基于Logistic回归模型的上市公司财务预警实证研究

来源:用户上传      作者:

　　【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。本所对公司股票交易实行特别处理，在股票简称前冠以‘ST’字样，以区别于其他股票”，并且详细说明财务状况和其他状况异常的具体情况。所以本文将沪、深两交易所A股市场中因“财务状况异常”而被特别处理（ST）的上市公司，作为财务危机公司的界定标准。
　　在我国证券市场上，由于连续亏损出现财务危机而被ST的上市公司，不仅给投资者带来巨大的损失，也给公司以后生产经营带来巨大压力。事实表明，企业通常是一个渐进发展的过程，逐步的陷入财务危机之中的，通常都是有预兆的且可预测到的。如果投资人和债权人能借助一定的科学方法和相对准确的预警模型对财务状况进行预测，就能为他们的投资决策提供理论和方法支持。所以基于此，本文的目的在于为企业、投资者、债权人提供了一个简单而有效的财务预警模型。
　　本文财务预警的数据来源于国泰安数据库（Csmar），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。
　　二、文献回顾
　　20世纪30年代，国外学者就已经开始对财务困境预警模型进行研究。运用于财务危机预测的基本方法分为定性分析法和定量分析法。定性分析方法主要是依靠人的主观判断进行财务预警分析的方法。定量分析方法比较有代表性的预警模型有单变量预警模型、多变量预警模型。该种方法是根据企业的财务资料，运用一定的数学模型或者数理统计方法，对各种财务资料进行加工处理分析，建立起一种模型反映企业财务状况。从研究的发展历程来看，各学者利用相应的财务数据指标，在指标选择和模型的构建等方面，对财务预警进行一系列研究，主要分为三部分：
　　（1）单变量模型：即运用具有代表性的单一变量财务指标来预测财务危机的模型。1966年美国Beaver提出了单变量判定模型，但模型存在很大的缺陷，即该模型采用不同的财务指标对同一企业进行预测时，往往会得出相悖的预测结果，因此无法得到正确的预测结论，当然也引来了其他学者的不少的批评。国内学者陈静（1999）才首次采用了单变量分析和判别分析，以1998年深沪上市的27家ST公司和27家非ST公司为样本，使用了1995-1997年的财务报表数据，对财务危机预警模型进行了实证检验。
　　（2）多变量模型：即运用多个指标进行综合分析，得出预警模型。多变量预警模型以美国Altman教授的研究最具有代表性。Altman利用多元判别分析法对1945-1965年间美国33家破产企业和33家正常经营企业的财务状况进行了研究。他在经过大量的实证考察和分析的基础上，从最初的22个财务比率指标中选择了5个，进行加权汇总来对企业的财务状况进行预测，准确程度达95%左右，其研究结论形成了著名的Z值模型。而我国对企业财务危机预警的研究起步比较晚。1980年之后我国学者才陆陆续续对企业财务困境进行预测研究。1986年吴世农、黄世忠曾在《企业破产的分析指标和预警模型》中介绍企业破产的财务分析指标及其预测模型。但在相当长的时间里，关于财务危机预警模型的实证研究基本上是空白的，而且我国大部分的学者对财务预警的研究是处于模仿阶段的。直至1996年周首华、杨济华、王平对Altman教授Z值模型进行了修正，充分考虑到现金流量的因素，建立了财务危机预测的新模型。该模型通过检验，其准确率高达近70%，这是我国学者首次提出的财务危机预测模型。
　　（3）多元条件概率模型：主要是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营情况，包括logistic和probit模型。众多学者对logistic模型进行过研究。首次使用的是Martin，使用其来预测公司的破产以及违约的概率。国内的学者如姜秀华、任强、孙铮（2002）利用logistic模型对我国上市公司进行了信用风险研究分析。吴应宇、袁陵（2004）通过结合因子分析并运用logistic模型，进行公司财务预警研究。郝运鹏（2009）在财务危机的两阶段动态模型中运用了logistic模型。张慧君、李卉（2010）也运用logistic模型建立了上市公司财务预警模型。随后，越来越多的学者采用了概率模型对公司进行财务预警研究。
　　综上所述，单变量财务预警模型由于采用的财务指标单一，具有使用简便易行的优点。但是，各种单变量模型直接依据的是单个财务比率的变化趋势来预测财务危机可能性，每一指标只反映财务状况的某一方面，而且还容易导致运用不同指标判断之间的相互矛盾，所以这种判别方法无法全面地反映企业财务特征。为了克服单变量预警模型本身存在的缺陷，Altma首次将多元判别分析法引入到财务危机预警领域，建立了多元线性判定模型，但是，多元线性判定模型有一个严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，然而由许多的实例验证结果显示，财务资料往往是不能满足这一要求，那么这在一定程度上影响了模型的使用范围。针对这种情况，一些学者采用非线性逻辑回归模型来弥补这种缺陷。逻辑回归模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性。Logistic回归模型的曲线为S型，该预警模型一般是以0.5作为分割点，其含义是如果通过逻辑回归模型计算出来的概率P大于0.5，那么该上市公司就是正常公司；反之，是财务危机公司，即ST公司。本文就是利用逻辑回归方法来构建财务预警模型进行财务预测，该模型可以很好很快的预测出企业的风险情况，具有较高的准确性和前瞻性，是值得推广和应用的一种模型。

