• 
    

    
    

      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 ?

      指標(biāo)選取方法對財務(wù)預(yù)警準(zhǔn)確率的影響研究

      2017-07-05 10:37:13王嬌嬌
      關(guān)鍵詞:財務(wù)危機正態(tài)分布分析法

      王 飛,王嬌嬌

      (河海大學(xué) 商學(xué)院,江蘇 南京211100)

      ?

      指標(biāo)選取方法對財務(wù)預(yù)警準(zhǔn)確率的影響研究

      王 飛,王嬌嬌

      (河海大學(xué) 商學(xué)院,江蘇 南京211100)

      基于財務(wù)預(yù)警模型的原理,首先使用適當(dāng)方法從公司眾多指標(biāo)中選出與預(yù)測財務(wù)危機相關(guān)性較高的指標(biāo),然后使用模型對這些指標(biāo)形成預(yù)期,最后根據(jù)以后年度的業(yè)務(wù)指標(biāo)對是否發(fā)生財務(wù)危機進行檢測。由于不同指標(biāo)選取方法的原理不同,因此用不同的指標(biāo)選取方法選出的指標(biāo)進行財務(wù)預(yù)警的準(zhǔn)確率也不同。通過逐步回歸分析法、主成分分析法及均值差異檢驗法3種方法選取指標(biāo),將選出的指標(biāo)通過Logistic回歸模型檢測各自的預(yù)警準(zhǔn)確率,可為財務(wù)預(yù)警提供參考。

      財務(wù)預(yù)警;逐步回歸分析法;主成分分析法;均值差異檢驗法

      目前股票投資已成為百姓投資方式中一個不可或缺的選擇方式,一個上市公司的發(fā)展如何不僅關(guān)系著公司的所有者、經(jīng)營者和員工,還對眾多的股票持有者產(chǎn)生影響,可見一個公司建立財務(wù)預(yù)警模型的必要性。伴隨著我國市場經(jīng)濟體制的進一步發(fā)展,各微觀個體公司之間的競爭加劇,財務(wù)危機日益成為企業(yè)管理者需要關(guān)注和避免的事項。財務(wù)預(yù)警模型引入我國已30年有余,對于財務(wù)預(yù)警模型的建立一直都是理論界討論的熱門話題。財務(wù)模型的建立包括兩大步驟:①指標(biāo)選取,②建立模型。而以往研究大多都集中在模型的選擇和建立上,忽視了對指標(biāo)選取方法的研究;且在建立財務(wù)預(yù)警模型時對指標(biāo)的選取一般根據(jù)經(jīng)驗或已有的研究,而根據(jù)經(jīng)驗可能由于主觀意識導(dǎo)致選取的指標(biāo)做不到公允反映公司狀況的情形,已有的研究也可能存在錯誤。綜上可看出對指標(biāo)選取方法研究的必要性。

      ALTMAN[1]把財務(wù)危機定義為“法律意義上的破產(chǎn)、被接管和企業(yè)重整”,而根據(jù)我國實際情況在上市公司被ST時,很可能會被其他公司購買從而達到被借殼上市,幾乎不可能出現(xiàn)破產(chǎn)結(jié)算現(xiàn)象,所以筆者將公司因財務(wù)狀況異常被證券交易所區(qū)分為“特別處理”的公司,認(rèn)定為發(fā)生財務(wù)危機的公司。財務(wù)狀況異常是指從審計結(jié)論中得出最近兩個會計年度財務(wù)報表中顯示凈利潤小于零、連續(xù)兩年虧損或每股凈資產(chǎn)小于股票面值(一般情況下,公司股票面值為1)。

