yè)財(cái)務(wù)預(yù)警模型實(shí)證研究①

      北京物資學(xué)院 秦惠林

      本文利用多元統(tǒng)計(jì)分析的方法對(duì)企業(yè)財(cái)務(wù)預(yù)警模型的建立進(jìn)行了分析研究。從上市公司年報(bào)數(shù)據(jù)中選取適合的財(cái)務(wù)指標(biāo),以60家上市公司的財(cái)務(wù)數(shù)據(jù)為樣本,通過(guò)計(jì)算分析,建立基于因子分析和判別分析的財(cái)務(wù)預(yù)警模型,并依據(jù)模型進(jìn)行了實(shí)證分析。

      財(cái)務(wù)預(yù)警 因子分析 判別分析

      1 問(wèn)題的提出

      在我國(guó)市場(chǎng)經(jīng)濟(jì)體制逐步深化的過(guò)程中,隨著資本市場(chǎng)的快速發(fā)展,上市公司雖然獲得了更廣泛的資本運(yùn)作市場(chǎng),但是也面臨更多的潛在危機(jī),企業(yè)發(fā)生財(cái)務(wù)危機(jī)甚至破產(chǎn)的情況時(shí)有出現(xiàn)。通過(guò)實(shí)際企業(yè)的情況可以看出,企業(yè)的財(cái)務(wù)危機(jī)是一個(gè)漸進(jìn)過(guò)程,其發(fā)生不但有先兆,而且可預(yù)測(cè)。

      財(cái)務(wù)預(yù)警就是以企業(yè)的財(cái)務(wù)報(bào)表、經(jīng)營(yíng)計(jì)劃、相關(guān)經(jīng)營(yíng)資料及其他外部資料為依據(jù)、依托建立的組織體系,采用分析方法,將企業(yè)所面臨的經(jīng)營(yíng)波動(dòng)情況和危險(xiǎn)情況預(yù)先告知企業(yè)經(jīng)營(yíng)者和其他相關(guān)利益關(guān)系人,并分析企業(yè)發(fā)生財(cái)務(wù)危機(jī)的原因及企業(yè)本身財(cái)務(wù)運(yùn)營(yíng)中存在的問(wèn)題。使公司的經(jīng)營(yíng)者及早采取相應(yīng)措施,改善公司的經(jīng)營(yíng)及財(cái)務(wù)狀況,避免或減少投資者投資損失。同時(shí),對(duì)國(guó)家證券監(jiān)管部門(mén)監(jiān)控上市公司質(zhì)量和減少證券市場(chǎng)風(fēng)險(xiǎn)也有著重要的現(xiàn)實(shí)意義。

      建立企業(yè)財(cái)務(wù)預(yù)警模型可以用來(lái)識(shí)別企業(yè)財(cái)務(wù)狀況。其研究方法是:確定一組已陷入財(cái)務(wù)困境的企業(yè)作為分析對(duì)象;其次依據(jù)一定的標(biāo)準(zhǔn)確定一組尚未陷入財(cái)務(wù)困境的企業(yè)作為對(duì)比樣本;再對(duì)兩組樣本的數(shù)據(jù)資料采用統(tǒng)計(jì)方法進(jìn)行分析,進(jìn)而揭示相關(guān)財(cái)務(wù)比率在兩組樣本中存在的顯著性差異;運(yùn)用具有顯著差異的財(cái)務(wù)指標(biāo)和財(cái)務(wù)比率,構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型。

      2 選擇分析樣本和指標(biāo)

      目前,我國(guó)有上千家上市公司,年度報(bào)表中反映公司業(yè)績(jī)狀況的數(shù)據(jù)成千上萬(wàn),對(duì)所有數(shù)據(jù)進(jìn)行分析是不可能的,也是沒(méi)有必要的,怎樣在眾多原始數(shù)據(jù)上進(jìn)行抽樣,得到能反映真實(shí)情況的數(shù)據(jù)樣本非常關(guān)鍵。