　　三、研究设计
　　（一）样本选择
　　本文将沪、深两交易所A股市场中因“财务状况异常”而被特别处理(ST)的上市公司，作为财务危机公司的界定标准，而为被特别处理的上市公司作为财务健康公司。样本数据取自国泰安研究服务中心“中国上市公司财务指标分析数据库”。
　　1.ST公司（财务危机公司）的选取
　　我国A股市场2009年沪、深两市ST公司共230家，我们选择其中43家由于2007、2008连续两年亏损，即在2009年由于财务原因新被ST的上市公司。
　　2.非ST公司（财务健康公司）的选取
　　非ST公司的选取通常有两种方法。第一种，由于Logistic函数的对称性质，在数据完整的上市公司中抽取与ST公司数目几乎等额样本的公司。第二种，抽取全部非ST公司，由于ST公司与非ST公司的数量不等，采取加权逻辑回归模型，或者对逻辑回归模型的常数项进行调整，使常数项下降logK1-logK2，K1和K2分别为ST和非ST公司的样本占总样本的比例。
　　Maddala(1992)认为第二种方法为经验方法，无解析方法证明其合理性。所以本文采用第一种方法。对每一家ST公司进行配对选择非ST公司，要求其行业相同或者相近，资产规模相当（这里资产主要是指总资产规模，要求规模上下浮动比例不超过5%）。一些无法配对（数据异常，某些公司在某年间的数据与往年相比差异太大）的ST公司样本个体被剔除，最终选定ST公司中的43家，并根据上述原则选定43家非ST公司。
　　（二）财务预警指标选择
　　将样本进行筛选分组后，重要的一点就是预警指标的选择。本文收集ST公司和非ST公司2006-2009年间的资产负债表、利润表、现金流量表，预警指标的选择按以下原则进行选择。
　　第一，充分考虑以前财务预警研究中采用的财务指标。Z值.模型是目前财务预警中最常使用的一种模型。Altman教授的Z值模型中的5个指标是从22个财务指标中经过严格的方法测算出来的，具备一定的合理性和科学性。所以本文在进行指标的选择时，充分考虑了以前财务预警研究中运用的财务指标。
　　第二，选择合适的财务指标。一个企业财务状况的好环取决于企业的偿债能力、盈利能力、营运能力、发展能力、现金流量能力等。所以，一个全面合理的财务预警体系，要涵盖偿债能力、盈利能力、营运能力、发展能力、现金流量能力等方面的财务比率指标。因此，进行指标选择时，要考虑到选择出来的预警指标是否具有较高的信息含量，是否能有效的、及时的反映出财务危机的征兆。
　　第三，满足可操作性原则。操作性是完成实践的一个重要前提。满足条件的财务比率指标是很多的，但有些财务数据是难于采集到的，会耗费大量的人力和物力。因此，这些取得成本较高的财务比率指标是不予考虑的。
　　基于上述的原则，为使预测变量的选择范围更加广泛和全面。本文也借鉴国泰安研究服务中心“中国上市公司财务指标分析数据库”中相关指标的设置分类，选择全面反映企业偿债能力、盈利能力、营运能力、发展能力、现金流量能力的17个财务指标作为备选变量。
　　五、结论
　　本文的财务预警模型是通过资产负债率、利息保障倍数、ROA、资本保值增值率对我国的上市公司的财务状况进行判断。实证结果分析表明，该模型的预测准确率达到了近87%，有较好的预警效果。企业可以利用此模型作为防范财务风险的手段，及时调整财务战略和经营战略，防患于未然。投资者可以利用此模型预测企业未来财务状况趋势，为防范投资风险提供有益的参考。债权人则可以运用此模型判断借款和债权投资的安全性，决定是否为上市公司提供融资。
　　总的来说，logistic回归模型对于财务困境的判别，仍是一种简单而有效的方法，值得在实践中大力推广。但本文也存在一些研究局限：第一，本文所选取的研究变量都是财务指标，未选取非财务指标。因此，模型未能反映出非财务因素对企业财务状况产生的影响；第二，本文在进行logistic回归时，采用的是2006-2008年的数据，可能会影响预测的效果；第三，本文的一个思路是：进行ST公司和非ST公司预警指标T检验，选择出四个预警指标，进而利用这些指标进行logistic回归建构模型。这样通过ST公司和非ST公司之间预警指标的差异构建的财务预警模型的预测能力可能影响预测的效果。因此，未来研究可以从这几个方面不断加以完善。
　　
　　参考文献
　　[1]J.S.Ohlson,Financial ratio and the probabilistic of bankruptcy,Journal of Accounting Research,1980.
　　[2]Beaver,Financial Ratios as Predictors of Failures,Journal of Accounting Research,1966.
　　[3]E.I.Altman.Financial ratio.discriminate analysis and prediction of corporate bankruptcy.Journal of Finance,1968.
　　[4]周首华,杨济华,王平.论财务危机的预警分析―F分数[J].会计研究,1996(08).
　　[5]陈静.上市公司财务恶化预测的实证研究[J].会计研究,1999(04).
　　[6]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001(06).
　　[7]姜秀华,任强,孙铮.上市公司财务预警模型研究[J].预测,2002(03).
　　[8]吴应宇,袁陵.基于因子分析的上市公司财务危机预警研究的修正[J].东南大学学报(哲学社会科学版),2004(06).
　　[9]张兴福.上市公司财务预警模型构建与检验[J].财会通讯,2008(05).
　　[10]郝运鹏.我国上市公司财务危机两阶段动态预警模型[J].经济视角,2009(03).
　　[11]张慧君,李卉.我国上市公司财务预警模型的构建与应用[J].会计之友,2010(10).

转载注明来源:https://www.xzbu.com/2/view-366686.htm