【摘要】財務(wù)指標(biāo)是構(gòu)建預(yù)警模型的數(shù)據(jù)基礎(chǔ)，往往因行業(yè)不同而表現(xiàn)出不同的特征。財務(wù)指標(biāo)的行業(yè)差異是否會影響到財務(wù)預(yù)警模型的預(yù)測精度以及對不同模型的影響程度如何，成為財務(wù)預(yù)警領(lǐng)域一個值得研究的重要問題。本文就此作一探討。
　　
　　一、問題提出
　　
　　為了研究在財務(wù)指標(biāo)行業(yè)差異影響下不同預(yù)警模型的預(yù)測精度，本文以深滬兩市A股市場信息技術(shù)業(yè)和批發(fā)零售業(yè)170家上市公司為研究對象，以區(qū)分行業(yè)與否為條件，主要使用多元判別分析（MDA）和BP神經(jīng)網(wǎng)絡(luò)（BPNN）在不同條件下建模。通過比較不同條件下構(gòu)建模型的精度，可以發(fā)現(xiàn)MDA模型易受行業(yè)差異影響，而BPNN模型無論區(qū)分行業(yè)與否都比較穩(wěn)定，而且預(yù)測精度均好于MDA模型。因此筆者認(rèn)為BPNN是一種優(yōu)秀的預(yù)警方法，尤其適合數(shù)據(jù)來源存在部分缺失或較復(fù)雜時的模型構(gòu)建。
　　
　　二、文獻(xiàn)回顧
　　
　?。ㄒ唬┴攧?wù)預(yù)警模型發(fā)展回顧
　　1.單變量模型：1966年，Beaver建立了單變量模型來預(yù)測財務(wù)危機(jī)。他研究比較了30個財務(wù)比率在企業(yè)陷入財務(wù)困境前1～5年的預(yù)測能力，發(fā)現(xiàn)營運(yùn)資金/總負(fù)債這一指標(biāo)的預(yù)測能力最強(qiáng)，前1年的預(yù)測正確率達(dá)到了87%。但是，由于單個財務(wù)指標(biāo)不能全面反映企業(yè)的財務(wù)特征，因此多變量模型成為隨后研究的主流。
　　2.多變量模型：常用的多變量模型主要通過使用統(tǒng)計方法和人工神經(jīng)網(wǎng)絡(luò)方法（ANN）構(gòu)建。
　　（1）統(tǒng)計方法主要有多元判別分析（MDA）、Logistic回歸、主成分分析（PCA）等。國內(nèi)外眾多學(xué)者（如Altman，1968；Ohlson，1980；陳靜，1999；吳世農(nóng)、盧賢義，2001；楊淑娥、徐偉剛，2003）使用這些方法進(jìn)行了大量的實證研究。統(tǒng)計方法比較成熟，但是往往受制于眾多的假設(shè)前提，難以適應(yīng)復(fù)雜多變的企業(yè)運(yùn)作環(huán)境，因而預(yù)測精度受到了影響。
　?。?）ANN是近年來新興的計算方法，具有自我學(xué)習(xí)、調(diào)整能力和較強(qiáng)的容錯性。ANN中的BP神經(jīng)網(wǎng)絡(luò)（BPNN）應(yīng)用最為廣泛。國內(nèi)學(xué)者劉洪（2004）運(yùn)用MDA、Logistic回歸、BPNN進(jìn)行了比較研究，發(fā)現(xiàn)BPNN對檢驗樣本的預(yù)測精度高達(dá)90.1%，而MDA、Logistic回歸分別只有54.4%和56.6%。楊淑娥（2005）對比研究發(fā)現(xiàn)BPNN也優(yōu)于PCA方法，兩種模型對檢驗樣本的預(yù)測精度分別為90%和81.7%。這些研究均表明BPNN優(yōu)于傳統(tǒng)的統(tǒng)計方法。
　　
　　（二）財務(wù)指標(biāo)行業(yè)差異研究回顧
　　1969年，Gupta使用美國21個二級行業(yè)分類中的制造業(yè)公司進(jìn)行分析，發(fā)現(xiàn)這些公司的財務(wù)指標(biāo)存在顯著的行業(yè)差異。Lev（1969）使用部分調(diào)整模型對美國18個行業(yè)245家公司的6個財務(wù)比率進(jìn)行了回歸，證實了財務(wù)比率具有顯著的行業(yè)效應(yīng)，并且公司比率不斷向本行業(yè)該比率均值進(jìn)行調(diào)整。