      Logistic模型的基本原理是基于選取的指標(biāo)形成對模型的預(yù)期來預(yù)測公司陷入財務(wù)危機的概率。國外對Logistic模型的研究較早,如JONES等[2]采用混合Logistic模型,建立財務(wù)困境預(yù)測模型,該研究中因變量為有序變量,相對于標(biāo)準(zhǔn)Logistic,混合Logistic在模型擬合度及預(yù)測準(zhǔn)確度方面均有所提高。國內(nèi)對于財務(wù)危機的研究較晚,吳世農(nóng)等[3]率先應(yīng)用線性判別分析、多元線性回歸分析和Logistic回歸分析3種方法進行比較,結(jié)果表明,相對同一樣本集而言,Logistic預(yù)測模型誤判率最低;雷振華[4]對Logistic模型的財務(wù)預(yù)警準(zhǔn)確度檢驗研究中,t-3年的準(zhǔn)確率為77%,t-2與t-1年的準(zhǔn)確率均達到100%;鄭玉華等[5]在公司財務(wù)預(yù)警Logistic模型最優(yōu)分界點實證研究中證明了1∶3,1∶5,1∶10的樣本配比均小于0.5。筆者樣本配比為1∶4,所以選用0.4作為最優(yōu)分界點。人工神經(jīng)網(wǎng)絡(luò)模型、遺傳算法、案例推理、支持向量機等智能模型近年來不斷涌現(xiàn),盡管這些方法具有數(shù)據(jù)挖掘能力強、預(yù)測效率高等優(yōu)點,但也存在運算復(fù)雜、要求大量訓(xùn)練樣本、無法對結(jié)構(gòu)進行分析等缺點。所以基于可理解和準(zhǔn)確率的綜合考慮,筆者選擇Logistic模型對選取的指標(biāo)進行預(yù)警。

      1 選取樣本公司及原始指標(biāo)

      由于上市公司的數(shù)據(jù)經(jīng)獨立的第三方審計,所以某種程度上指標(biāo)被認(rèn)為是可靠的,考慮到控制變量及樣本數(shù)據(jù)的可獲取性,筆者選取制造行業(yè)2014—2015年首次被ST的31家上市公司作為危機樣本,根據(jù)配比比例1∶4確定124家未被ST的上市公司作為良好樣本。筆者將危機樣本定義為“0”,良好樣本定義為“1”。

      為避免因經(jīng)驗、主觀判斷選取指標(biāo),筆者盡可能多地從償債能力、盈利能力、現(xiàn)金能力、營運能力及發(fā)展能力[6-7]5個方面的45個財務(wù)指標(biāo)及根據(jù)數(shù)據(jù)的可獲取性選取7個非財務(wù)指標(biāo)作為原始數(shù)據(jù)。由于我國證券交易所區(qū)分公司是否被ST幾乎與上一年度公司年報對外公布在同一時間,即根據(jù)上年年報判斷本年是否被ST,所以若認(rèn)為公司在t年被ST,則根據(jù)t-1年的指標(biāo)預(yù)測t年是否會被ST有失妥當(dāng),所以筆者根據(jù)t-2,t-3,t-4年的指標(biāo)預(yù)測公司財務(wù)危機發(fā)生的概率。對選取指標(biāo)和預(yù)測準(zhǔn)確率,筆者均選用SPSS軟件包進行篩選,樣本和原始指標(biāo)均取自國泰安數(shù)據(jù)庫,筆者所選指標(biāo)均來自A類型財務(wù)報表,具體如表1所示,其中某些指標(biāo)之間的相關(guān)性較高。

      2 選取指標(biāo)

      2.1 逐步回歸分析法

      逐步回歸分析法的基本思想是,在考慮Y對已知的一群變量(X1,X2,…,Xk)回歸時,從變量中逐步選出對已解釋變差貢獻最大的最先進入方程,且最末進入方程的變量也應(yīng)滿足:統(tǒng)計量值Fj的顯著性概率p,小于等于選定的置信度水平α(一般為0.05)。

      設(shè)Z0:λj=0,而設(shè)Z1:λj≠0(Z0不成立)。

      2.1.1 逐步回歸分析法選取指標(biāo)

      運用逐步回歸分析法進行選取時,選用逐步增加自變量的方法,將置信區(qū)間定為95%。各年的輸出結(jié)果為(按先后順序):t-2年的X31、X23、X39、X33、X44;t-3年的X39、X27、X25、X15;t-4年的X21、X33、X19、X50、X40。指標(biāo)的記錄以進入回歸方程的先后為序,進入回歸方程指標(biāo)的sig均為0.000<0.01,說明每個模型的總體回歸效果都是顯著的。在t-2年公司的所有指標(biāo)中盈利能力最先進入預(yù)警模型,可見一個公司是否發(fā)生財務(wù)危機的關(guān)鍵衡量標(biāo)準(zhǔn)是該公司的盈利能力,且在盈利能力中營業(yè)凈利率又是最先進入預(yù)警模型的指標(biāo),可知營業(yè)凈利率是一個企業(yè)是否發(fā)生財務(wù)預(yù)警的最關(guān)鍵指標(biāo);在t-3年公司的所有指標(biāo)中衡量現(xiàn)金能力的全部現(xiàn)金回收率最先進入預(yù)警模型,可見為了預(yù)防財務(wù)危機公司應(yīng)重視收回經(jīng)營活動中產(chǎn)生的現(xiàn)金,不能為了增加銷售額而采取大額賒銷,這樣可能導(dǎo)致企業(yè)資金鏈斷裂;在t-4年財務(wù)指標(biāo)中衡量盈利能力和發(fā)展能力的指標(biāo)進入預(yù)警模型,可知較遠期間企業(yè)是否會發(fā)生財務(wù)危機主要取決于該企業(yè)的盈利能力和發(fā)展?jié)摿?,且t-4年的非財務(wù)指標(biāo)進入預(yù)警模型,可看出非財務(wù)指標(biāo)作為企業(yè)文化的一部分對企業(yè)發(fā)展趨勢有潛移默化的影響。