      2.1 選擇分析樣本

      本文將所選取的樣本分為兩組,一組是財(cái)務(wù)困境組,另一組為財(cái)務(wù)正常組。在困境組中選取2006~2009年被特別處理(ST)的20家上市公司作為分析對(duì)象,在正常組中按照同行業(yè)、同時(shí)點(diǎn)、相似規(guī)模的原則選取40家上市公司作為對(duì)比分析對(duì)象。財(cái)務(wù)數(shù)據(jù)取自上市公司的財(cái)務(wù)年度報(bào)表。

      2.2 選擇分析指標(biāo)

      在國(guó)內(nèi)外相關(guān)研究中提出的財(cái)務(wù)預(yù)警模型不盡相同,評(píng)價(jià)的重點(diǎn)各異,但總體來(lái)說(shuō),各模型基本上都涵蓋了反映企業(yè)盈利能力、償債能力、運(yùn)營(yíng)能力和成長(zhǎng)能力等幾個(gè)方面的財(cái)務(wù)指標(biāo)。因此,本文中共采用了17個(gè)指標(biāo)(可根據(jù)具體情況而增減)以反映上市公司財(cái)務(wù)報(bào)表的整體情況。17個(gè)指標(biāo)分別是:(1)每股收益(2)銷(xiāo)售凈利率(3)凈資產(chǎn)收益率(4)應(yīng)收賬款周轉(zhuǎn)率(5)存貨周轉(zhuǎn)率(6)股東權(quán)益周轉(zhuǎn)率(7)總資產(chǎn)周轉(zhuǎn)率(8)流動(dòng)比率(9)速動(dòng)比率(10)利息保障倍數(shù)(11)資產(chǎn)負(fù)債比率(12)股東權(quán)益比率(13)營(yíng)業(yè)利潤(rùn)增長(zhǎng)率(14)凈資產(chǎn)增長(zhǎng)率(15)總資產(chǎn)增長(zhǎng)率(16)總資產(chǎn)收益率(17)現(xiàn)金比率。

      3 多元統(tǒng)計(jì)分析方法簡(jiǎn)介

      多元統(tǒng)計(jì)分析(multivariate statistical analysis)是研究多個(gè)隨機(jī)變量之間的相互依賴關(guān)系以及內(nèi)在統(tǒng)計(jì)規(guī)律性的一門(mén)統(tǒng)計(jì)學(xué)科,是現(xiàn)代統(tǒng)計(jì)學(xué)應(yīng)用十分活躍的一個(gè)分支。常用多元統(tǒng)計(jì)方法主要有:多元數(shù)據(jù)圖表示法、主成分分析、因子分析、聚類分析、判別分析、對(duì)應(yīng)分析、多元回歸分析、典型相關(guān)分析等。本文中應(yīng)用因子分析和判別分析。

      3.1 因子分析

      因子分析是將具有錯(cuò)綜復(fù)雜關(guān)系的變量(或樣品)綜合為數(shù)量較少的幾個(gè)因子,以再現(xiàn)原始變量與因子之間的相互關(guān)系,同時(shí)根據(jù)不同因子還可以對(duì)變量進(jìn)行分類。它的基本思想是在數(shù)據(jù)信息丟失最少的原則下通過(guò)降維,把多項(xiàng)指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法。此方法包括兩個(gè)步驟,首先利用主成分法將高維空間進(jìn)行降維處理,經(jīng)過(guò)線形變換和舍棄小部分信息,以少數(shù)主成分取代原始采用的多維變量。而后,再對(duì)這幾個(gè)主成分進(jìn)行旋轉(zhuǎn),獲得經(jīng)濟(jì)上可解釋的綜合因子。

      因子分析的目的不僅是求出公因子,更主要的是知道每個(gè)公因子的實(shí)際意義。因子旋轉(zhuǎn)的目的是因子載荷陣結(jié)構(gòu)簡(jiǎn)化,便于對(duì)公共因子進(jìn)行解釋。在本文建立的模型中,采用的17個(gè)基本指標(biāo),最后歸結(jié)為6個(gè)公共因子,這6個(gè)公共因子都經(jīng)過(guò)了因子旋轉(zhuǎn),這里選用的是方差最大正交旋轉(zhuǎn)。

