莊慧+饒揚(yáng)勝

摘要：財(cái)務(wù)風(fēng)險(xiǎn)不僅嚴(yán)重危害企業(yè)的生存和發(fā)展，而且也會(huì)給投資者帶來(lái)巨大的投資損失，因此上市公司財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測(cè)越來(lái)越受到實(shí)務(wù)界和學(xué)術(shù)界的重視。筆者基于中國(guó)資本市場(chǎng)的數(shù)據(jù)，選取了2014-2015兩個(gè)時(shí)間窗口的27家首次被ST（特別處理的股票）的上市公司和54家各項(xiàng)財(cái)務(wù)指標(biāo)符合上市規(guī)則的公司作為本文的研究數(shù)據(jù)來(lái)源，其中27家ST的公司以被ST前的第二個(gè)會(huì)計(jì)年度的數(shù)據(jù)為基數(shù)，運(yùn)用CLementine工具，比較準(zhǔn)確地實(shí)現(xiàn)了數(shù)據(jù)挖掘技術(shù)在上市公司財(cái)務(wù)困境預(yù)測(cè)中的運(yùn)用。研究結(jié)果表明數(shù)據(jù)挖掘技術(shù)（Data mining）在財(cái)務(wù)困境預(yù)測(cè)模型具有較強(qiáng)預(yù)測(cè)能力，正確率較高。

關(guān)鍵詞：財(cái)務(wù)困境預(yù)測(cè)；數(shù)據(jù)挖掘；Logistic回歸

中圖分類(lèi)號(hào)：TP182 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2016）028-000-02

一、緒論

1.研究背景

ST（股票被特別處理）規(guī)則的實(shí)施可以追溯到上個(gè)世紀(jì)90年代末，正是由于一批公司上市后財(cái)務(wù)狀況嚴(yán)重惡化，投資者利益尤其是那些小股東的利益受到嚴(yán)重?fù)p害，深證和上海證券交易所于1998年3月16日正式啟動(dòng)ST規(guī)則，這標(biāo)志著中國(guó)資本市場(chǎng)制度的完善。所謂ST規(guī)則是指當(dāng)上市公司財(cái)務(wù)狀況出現(xiàn)異常情況不符合上市條件時(shí)，該公司的股票會(huì)被特別處理以引起投資者的關(guān)注。盡管ST規(guī)則的實(shí)施出于保護(hù)投資者的利益，但是該規(guī)則存在著滯后性，這就意味著上市公司出現(xiàn)財(cái)務(wù)異常狀況時(shí)投資者的利益已經(jīng)收到損害。單純從數(shù)量方面來(lái)看，2014-2015兩年被特別處理的公司都超高50家，而且大部分被ST（特別處理）的原因在于最近連續(xù)兩個(gè)會(huì)計(jì)年度的凈利潤(rùn)為負(fù)數(shù)，由此可見(jiàn)上市公司被ST只有在公司連續(xù)兩年財(cái)務(wù)狀況嚴(yán)重惡化的情況下才會(huì)出現(xiàn)。

公司被ST后證監(jiān)會(huì)會(huì)給出一定的整改時(shí)間，在這段時(shí)間內(nèi)公司的高管承受巨大壓力，并采取各種手段粉飾財(cái)務(wù)報(bào)表以求盡快摘帽，而這些措施往往是“拆了西墻補(bǔ)東墻”，投資者及其他利益相關(guān)者的利益還是會(huì)受到實(shí)質(zhì)性的損害。因此，基于該背景，利用數(shù)據(jù)挖掘技術(shù)，從大量的財(cái)務(wù)數(shù)據(jù)中挖掘出對(duì)上市公司財(cái)務(wù)困境有預(yù)測(cè)作用的信息，成為我國(guó)市場(chǎng)的一個(gè)重要問(wèn)題，具有一定的理論和現(xiàn)實(shí)意義。

2.研究意義

數(shù)據(jù)挖掘技術(shù)（Data mining）是基于大數(shù)據(jù)背景下產(chǎn)生的數(shù)據(jù)提取技術(shù)，在信息過(guò)量的現(xiàn)代企業(yè)管理中如何高效準(zhǔn)確提取出管理活動(dòng)中必須的信息是目前比較新的研究領(lǐng)域之一；而如何在上市公司發(fā)生財(cái)務(wù)困境時(shí)高效運(yùn)用現(xiàn)代信息技術(shù)預(yù)測(cè)企業(yè)未來(lái)的財(cái)務(wù)狀況變化目前是比較棘手的問(wèn)題。因此本文的研究結(jié)果在某種程度上有一定的理論價(jià)值。