      表1 指標(biāo)及代碼

      注:X1~X45為財務(wù)指標(biāo);X46~X52為非財務(wù)指標(biāo)

      2.1.2 運用Logistic模型預(yù)測準(zhǔn)確率

      由于因變量Y有2種取值(0、1),所以在SPSS模型中應(yīng)選用二元Logistic模型進行回歸分析,筆者將凈利潤大于零的定義為1,小于零的定義為0,將凈利潤作為協(xié)變量,分類標(biāo)準(zhǔn)值定為0.4[8],最大迭代次數(shù)增加為50(下同)。

      對t-2年選中的指標(biāo)進行回歸分析,得出自由度df為6,由于顯著性水平為0.05,得出卡方臨界值=CHIINV(0.05,6)=12.59,計算出卡方值為99.044,且sig為0.000小于0.05,在0.05的顯著性水平下,所以檢驗通過。筆者計算的最大似然對數(shù)值為56.081>12.59,且Cox&SnellR擬合優(yōu)度為0.472,一般情況下當(dāng)擬合優(yōu)度大于0.4時,就認(rèn)為擬合優(yōu)度是合格的;作為補充的H-L檢驗中卡方臨界值=CHIINV(0.05,8)=15.51,計算的卡方值為1.876,但是sig=0.985>0.05,所以檢驗通過。t-2年的預(yù)測準(zhǔn)確率為92.9%,t-3年的預(yù)測準(zhǔn)確率為84.5%,t-4年的預(yù)測準(zhǔn)確率為82.6%。

      2.2 主成分分析法

      主成分分析法[9]的基本思想是為了降低原始指標(biāo)的相關(guān)性,選用能解釋原始變量85%以上但少于原始變量個數(shù)的公共因子來解釋原始變量。設(shè)第i(i=1,2,…,y)個公共因子的因子值ei可由X1,X2,…,Xk的樣本值計算出來,即ei=αδi,由于δ是未知的,而e需要計算,在式子兩端左乘αT,得αTei=αTαδi,等式左側(cè)正好是αi和ei的內(nèi)積,而右側(cè)剛好有矩陣R。所以可表達為xi=Rδi。由于δi=R-1xi,從而ei=αδi,可計算出因子值ei。

      2.2.1 主成分分析法確定因子

      在運用主成分分析法選定公共因子時,筆者選定特征值大于1的因子。t-2年選出12個因子,共解釋了89.48%的原始指標(biāo)。同理t-3年共選出12個因子,t-4年共選出13個因子。

      2.2.2 用Logistic模型預(yù)測準(zhǔn)確率

      對t-2年的因子進行回歸分析,因為自由度df為13,顯著性水平為0.05,可得卡方臨界值=CHIINV(0.05,13)=22.36,筆者計算的卡方值為100.885,且sig=0.000<0.05,所以檢驗通過。Cox&SnellR擬優(yōu)合度為0.481>0.4,檢驗合格;作為補充的H-L檢驗,計算的卡方值為11.412,自由度為8,卡方臨界值=CHIINV(0.05,8)=15.51,而sig=0.179>0.05,所以檢驗通過。t-2年的預(yù)測準(zhǔn)確率為94.2%,同理t-3年的準(zhǔn)確率為82.6%,t-4年的準(zhǔn)確率為81.3%。