      3.2 判別分析

      判別分析方法的核心就是根據(jù)距離的遠(yuǎn)近來(lái)判斷樣品的歸屬,通常形成一個(gè)線性判定函數(shù)式,據(jù)此判斷待判企業(yè)的歸屬。一般要求數(shù)據(jù)服從正態(tài)分布和兩組總體間協(xié)方差矩陣相等。在應(yīng)用中,給各綜合指標(biāo)賦予一定的權(quán)值再進(jìn)行綜合分析,形成一個(gè)判別式,根據(jù)財(cái)務(wù)正常企業(yè)和財(cái)務(wù)困境企業(yè)各自得分情況形成判定區(qū)間,計(jì)算出待判企業(yè)的得分,據(jù)此加以判斷。

      4 實(shí)證分析

      本文應(yīng)用多元統(tǒng)計(jì)的方法,對(duì)選取的樣本數(shù)據(jù)進(jìn)行初步分析,使用SPSS13.0 for Windows軟件計(jì)算樣本數(shù)據(jù)的財(cái)務(wù)指標(biāo)值,利用因子分析法從關(guān)系錯(cuò)綜復(fù)雜的指標(biāo)中綜合出數(shù)量較少的因子,再依據(jù)因子得分建立判別模型,得到上市公司的預(yù)警信號(hào)。計(jì)算結(jié)果見(jiàn)表1~4。

      表1是KMO和球形Bartlett檢驗(yàn)的結(jié)果。KMO是用于比較觀測(cè)相關(guān)系數(shù)值與偏相關(guān)系數(shù)值的一個(gè)指標(biāo),其值越接近1,表明對(duì)這些變量進(jìn)行因子分析的效果越好。球形Bartlett檢驗(yàn)是判斷相關(guān)矩陣是否是單位陣。當(dāng)KMO統(tǒng)計(jì)量的值在0.5以下時(shí),不適合應(yīng)用因子分析法。由球形Bartlett檢驗(yàn)(Sig=0.000)可以看出,應(yīng)拒絕各變量獨(dú)立的原假設(shè),即這組變量之間具有較強(qiáng)的相關(guān)性。而本分析KMO統(tǒng)計(jì)量的值為0.761,大于0.5,說(shuō)明選擇的樣本數(shù)據(jù)適合進(jìn)行因子分析。

      表2描述了17個(gè)分析指標(biāo)的全部方差解釋,從這些指標(biāo)中最終提取出了6個(gè)綜合因子(表2只保留了前6個(gè)成分的相關(guān)信息)。從表2可以看出,前6個(gè)成分的特征值均大于1,其累計(jì)貢獻(xiàn)率為83.269%;即使用6個(gè)公因子可以描述樣本協(xié)差陣83.269%的信息。該計(jì)算結(jié)果符合確定主因子數(shù)目的要求,即在大幅度減少分析指標(biāo)個(gè)數(shù)的前提下,信息的損失量比較小,能夠利用較少的因子對(duì)數(shù)據(jù)進(jìn)行比較全面的分析。

      利用6個(gè)綜合因子建立判別模型,為樣本企業(yè)在財(cái)務(wù)危機(jī)發(fā)生(被特別處理)前1年建立的標(biāo)準(zhǔn)化線性判別函數(shù)為:

      Y=0.024F1+0.814F2+0.079F3+0.795F4+0.518F5+0.093F6

      其中,F(xiàn)1~F6為財(cái)務(wù)指標(biāo)的6個(gè)綜合因子得分。

      該模型的Wilks' Lambda檢驗(yàn)結(jié)果見(jiàn)表3,其原假設(shè)是判別函數(shù)不顯著。由Sig=0.000結(jié)果表明,該判別函數(shù)在兩組樣本(正常組合困境組)之間的判別顯著(顯著性水平取0.05)。特征值檢驗(yàn)見(jiàn)表4,其結(jié)果體現(xiàn)判別函數(shù)的判別能力。由典型變量的相關(guān)系數(shù)為0.794可知,該判別函數(shù)中自變量與因變量的相關(guān)性較強(qiáng)。

      表3 Wilks' Lambda檢驗(yàn)

      表4 特征值檢驗(yàn)