以此同時(shí)，本文利用數(shù)據(jù)挖掘技術(shù)提前預(yù)測(cè)上市公司的未來(lái)各項(xiàng)財(cái)務(wù)指標(biāo)的變化具有重要的現(xiàn)實(shí)意義。首先，上市公司的財(cái)務(wù)預(yù)測(cè)模型具有提前性，相比ST規(guī)則的滯后性，財(cái)務(wù)預(yù)測(cè)模型可以提前檢測(cè)上市公司的各項(xiàng)財(cái)務(wù)指標(biāo)給管理者充分的時(shí)間采取措施扭轉(zhuǎn)經(jīng)營(yíng)惡化的趨勢(shì)，相比被ST后在短暫時(shí)間內(nèi)的“拆了西墻補(bǔ)東墻”的措施，財(cái)務(wù)預(yù)測(cè)模型具有時(shí)間上的優(yōu)勢(shì)，從而減少對(duì)利益相關(guān)者利益的損害甚至可以增加他們的利益。其次，財(cái)務(wù)預(yù)測(cè)模型可見(jiàn)減少上市公司的成本，上市公司被ST后將會(huì)發(fā)生各種成本，比如信息披露成本，而企業(yè)建立財(cái)務(wù)預(yù)測(cè)制度和可以以較少的投入避免更大的支出。

二、我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)模型的研究設(shè)計(jì)

1.實(shí)證研究的基本流程

本文的實(shí)證研究可以分為三個(gè)流程，首先從證券交易所的官網(wǎng)中選取27家2014-2015年度被ST的上市公司和54家沒(méi)有被ST的公司作為研究對(duì)象；并確定能顯示上市公司財(cái)務(wù)狀況出現(xiàn)問(wèn)題的財(cái)務(wù)或非財(cái)務(wù)指標(biāo)，從國(guó)泰君安和銳思數(shù)據(jù)庫(kù)檢索需要的數(shù)據(jù)。其次，其次，對(duì)所選取指標(biāo)進(jìn)行特征選擇，刪除對(duì)被解釋變量影響不顯著的指標(biāo)，降低變量維度，選擇回歸結(jié)果顯著的指標(biāo)作為預(yù)測(cè)模型的解釋變量（Xi）。最后，將剩余的指標(biāo)代入預(yù)測(cè)模型，運(yùn)用Logistic回歸的基本原理對(duì)預(yù)測(cè)模型進(jìn)行實(shí)證檢驗(yàn)，并檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性以對(duì)模型預(yù)測(cè)的效果進(jìn)行最后評(píng)價(jià)。

2.財(cái)務(wù)困境預(yù)測(cè)指標(biāo)體系的設(shè)計(jì)

根據(jù)國(guó)內(nèi)外研究成果和我國(guó)上市公司信息披露的現(xiàn)狀，本文選取了以下7個(gè)方面47個(gè)具體指標(biāo)，這些指標(biāo)涵蓋企業(yè)的財(cái)務(wù)與非財(cái)務(wù)，短期與長(zhǎng)期，流動(dòng)與非流動(dòng)，投資者相關(guān)與債權(quán)人相關(guān)等方面。

（1）上市公司的盈利能力

盈利能力是企業(yè)財(cái)務(wù)狀況與經(jīng)營(yíng)狀況的集中體現(xiàn)。如果一家公司的盈利能力強(qiáng)，這將給起來(lái)帶來(lái)充足的盈余公積以應(yīng)對(duì)未來(lái)可能發(fā)生的各種財(cái)務(wù)風(fēng)險(xiǎn)，這將意味者該公司被ST的可能性小。因此本文首先選擇盈利能力的財(cái)務(wù)指標(biāo)作為本文財(cái)務(wù)預(yù)測(cè)的代入變量。

關(guān)于盈利能力本文選取的代表指標(biāo)有：投入資本回報(bào)率X1、凈資產(chǎn)收益率X2、資產(chǎn)報(bào)酬率X3、資產(chǎn)凈利率X4、營(yíng)業(yè)利潤(rùn)率X10、銷(xiāo)售成本率X6、銷(xiāo)售費(fèi)用率X7、管理費(fèi)用占率X8、財(cái)務(wù)費(fèi)用率X9、銷(xiāo)售凈利X10、成本費(fèi)用利潤(rùn)率X11。

（2）上市公司的償債能力

財(cái)務(wù)風(fēng)險(xiǎn)的大小很大程度上取決于企業(yè)的資本結(jié)構(gòu)，合理的資本結(jié)構(gòu)有利于企業(yè)的健康平穩(wěn)發(fā)展；如果企業(yè)不能按期償還債務(wù)，將會(huì)嚴(yán)重危機(jī)企業(yè)的發(fā)展甚至?xí)?dǎo)致破產(chǎn)清算。因此，本文將反應(yīng)償債能力的指標(biāo)列入模型的代入變量。