      2.3 均值差異檢驗

      均值差異檢驗選取指標(biāo)的步驟為:①用K-S檢驗區(qū)分符合正態(tài)分布和不符合正態(tài)分布的指標(biāo)[10];②符合正態(tài)分布的指標(biāo)使用T檢驗的方法選取出對建立財務(wù)預(yù)警模型有貢獻的指標(biāo);③不符合正態(tài)分布的數(shù)據(jù)采用非參數(shù)檢驗中的Mann-Whitney U非參數(shù)檢驗法選取出對建立財務(wù)預(yù)警模型有貢獻的指標(biāo)。

      Man-WhitneyU檢驗的基本原理:有(x1,x2,…,xa),(y1,y2,…,yb)兩組獨立樣本,把兩組樣本的序號加總,分別為w1和w2。

      2.3.1 均值差異檢驗選取指標(biāo)

      運用SPSS軟件包中的非參數(shù)假設(shè)檢驗下K-S檢驗對數(shù)據(jù)是否符合正態(tài)分布進行區(qū)分,在精確檢驗上采用漸進法,對于缺失值按列表排除個案,在0.01的顯著性水平下解釋指標(biāo)。當(dāng)漸進顯著性>0.01時,表明樣本與正態(tài)分布沒有顯著差異,即符合正態(tài)分布,否則不符合正態(tài)分布。可知t-2年符合正態(tài)分布的指標(biāo)是X6、X28、X29、X36、X37、X39、X46、X47、X48、X50;同理,t-3年符合正態(tài)分布的指標(biāo)是X6、X28、X29、X36、X39、X44、X46、X47、X48、X50,t-4年符合正態(tài)分布的指標(biāo)有X6、X28、X29、X36、X39、X46、X47、X48、X50。

      獨立樣本T檢驗和Mann-WhitneyU檢驗均遵守顯著性結(jié)果>0.05時,ST公司與非ST公司的指標(biāo)不存在顯著差異性;反之,存在顯著差異性,則該指標(biāo)最終可以選作該公司的預(yù)警模型指標(biāo)。t-2年檢驗結(jié)果如表2所示。

      從表2可看出t-2年眾指標(biāo)中對預(yù)警模型有貢獻的指標(biāo)有X1、X2、X3、X4、X5、X6、X7、X8、X15、X19、X20、X21、X22、X23、X24、X25、X26、X27、X30、X31、X32、X33、X34、X37、X39、X41、X42、X43、X44、X45、X49;同理t-3年對預(yù)警模型有貢獻的指標(biāo)有X1、X2、X3、X5、X15、X22、X30、X32、X35、X37、X39、X45、X49;t-4年對預(yù)警模型有貢獻的指標(biāo)有X1、X2、X15、X20、X21、X22、X24、X25、X30、X32、X34、X49、X51。

      2.3.2Logistic模型預(yù)測準(zhǔn)確率

      對t-2年的因子進行回歸分析,因為自由度df為30,顯著性水平為0.05,可得卡方臨界值=CHIINV(0.05,30)=43.77,筆者計算的卡方值為117.356,且sig=0.000<0.05,所以當(dāng)顯著性水平為0.05時,檢驗通過。Cox&SnellR擬合優(yōu)度為0.533>0.4,檢驗合格。H-L檢驗中,卡方臨界值=CHIINV(0.05,8)=15.51,計算的卡方值為1.430,但是sig=0.994>0.05,所以檢驗通過。t-2年的檢驗準(zhǔn)確率為95.5%,t-3年的預(yù)警準(zhǔn)確率為83.9%,t-4年的預(yù)警準(zhǔn)確率為83.9%。

      表2 T檢驗與Mann-Whitney U檢驗結(jié)果

      3 結(jié)論

      筆者著重于研究財務(wù)預(yù)警模型中的指標(biāo)選取方法,通過研究得出:t-2、t-3、t-4這3年運用逐步回歸分析法的預(yù)警準(zhǔn)確率分別為92.9%、84.5%、82.6%,運用主成分分析法的預(yù)警準(zhǔn)確率分別為94.2%、82.6%、81.3%,運用均值差異檢驗得到的預(yù)警準(zhǔn)確率為95.5%、83.9%、83.9%。從這3種方法來看,隨著被預(yù)警年度的接近,預(yù)警準(zhǔn)確率逐步增加。雖然3種方法的預(yù)警準(zhǔn)確率較為接近,但是均值差異檢驗方法的預(yù)測效果最好。綜上所述,企業(yè)在建立財務(wù)預(yù)警模型時選用均值差異檢驗方法選取指標(biāo),得出的指標(biāo)更能代表原始指標(biāo),以此為基礎(chǔ)建立的財務(wù)預(yù)警模型的預(yù)警準(zhǔn)確率更高,可為企業(yè)避免財務(wù)危機作出更大貢獻。

      [1] ALTMAN E L.Financial ratios,discriminant analysis and the prediction of corporate bankruptcy[J]. Journal of Finance,1968,23(4):589-610.