      將財(cái)務(wù)困境組和財(cái)務(wù)正常組的樣本數(shù)據(jù)代入模型中計(jì)算,根據(jù)函數(shù)值確定其歸屬。經(jīng)實(shí)證檢驗(yàn),該模型對(duì)選定樣本的總體判別準(zhǔn)確率為88.33%,其中,對(duì)于財(cái)務(wù)正常組判別準(zhǔn)確率為90%,對(duì)于財(cái)務(wù)困境組判別準(zhǔn)確率為85%,依據(jù)模型判別結(jié)果比較理想。

      5 結(jié)語(yǔ)

      本文所選擇的17項(xiàng)指標(biāo)均為公認(rèn)比較重要的財(cái)務(wù)指標(biāo),經(jīng)過(guò)分析發(fā)現(xiàn),這些指標(biāo)之間的相關(guān)性比較強(qiáng),這就為因子分析提供了可能。在因子分析的基礎(chǔ)上建立判別模型,從判別結(jié)果可知模型對(duì)于選定樣本的判別效果比較理想。本文的不足是僅針對(duì)發(fā)生財(cái)務(wù)危機(jī)企業(yè)的前1年數(shù)據(jù)進(jìn)行了分析,未對(duì)這些企業(yè)在危機(jī)發(fā)生前2年、前3年的情況進(jìn)行判別和比較;另外,本文所選取的樣本量偏少,為得到判別效果更為理想的預(yù)警模型,建議選擇判別能力強(qiáng)的指標(biāo)以及選定更多的樣本。

      [1] 吳世農(nóng).中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)研究[M].中國(guó)人民大學(xué)出版社,2003.

      [2] 張昕.基于判別分析和神經(jīng)網(wǎng)絡(luò)技術(shù)的上市公司財(cái)務(wù)困境預(yù)警實(shí)證分析[D].湖南大學(xué)碩士學(xué)位論文,2001.

      [3] 高惠璇編著.應(yīng)用多元統(tǒng)計(jì)分析[M].北京大學(xué)出版社,2005,1.

      [4] 邵希娟,曾海花.我國(guó)上市公司財(cái)務(wù)困境的預(yù)警模型研究[J].經(jīng)濟(jì)管理,2009,(9).

      [5] 劉晶,潘逸天等.基于多元判別分析的財(cái)務(wù)預(yù)警系統(tǒng)[J].中國(guó)管理信息化,2010,(2).

      F715

      A

      1005-5800(2010)11(b)-091-02

      資助項(xiàng)目(PHR201008230)。

      秦惠林(1970-),女,北京人,北京物資學(xué)院教師,副教授,碩士,主要從事計(jì)算機(jī)應(yīng)用技術(shù)研究。

      猜你喜歡
      判別函數(shù)困境預(yù)警
      困境
      文苑(2020年12期)2020-04-13 00:54:08
      法國(guó)發(fā)布高溫預(yù)警 嚴(yán)陣以待備戰(zhàn)“史上最熱周”
      游樂(lè)設(shè)施事故與危險(xiǎn)量化判別函數(shù)的構(gòu)建
      探究上市公司財(cái)務(wù)預(yù)警的數(shù)學(xué)模型
      園林有害生物預(yù)警與可持續(xù)控制
      “鄰避”困境化解之策
      必須正視的理論困境
      我國(guó)霧霾治理的困境與出路
      機(jī)載預(yù)警雷達(dá)對(duì)IFF 的干擾分析
      基于Fisher判別函數(shù)的酒店員工離職預(yù)警研究
      阳曲县| 衡阳县| 夹江县| 永善县| 五台县| 新野县| 德钦县| 牙克石市| 汨罗市| 阜平县| 广安市| 镇宁| 齐河县| 南华县| 浠水县| 惠来县| 石泉县| 临城县| 汕尾市| 宜阳县| 界首市| 崇明县| 弋阳县| 泰顺县| 原平市| 秭归县| 侯马市| 原平市| 休宁县| 元朗区| 西林县| 榆社县| 荆门市| 凭祥市| 孟州市| 六安市| 胶州市| 芦溪县| 双鸭山市| 武义县| 松原市|