本文選取的指標(biāo)有：流動(dòng)比率X12（ Current Ratio）、速動(dòng)比率X13（Quick Ratio）、產(chǎn)權(quán)比率X14、有形凈值債務(wù)率X15、利息保障倍數(shù)（Times interest earned）X16、資產(chǎn)負(fù)債率（Assets Liabilities Ratio）X17、長(zhǎng)期負(fù)債比率X18、權(quán)益乘數(shù)X19。

（3）上市公司成長(zhǎng)能力

公司的成長(zhǎng)能力代表著公司未來(lái)發(fā)展的潛力和行業(yè)的吸引力，只有具有良好發(fā)展?jié)摿Φ纳鲜泄静拍艿玫酵顿Y者的青睞，才能以較低的財(cái)務(wù)成本獲得資金支持。因此成長(zhǎng)能力是一個(gè)公司是否健康平穩(wěn)發(fā)展的重要指示器。

本文選取得指標(biāo)有：每股收益的增長(zhǎng)率X20、營(yíng)業(yè)收入的增長(zhǎng)率X21、銷(xiāo)售的凈利潤(rùn)率X22、經(jīng)營(yíng)活動(dòng)中發(fā)生的現(xiàn)金流量?jī)纛~增長(zhǎng)率X23、每股經(jīng)營(yíng)活動(dòng)發(fā)生的現(xiàn)金流量增長(zhǎng)率X24、凈資產(chǎn)的增長(zhǎng)率X25、總資產(chǎn)的增長(zhǎng)率X26。

（4）上市公司營(yíng)運(yùn)能力

營(yíng)運(yùn)能力是指企業(yè)對(duì)各項(xiàng)資產(chǎn)的利用狀況，是企業(yè)高管能力的集中體現(xiàn)，他與企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)有著緊密的聯(lián)系。各項(xiàng)財(cái)務(wù)指標(biāo)正常的企業(yè)應(yīng)當(dāng)具有較強(qiáng)的資產(chǎn)管理能力，各項(xiàng)資產(chǎn)都發(fā)揮從其作用，很少出現(xiàn)資產(chǎn)閑置和超負(fù)荷工作的情況。

本文選取的代表指有：總資產(chǎn)的周轉(zhuǎn)率（次）X27、營(yíng)業(yè)周期（天/次）X28、總資產(chǎn)的周轉(zhuǎn)率（次）X29、應(yīng)收賬款的周轉(zhuǎn)率（次）X30、流動(dòng)資產(chǎn)的周轉(zhuǎn)率（次）X31、固定資產(chǎn)的周轉(zhuǎn)率（次）X32、應(yīng)付賬款的周轉(zhuǎn)率（次）X33。

（5）上市公司現(xiàn)金流量

目前的為文獻(xiàn)很少將現(xiàn)金流量相關(guān)的指標(biāo)作為財(cái)務(wù)預(yù)測(cè)模型的代入變量，但是上市公司的現(xiàn)金流量狀況直接影響企業(yè)的償債能力，再加上現(xiàn)金流量信息的不容易被管理層操作，因此本文將該類(lèi)指標(biāo)納入本文的測(cè)試范圍。

本文選取的的指標(biāo)有：每股經(jīng)營(yíng)活動(dòng)現(xiàn)金流量（元/股）X33、資本支出/折舊和攤銷(xiāo)X34、自由現(xiàn)金流量（元）X35、銷(xiāo)售收到現(xiàn)金比率X36、每股凈現(xiàn)金流量（元/股）X37。

（6）上市公司杠桿系數(shù)

上市公司的杠桿系數(shù)包含財(cái)務(wù)杠桿和經(jīng)營(yíng)杠桿，這兩種杠桿分別代表企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)的大小，這取決于公司的資本結(jié)構(gòu)的合理性。財(cái)務(wù)杠桿直接決定財(cái)務(wù)風(fēng)險(xiǎn)的大小，同時(shí)經(jīng)營(yíng)杠桿系數(shù)也是評(píng)價(jià)企業(yè)風(fēng)險(xiǎn)的指標(biāo)之一，該指標(biāo)越大，企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)越大。

選擇的指標(biāo)有：DOL_營(yíng)業(yè)杠桿系數(shù)X38、DFL_財(cái)務(wù)杠桿系數(shù)X39、DTL_總杠桿系數(shù)X40。

（7）非財(cái)務(wù)指標(biāo)

