高歌

摘要：隨著社會(huì)主義市場(chǎng)經(jīng)濟(jì)的深入發(fā)展，中小上市企業(yè)有必要建立一套有效的財(cái)務(wù)危機(jī)預(yù)警機(jī)制。本文建立Logistic回歸模型，以2008-2016年40家中小上市公司為樣本，對(duì)財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)分析后提取2個(gè)因子，得到財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。帶回樣本數(shù)據(jù)證明模型綜合準(zhǔn)確率可達(dá)81%，具有較好的預(yù)警作用。

關(guān)鍵詞：Logistic回歸模型；財(cái)務(wù)風(fēng)險(xiǎn)；風(fēng)險(xiǎn)預(yù)警模型

一、引言

隨著社會(huì)主義市場(chǎng)經(jīng)濟(jì)的深入發(fā)展，中小上市企業(yè)已成為推動(dòng)中國(guó)經(jīng)濟(jì)總量不斷增長(zhǎng)的一支重要力量，起到越來(lái)越重要的作用，但是由于中小上市企業(yè)自身約束，與大企業(yè)相比，在融資環(huán)境、內(nèi)部控制制度、法律監(jiān)管等方面都存在一些缺陷，導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)的對(duì)于能力相對(duì)較弱，因此中小上市企業(yè)建立一套有效的財(cái)務(wù)危機(jī)預(yù)警機(jī)制十分必要。

二、文獻(xiàn)綜述

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究方向多為定量分析。上世紀(jì)30年代，國(guó)外學(xué)者就研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型和模型的實(shí)際應(yīng)用，Altman于1968年首先加入多元線性判別方法提出Z值模型，但缺乏對(duì)于現(xiàn)金流變化的考量，于是更多的學(xué)者對(duì)Z值模型進(jìn)行修正，如趙海蕾，周方召，金德環(huán)（2015）結(jié)合SOA算法的良好尋優(yōu)能力，構(gòu)建出適應(yīng)度函數(shù)。

實(shí)際的財(cái)務(wù)數(shù)據(jù)經(jīng)常不滿(mǎn)足多元線性模型的假設(shè)，存在局限。邏輯回歸模型可以避開(kāi)分類(lèi)型變量的分布問(wèn)題，補(bǔ)充完善線性回歸模型和的缺陷。謝赤等（2014）通過(guò)企業(yè)經(jīng)濟(jì)、貨幣及財(cái)政政策等因素為基礎(chǔ)，分別計(jì)算出期望-風(fēng)險(xiǎn)現(xiàn)金流，對(duì)54家ST和非ST公司驗(yàn)證得出預(yù)警正確率分別達(dá)82.5%和81.5%。顧蓓蓓等（2015）通過(guò)參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)篩選指標(biāo)，進(jìn)行l(wèi)ogistic回歸，以關(guān)鍵性因子評(píng)價(jià)企業(yè)各項(xiàng)財(cái)務(wù)能力在財(cái)務(wù)預(yù)警中的作用。

綜上所述，在財(cái)務(wù)預(yù)警中，Logistic模型分析財(cái)務(wù)因素在財(cái)務(wù)預(yù)警中的貢獻(xiàn)、量化企業(yè)陷入財(cái)務(wù)危機(jī)的概率中更具有優(yōu)越性。目前國(guó)內(nèi)對(duì)于中小上市公司的財(cái)務(wù)預(yù)警研究不多，忽視了財(cái)務(wù)危機(jī)在時(shí)間上的連續(xù)性。所以本文選取T-1年到T-2年的數(shù)據(jù)，引入非財(cái)務(wù)指標(biāo)，運(yùn)用logistic回歸方法構(gòu)建符合中小企業(yè)實(shí)際狀況的預(yù)警模型。

三、模型設(shè)計(jì)

行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)即因變量只有1和0時(shí)，符合Logistic回歸分析模型的要求。在本文中把因變量Q=1定義為存在財(cái)務(wù)風(fēng)險(xiǎn)，Q=0定義為健康，符合模型要求。對(duì)于多變量的邏輯回歸分析模型，財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的概率為：

1.樣本選取。針對(duì)行業(yè)內(nèi)公司樣本的選取，本文分為兩類(lèi)；

一類(lèi)為ST公司，ST公司通常是財(cái)務(wù)狀況出現(xiàn)異常，面臨嚴(yán)重的財(cái)務(wù)危機(jī)。本文將T年的數(shù)據(jù)作為預(yù)測(cè)樣本，并以T-2年的數(shù)據(jù)作為檢驗(yàn)樣本。

另一類(lèi)為非ST公司，作為財(cái)務(wù)正常企業(yè)樣本。從中小企業(yè)上市企業(yè)中選取2008-2016年經(jīng)營(yíng)狀況良好40家企業(yè)作為財(cái)務(wù)正常企業(yè)樣本。

2.指標(biāo)的選取。本文選取的指標(biāo)包括財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)，可以有效地提高對(duì)中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確性及精確度。本文的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系包括：營(yíng)運(yùn)能力、盈利能力、償債能力、成長(zhǎng)能力。結(jié)合前人的研究，本文在四個(gè)方面的基礎(chǔ)上，添加了現(xiàn)金流指標(biāo)。非財(cái)務(wù)指標(biāo)從董事會(huì)特性方面提取。

四、實(shí)證分析

1.指標(biāo)篩選。由于指標(biāo)比較多，并且無(wú)法確定其重要性，所以對(duì)指標(biāo)進(jìn)行T檢驗(yàn)。對(duì)于每個(gè)變量的兩組數(shù)據(jù)，選擇平均值和標(biāo)準(zhǔn)差作為描述性統(tǒng)計(jì)量，比較兩組公司2008-2016年的財(cái)務(wù)指標(biāo)的平均值是否具有顯著性差異。（見(jiàn)表1）