　　近年來，國內(nèi)學(xué)者也展開了有關(guān)上市公司財務(wù)指標(biāo)的行業(yè)差異研究。郭鵬飛等（2003）使用我國A股上市公司2001年的7個財務(wù)比率進(jìn)行了分行業(yè)統(tǒng)計分析，結(jié)果顯示除凈資產(chǎn)收益率外其余財務(wù)比率的行業(yè)效應(yīng)均非常顯著。連玉丹等（2006）研究發(fā)現(xiàn)總負(fù)債率等6個財務(wù)比率都顯著地向行業(yè)均值收斂，但調(diào)整成本和行業(yè)特性的差異導(dǎo)致了不同的財務(wù)比率具有不同的收斂速度。
　　鑒于上述研究，筆者發(fā)現(xiàn)已有財務(wù)預(yù)警研究往往局限于預(yù)警指標(biāo)和方法的選擇，而忽視了樣本選擇時行業(yè)差異對預(yù)警效果所帶來的影響。為此，本文以信息技術(shù)業(yè)和批發(fā)零售業(yè)為研究對象，以區(qū)分行業(yè)與否為條件，使用多種方法構(gòu)建模型進(jìn)行精度比較來研究這一問題。
　　
　　三、實證研究
　　
　?。ㄒ唬┭芯糠椒?br/>　　筆者選用了MDA、Logistic回歸、BPNN這幾種常用的預(yù)警方法。但是，在使用Logistic回歸法時，由于始終沒有變量進(jìn)入模型，因而本文主要使用其他兩種方法進(jìn)行比較研究。
　　MDA是一種常用的分類分析方法，它通過根據(jù)已知類別的事物的性質(zhì)建立判別函數(shù)，然后對未知類別的新事物進(jìn)行判斷以將之歸入已知的類別中。
　　BPNN是一種多層前向神經(jīng)網(wǎng)絡(luò)，具有一個或多個隱含層，一般使用Sigmoid函數(shù)f（x）=1/（1+e-x），通過信號的正向傳播與誤差的反向傳播兩個過程實現(xiàn)。
　　
　?。ǘ颖具x取
　　本文以深滬兩市A股市場中信息技術(shù)業(yè)和批發(fā)零售業(yè)上市公司作為研究樣本，樣本期間為1998～2005年，數(shù)據(jù)來源于國泰安信息技術(shù)有限公司提供的上市公司數(shù)據(jù)庫。財務(wù)危機(jī)樣本界定為因以下原因而被ST的公司：（1）連續(xù)兩年虧損；（2）每股凈資產(chǎn)低于每股面值。為了避免傳統(tǒng)配對選擇的方式高估模型的預(yù)測能力，財務(wù)健康樣本的選擇界定為1998～2005年從未被ST過的公司。
　　筆者使用T-1年的樣本數(shù)據(jù)建模和檢驗，其中危機(jī)樣本數(shù)據(jù)取自1997～2004年，健康樣本的數(shù)據(jù)取自2004年，避免了數(shù)據(jù)收集過程中的重復(fù)性。這樣共收集到31個危機(jī)樣本，139個健康樣本，各類型樣本具體劃分見表1。
　　
　　
　?。ㄈ┲笜?biāo)選取
　　1.指標(biāo)選取
　　借鑒已有研究，筆者選擇了6個財務(wù)指標(biāo)來構(gòu)建模型，這些指標(biāo)既能全面反映企業(yè)的財務(wù)狀況，也具有顯著行業(yè)差異。它們是：（1）短期償債能力：流動比率（X1）；（2）長期償債能力：資產(chǎn)負(fù)債率（X2）；（3）營運(yùn)能力：應(yīng)收賬款周轉(zhuǎn)率（X3）、存貨周轉(zhuǎn)率（X4）、總資產(chǎn)周轉(zhuǎn)率（X5）；（4）盈利能力：凈利潤率（X6）。
　　為了檢驗所選樣本財務(wù)指標(biāo)的行業(yè)差異性，筆者對兩個行業(yè)的不同類型樣本分別進(jìn)行了檢驗。檢驗的方法是：對于正態(tài)分布的樣本，使用T檢驗；而對于非正態(tài)分布的樣本，使用非參數(shù)檢驗中的Mann-Whitney U檢驗，結(jié)果見表2。
　　
　　注：帶*的指該指標(biāo)樣本服從正態(tài)分布