上市公司的財(cái)務(wù)風(fēng)險(xiǎn)雖然在很大程度上取決于財(cái)務(wù)指標(biāo)，但是非財(cái)務(wù)指標(biāo)也能影響企業(yè)的財(cái)務(wù)狀況，財(cái)務(wù)指標(biāo)都能量化，而有些指標(biāo)不能量化但與公司財(cái)務(wù)狀況息息相關(guān)，我們將這些指標(biāo)歸類(lèi)為非財(cái)務(wù)指標(biāo)。

選擇的指標(biāo)有：董事會(huì)人數(shù)（人）X41、獨(dú)立董事比例（%）X42、監(jiān)事會(huì)人數(shù)X43、股權(quán)集中度X44、H5指數(shù)X45、國(guó)有股比例（%）X46、審計(jì)意見(jiàn)類(lèi)型X47。

三、基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)困境預(yù)測(cè)

1.測(cè)試樣本的選取

本文基于中國(guó)資本市場(chǎng)的數(shù)據(jù)，選取了2014-2015兩個(gè)時(shí)間窗口的27家首次被ST（特別處理的股票）的上市公司和54家各項(xiàng)財(cái)務(wù)指標(biāo)符合上市規(guī)則的公司作為本文的研究數(shù)據(jù)來(lái)源，其中27家ST的公司以被ST前的第二年的財(cái)務(wù)指標(biāo)為基期。假定上市公司被ST當(dāng)年為T(mén)年，前兩年假定為T(mén)-1、T-2年，同時(shí)根據(jù)我國(guó)上市公司信息披露制度的現(xiàn)狀，最終選定以T-2為基期來(lái)預(yù)測(cè)T年的財(cái)務(wù)狀況并于真實(shí)的狀況進(jìn)行比較，以檢測(cè)模型的可靠性。

根據(jù)以上方法，我們選取了27家被ST的公司作為實(shí)驗(yàn)的樣本來(lái)源，并選取了54家正常的公司作為對(duì)照組的數(shù)據(jù)來(lái)源本文研究的所用數(shù)據(jù)主要來(lái)源于銳思數(shù)據(jù)庫(kù)和巨潮資訊網(wǎng)。

2.Logistic回歸分析

Logistic 回歸分析的基本原理：設(shè)被解釋變量Y為1是代表公司被ST，即公司發(fā)生財(cái)務(wù)預(yù)警。Y為0時(shí)表示公司各項(xiàng)財(cái)務(wù)指標(biāo)正常。P1（0-1）代表公司被ST 的可能性，我們用概率表示，P0=1-P1表示公司正常運(yùn)行的可能性。

Xk為解釋變量，βk為解釋變量對(duì)應(yīng)的回歸結(jié)果得出的系數(shù)，α為橫向截距。其中截距和回歸系數(shù)是運(yùn)用概率論中的最大似然方法估計(jì)的結(jié)果。由此我們得到回歸預(yù)測(cè)模型通常選擇0.5（該數(shù)值來(lái)源于現(xiàn)有研究結(jié)果）為分界點(diǎn)，這就是說(shuō)當(dāng)上市公司的P小于0.5時(shí)可以判斷該公司的各項(xiàng)財(cái)務(wù)指標(biāo)符合規(guī)定，該公司為正常公司；當(dāng)P大于0.5時(shí)，我們可以據(jù)此推測(cè)該公司被ST，即該公司發(fā)生財(cái)務(wù)危機(jī)。

根據(jù)Clementine軟件的Logistic回歸模型計(jì)算結(jié)果，對(duì)模型的整體顯著性、模型中每個(gè)解釋變量的顯著性以及模型的擬合優(yōu)度進(jìn)行檢驗(yàn)，并對(duì)影響財(cái)務(wù)困境的因素進(jìn)行分析。其中我們對(duì)該預(yù)測(cè)模型進(jìn)行顯著性檢驗(yàn)的目的在于檢測(cè)自變量X是否與P的線(xiàn)性關(guān)系存在顯著影響，是否可以得出該模型具有良好的擬合度。

原假設(shè)（H0）是回歸的結(jié)果是：各項(xiàng)系數(shù)顯示為0，這就意味著解釋變量全部與P沒(méi)有顯著的線(xiàn)性關(guān)系，因此應(yīng)該拒絕原假設(shè)；擬合優(yōu)度檢驗(yàn)一方面是考察回歸方程能夠解釋被解釋變量變差的程度，另一方面是考察回歸方程算出的預(yù)測(cè)值與實(shí)際值之間的吻合程度，如果吻合程度越高，則說(shuō)明擬合優(yōu)度越高。最后根據(jù)Clementine軟件給出的判別矩陣，給出模型的每類(lèi)預(yù)測(cè)準(zhǔn)確率和整體預(yù)測(cè)準(zhǔn)確率。具體分析如下：