從而選取出構(gòu)建模型需要的指標(biāo)：存貨與收入比（x1）、資本報(bào)酬率（x2）、流動(dòng)比率（x3）、營(yíng)業(yè)總收入增長(zhǎng)率（x4）、銷(xiāo)售收入現(xiàn)金凈含量（x5）、第一大股東持股比例（x6），并對(duì)這6個(gè)變量進(jìn)行主成分分析。

由于主成分分析易受到極端值的影響，所以對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后，進(jìn)行后續(xù)分析。通過(guò)SPSS的相關(guān)系數(shù)矩陣分析可以看出，對(duì)存貨與收入比、資本報(bào)酬率、流動(dòng)比率、業(yè)總收入增長(zhǎng)率、銷(xiāo)售收入現(xiàn)金凈含量、第一大股東持股比例之間均有較強(qiáng)的相關(guān)性。

2.主成分分析。在做主成分分析之前通過(guò)KMO和Bartlett的檢驗(yàn)對(duì)變量進(jìn)行相關(guān)性分析，以確定指標(biāo)是否適合做主成分分析。SPSS進(jìn)行KMO和Bartlett的檢驗(yàn)結(jié)果得出，KMO值為0.702說(shuō)明比較適合做主成分分析。（見(jiàn)表2）

前2個(gè)因子的特征值大于1，累計(jì)貢獻(xiàn)率為75.609%，則分析效果是比較顯著的，能夠很好的表達(dá)出原有變量所包含的信息。（見(jiàn)圖1）

F1因子在存貨收入比和銷(xiāo)售收入現(xiàn)金凈含量上有較大的載荷，代表的是經(jīng)營(yíng)能力和現(xiàn)金流量對(duì)企業(yè)的影響因素。

F2因子主要由資產(chǎn)報(bào)酬率、營(yíng)業(yè)總收入增長(zhǎng)率、流動(dòng)比率和第一大股東持股比率解釋?zhuān)淼氖瞧髽I(yè)盈利能力和償債能力。

由矩陣可得出財(cái)務(wù)指標(biāo)與主因子之間的得分系數(shù)矩陣，并得出F1、F2公式：

F1=-0.329x1+0.298x2+0.345x3+0.280x4-0.009x5+0.081x6

F2=0.240x1+0.224x2-0.147x3+0.183x4+ 0.412x5-0.706x6

在構(gòu)建模型時(shí)直接選用進(jìn)入法，將兩個(gè)因子全部帶入模型，得到最終的變量B0， B1， B2， B3， B4，方程中的變量見(jiàn)表3所示；

依據(jù)表3可以得到：

其中X1為存貨與收入比、X2為資本報(bào)酬率、X3為流動(dòng)比率、X4為業(yè)總收入增長(zhǎng)率，X5為銷(xiāo)售收入現(xiàn)金凈含量，X6第一大股東持股比例。

3.模型效果檢驗(yàn)。將T-2年數(shù)據(jù)即建立模型所用數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，回帶入模型可得到綜合準(zhǔn)確率達(dá)81.0%，具備較強(qiáng)的預(yù)測(cè)功能。

五、結(jié)論

本文通過(guò)T檢驗(yàn)篩選相關(guān)指標(biāo)，并使用主成分分析對(duì)16個(gè)指標(biāo)進(jìn)行降維處理，最終提取2個(gè)因子，構(gòu)建Logistic回歸模型。得出的結(jié)論為：第一，使用Logistic模型可以反映出企業(yè)的財(cái)務(wù)狀況，本文所篩選出的影響上市公司中小企業(yè)財(cái)務(wù)危機(jī)的指標(biāo)主要有6個(gè)：存貨與收入比、資本報(bào)酬率、流動(dòng)比率、營(yíng)業(yè)總收入增長(zhǎng)率、銷(xiāo)售收入現(xiàn)金凈含量、第一大股東持股比例。這六個(gè)指標(biāo)為模型的有效性奠定基礎(chǔ)。第二，F(xiàn)1、F2因子主要載荷在經(jīng)營(yíng)能力-現(xiàn)金流量和盈利-償債能力上。這與中小企業(yè)融資難、資金流易斷裂的現(xiàn)實(shí)狀況相符，因此在成長(zhǎng)期應(yīng)更加注重拓寬融資渠道并加強(qiáng)現(xiàn)金流管理。

參考文獻(xiàn)：

[1]Altman E.I.Financial Rations： Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，6（9）： 589-609 .

[2]Duan J， Soussen C， Brie D， et al. Generalized Lasso with underdetermined regularization matrices[J].Signal Processing，2016，127： 239-246.

[3]謝赤，趙亦軍，李為章.基于CF化模型與Logistic回歸的財(cái)務(wù)困境預(yù)警研究[J].財(cái)經(jīng)理論與實(shí)踐，2014，35（1）：57-62.

[4] 顧蓓蓓，盧寧文，駱陽(yáng).上市公司財(cái)務(wù)預(yù)警探析[J].財(cái)會(huì)通訊，2015（10）.

[5]趙海蕾，周方召，金德環(huán).基于人群搜索算法的上市公司的Z-Score模型財(cái)務(wù)預(yù)警研究[J].財(cái)經(jīng)理論與實(shí)踐，2015， 36 （02）：66-70+139.

（作者單位：安徽財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院）