      [2] JONES S, HENSHER D A. Predicting firm financial distress:a mixed Logit model[J]. Accounting Review,2004,79(4):1011-1038.

      [3] 吳世農(nóng),盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究,2001(6):46-55.

      [4] 雷振華.Logistic模型的財務(wù)預(yù)警準(zhǔn)確度檢驗研究[J].求索,2012(11):54-56.

      [5] 鄭玉華,崔曉東.公司財務(wù)預(yù)警LOGIT模型最有分界點實證研究[J].商業(yè)研究,2014(6):76-82.

      [6] 張新明,錢愛明.財務(wù)報表分析[M].北京:中國人民大學(xué)出版社,2014:221-238.

      [7] 馮麗.非營利性組織財務(wù)風(fēng)險及預(yù)警指標(biāo)體系設(shè)計[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2012,34(5):629-632.

      [8] 鮮文鐸,向銳.基于混合Logit模型的財務(wù)困境預(yù)測研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2007,24(9):68-76.

      [9] 劉丹,陳麗芳.基于主成分分析的運輸型物流企業(yè)競爭力研究[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2012,34(6):742-745.

      [10] 馬慶國.管理統(tǒng)計[M].北京:科學(xué)出版社,2002:160-327.

      WANG Fei:Assoc. Prof.;School of Business, Hohai University, Nanjing 211100, China.

      Effect Study of the Indicator Selection Method on the Accuracy Rate of Financial Early Warning

      WANG Fei, WANG Jiaojiao

      Based on the principle of financial early warning model, firstly,some method is used to elect the highly correlated financial crisis and warning indicators from company's many indicators, and then use these indicators form the expectation ,finally, according to the following annual business indicators on whether the financial crisis to detect.The different select model use different select principle,so the different selection methods to select indicator will form different accuracy. This article uses stepwise regression analysis,principal component analysis and mean difference test to select indicators, then tests the accuracy by Logistic regression model to provide a reference for financial early warning.

      financial early warning;stepwise regression analysis;principal component analysis;mean difference test

      2095-3852(2017)03-0348-05

      A

      2016-11-22.

      王飛(1959-),男,江蘇南京人,河海大學(xué)商學(xué)院副教授,主要研究方向為財務(wù)與會計、金融、稅務(wù).

      F830

      10.3963/j.issn.2095-3852.2017.03.021

      猜你喜歡
      財務(wù)危機正態(tài)分布分析法
      異步機傳統(tǒng)分析法之困難及其克服
      防爆電機(2022年4期)2022-08-17 05:59:06
      基于LASSO-LARS的上市公司財務(wù)危機預(yù)警模型研究
      拿什么拯救中年財務(wù)危機
      商周刊(2017年6期)2017-08-22 03:42:49
      基于時間重疊分析法的同車倒卡逃費探析
      基于對數(shù)正態(tài)分布的出行時長可靠性計算
      基于遺傳算法和LS-SVM的財務(wù)危機預(yù)測
      正態(tài)分布及其應(yīng)用
      內(nèi)部控制與財務(wù)危機預(yù)警耦合——基于外貿(mào)企業(yè)內(nèi)部控制與風(fēng)險管理問題的研究
      層次分析法在SWOT分析法中的應(yīng)用
      正態(tài)分布題型剖析
      古蔺县| 大荔县| 大厂| 五常市| 乌兰察布市| 颍上县| 上栗县| 社旗县| 随州市| 施甸县| 嘉义县| 吉木萨尔县| 栾城县| 南宫市| 舞阳县| 资兴市| 象州县| 剑河县| 涟源市| 永德县| 陆河县| 鄂州市| 樟树市| 彭泽县| 余江县| 武清区| 奈曼旗| 来安县| 信宜市| 扎囊县| 信阳市| 定陶县| 综艺| 绿春县| 定西市| 田林县| 阳谷县| 三河市| 淄博市| 车险| 南安市|