回歸方程顯著性檢驗(yàn)的總體情況，各數(shù)據(jù)項(xiàng)分別是：似然比卡方的觀測(cè)值、自由度及概率P-值。其中最大似然卡房檢驗(yàn)的結(jié)果的觀察值為95.950，概率的P值為0.000，明顯小于顯著性水平值（0.05），因此應(yīng)當(dāng)拒絕原假設(shè)，并認(rèn)為當(dāng)所有的回歸系數(shù)結(jié)果不同時(shí)為0時(shí)，X與P之間的關(guān)系是顯著的，這也說(shuō)明所擬合的方程具有統(tǒng)計(jì)學(xué)意義。

該模型擬合優(yōu)度方面的指標(biāo)，其中-2倍的對(duì)數(shù)似然函數(shù)值為7.165，比較??；Nagelkerke R Square為0.964，比較接近1，這說(shuō)明該模型的擬合優(yōu)度較高。

根據(jù)ST發(fā)生前T-2年的模型統(tǒng)計(jì)量，Logistic回歸方程可表示為：

四、小結(jié)

本文以A股上市公司為研究對(duì)象，利用SPSS公司的Clementine數(shù)據(jù)挖掘工具對(duì)我國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)進(jìn)行了實(shí)證研究。本文的實(shí)證結(jié)果表明，上市公司采用數(shù)據(jù)建立財(cái)務(wù)預(yù)測(cè)模型對(duì)預(yù)測(cè)企業(yè)未來(lái)的財(cái)務(wù)狀況走勢(shì)具有較強(qiáng)的預(yù)警能力，而且本文對(duì)各項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行了量化處理，非財(cái)務(wù)指標(biāo)也進(jìn)行了恰當(dāng)?shù)奶幚?，由此得出的結(jié)論具有一定的說(shuō)服性。

但是本文也存在一些不足之處，本文只是對(duì)數(shù)據(jù)挖掘在財(cái)務(wù)困境預(yù)測(cè)方面做了初步探索，在理論及操作中仍存在很多不足之處。由于公開(kāi)披露的被ST公司的上市公司的數(shù)量每年是有限的，因此本文的研究樣本數(shù)量不足，此外，雖然對(duì)樣本數(shù)據(jù)不斷進(jìn)行修改及替換，但最后選取的樣本并不是很完善，造成在特征選擇過(guò)程中，很多理論上對(duì)公司財(cái)務(wù)狀況有重大影響的指標(biāo)因?yàn)槿狈?jīng)驗(yàn)數(shù)據(jù)而被刪除。以上的不足及問(wèn)題均說(shuō)明該模型仍有許多需要改進(jìn)之處。

參考文獻(xiàn)：

[1]薛薇，陳歡歌編著.基于Clementine的數(shù)據(jù)挖掘[M].中國(guó)人民大學(xué)出版社，2012，3.

[2]李健.基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[D].西安：西安科技大學(xué)碩士學(xué)位論文，2019，4.

[3]金照林.基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)困境預(yù)警研究[D].武漢：武漢理工大學(xué)碩士學(xué)位論文，2005，5.

[4]彭易成.基于數(shù)據(jù)挖掘的上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究[D].成都：成都理工大學(xué)碩士學(xué)位論文，2007，5.

[5]趙芳芳.關(guān)于上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的實(shí)證研究[J].商場(chǎng)現(xiàn)代化，2007，9：24-29.

[6]張秋水，羅林開(kāi)，劉晉明.基于支持向量機(jī)的中國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)[J].計(jì)算機(jī)應(yīng)用，2006，6：105-108.

[7]韓建光，惠曉峰，孫潔.基于多特征子集組合分類(lèi)器的企業(yè)財(cái)務(wù)困境預(yù)測(cè)[J].系統(tǒng)管理學(xué)報(bào)，2010，4：420-427.

[8]吳世農(nóng).我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測(cè)模型研究[J].通信與信息技術(shù)，2001，6：34-38.

[9]陳磊，任若恩.基于比例危險(xiǎn)和主成分模型的公司財(cái)務(wù)困境預(yù)測(cè)[J].財(cái)經(jīng)問(wèn)題研究，2007，9：93-96.

[10]卜耀華.基于數(shù)據(jù)挖掘技術(shù)的企業(yè)財(cái)務(wù)困境預(yù)測(cè)建模[J].計(jì)算機(jī)仿真，2012，6：355-358.