　　從表2中可以看出，在0.05的顯著性水平上，健康樣本的6個財務(wù)指標(biāo)都具有顯著的行業(yè)差異，而危機(jī)樣本僅有應(yīng)收賬款周轉(zhuǎn)率這一指標(biāo)差異顯著。針對這一現(xiàn)象，筆者認(rèn)為危機(jī)樣本往往具有相似的財務(wù)特征，具體來說盈利能力都出現(xiàn)重大問題、無法清償?shù)狡趥鶆?wù)等，同時考慮到財務(wù)指標(biāo)取自不同期間，也可能造成了差異不顯著。
　　2.數(shù)據(jù)歸一標(biāo)準(zhǔn)化
　　為了去除不同量綱的影響，又將選出來的6個財務(wù)指標(biāo)數(shù)據(jù)進(jìn)行歸一標(biāo)準(zhǔn)化處理。由于選取的指標(biāo)中含有效益性指標(biāo)（如X6）和適度性指標(biāo)（如X1），因此需要針對不同類型的指標(biāo)分別進(jìn)行處理。具體處理方法是：
　　對于效益性指標(biāo)，采用以下公式處理：
　　
　　其中q為該指標(biāo)最合適值。
　　
　　（四）建立模型
　　1.MDA
　　首先選用逐步判別法選擇構(gòu)建模型的變量。信息技術(shù)業(yè)模型僅有凈利潤率指標(biāo)進(jìn)入；批發(fā)零售業(yè)模型則有資產(chǎn)負(fù)債率、存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率三個指標(biāo)進(jìn)入；混合模型則包含了以上4個指標(biāo)。
　　使用篩選后的指標(biāo)建立模型，得到非標(biāo)準(zhǔn)化的典則判別函數(shù)的系數(shù)如表3。
　　
　　2.BPNN
　　一個單隱層的BPNN可以逼近任何的連續(xù)函數(shù)，因此本文選擇了單隱層的BPNN結(jié)構(gòu)。網(wǎng)絡(luò)的輸入層節(jié)點數(shù)取決于選取指標(biāo)的個數(shù)，設(shè)置為6。筆者期望輸出（1，0）和（0，1）分別代表危機(jī)樣本和健康樣本，因此輸出層節(jié)點個數(shù)為2。隱含層節(jié)點個數(shù)根據(jù)經(jīng)驗公式（2P1+P3）1/2　　
　?。ㄎ澹┠Ｐ捅容^
　　使用兩種方法建立模型之后，再將樣本分別帶入模型進(jìn)行檢驗，結(jié)果見表4。
　　
　　從表4可以看到無論是建模還是檢驗，BPNN都比MDA的判別效果要好，并且從MDA的判別結(jié)果來看，區(qū)分行業(yè)預(yù)測效果要好一些。為了進(jìn)一步清楚地觀察行業(yè)差異對模型精度的影響，筆者把兩種情況下的誤判情況列示在表5中。在對誤判情況進(jìn)行比較時，錯誤被分為兩類：Ⅰ類錯誤是指把危機(jī)樣本誤判為健康樣本，Ⅱ類錯誤是指把健康樣本誤判為危機(jī)樣本。
　　
　　從表5可以看出，MDA模型受行業(yè)差異影響較大，而且主要集中在健康樣本的誤判上，區(qū)分行業(yè)建?？梢允菇】禈颖镜恼`判減少1/3，但是危機(jī)樣本差異不大。對BPNN模型而言，是否區(qū)分行業(yè)對模型的誤判影響很小。因此，筆者認(rèn)為MDA較BPNN易受財務(wù)指標(biāo)行業(yè)差異的影響。
　　
　　四、結(jié)論
　　
　　筆者通過研究發(fā)現(xiàn)，MDA模型與BPNN模型受行業(yè)差異的影響不同：MDA較易受財務(wù)指標(biāo)行業(yè)差異的影響，而且主要體現(xiàn)在對健康樣本的誤判顯著增多上；BPNN無論區(qū)分行業(yè)與否，各類錯誤差異均不大，而且各種條件下的預(yù)測精度均超過了MDA。這啟示我們構(gòu)建預(yù)警模型時，一方面要注意財務(wù)指標(biāo)行業(yè)差異的影響；一方面要注意預(yù)警方法的選擇。從本文的研究來看，BPNN是一種優(yōu)秀的預(yù)警方法，適合數(shù)據(jù)存在部分缺失或來源較復(fù)雜時的模型構(gòu)建。
　　本文的局限性在于樣本僅取自信息技術(shù)業(yè)和批發(fā)零售業(yè)，而且在建模時使用的財務(wù)指標(biāo)均具有顯著的行業(yè)差異，未考慮所選財務(wù)指標(biāo)行業(yè)差異不顯著或含有非財務(wù)指標(biāo)時的情形，需要今后進(jìn)一步的研究。