基于Logistic模型的財(cái)務(wù)狀況分類研究

孫萬(wàn)菊

(杭州電子科技大學(xué)經(jīng)濟(jì)學(xué)院，浙江杭州310018)

0 引言

由于外部客觀環(huán)境的不確定性以及企業(yè)自身的局限性，使得企業(yè)經(jīng)營(yíng)面臨著巨大的風(fēng)險(xiǎn)。2008年9月，美國(guó)爆發(fā)了危及全球的金融海嘯，許多企業(yè)紛紛落馬，從企業(yè)本身角度上來(lái)看，這場(chǎng)危機(jī)的產(chǎn)生是由于企業(yè)的過(guò)度負(fù)債，導(dǎo)致財(cái)務(wù)結(jié)構(gòu)極不穩(wěn)定，抗風(fēng)險(xiǎn)的能力差的原因。在我國(guó)金融體系、資本市場(chǎng)、社會(huì)信用體系都很不完善的情況下，伴隨著近幾年股票市場(chǎng)的急劇火爆和投資者理財(cái)觀念的升級(jí)，各個(gè)主體對(duì)于能及早預(yù)測(cè)上市公司財(cái)務(wù)狀況的需求也越來(lái)越強(qiáng)烈。傳統(tǒng)財(cái)務(wù)狀態(tài)分類采取二分法，這種非此即彼的方法過(guò)于簡(jiǎn)單，損失了一些重要的階段性信息。企業(yè)從經(jīng)營(yíng)正常到陷入危機(jī)狀態(tài)，往往是一個(gè)循序漸進(jìn)的過(guò)程。國(guó)外關(guān)于多分類狀態(tài)的研究主要有，根據(jù)財(cái)務(wù)危機(jī)事項(xiàng)的嚴(yán)重程度，提出將財(cái)務(wù)狀況劃分5等級(jí)的財(cái)務(wù)危機(jī)預(yù)測(cè)模型［1］。漸進(jìn)模型描述了一個(gè)財(cái)務(wù)正常公司逐漸變?yōu)槠飘a(chǎn)公司的過(guò)程，符合中國(guó)上市公司的動(dòng)態(tài)生存的實(shí)際情形。我國(guó)學(xué)者在理論和實(shí)證研究中對(duì)財(cái)務(wù)狀況進(jìn)行細(xì)化處理始于2004年，首次在理論上根據(jù)可變現(xiàn)資產(chǎn)與負(fù)債的關(guān)系，將財(cái)務(wù)狀況分為5大類［2］。其后又有提出以財(cái)務(wù)充盈、財(cái)務(wù)均衡、財(cái)務(wù)困境和財(cái)務(wù)危機(jī)為4分類的財(cái)務(wù)困境預(yù)測(cè)模型［3］。Logistic回歸作為一種非線性回歸模型，是對(duì)二分類因變量進(jìn)行回歸分析時(shí)最普遍使用的多元統(tǒng)計(jì)方法。本文結(jié)合我國(guó)證監(jiān)會(huì)對(duì)上市公司因財(cái)務(wù)異常而進(jìn)行的處理方式的實(shí)際情形，采用有序多分類logistic模型將上市公司分為四類，即財(cái)務(wù)狀況穩(wěn)定、財(cái)務(wù)狀況惡化、財(cái)務(wù)危機(jī)、破產(chǎn)或等待退市。

1 數(shù)據(jù)準(zhǔn)備

1.1 樣本選擇與處理

基于財(cái)務(wù)數(shù)據(jù)的公開(kāi)性和獲取的便捷性，綜合上市公司被特殊處理的熱點(diǎn)問(wèn)題，研究將選擇我國(guó)上市公司為研究對(duì)象，對(duì)公司的整體功能進(jìn)行分析。上市公司被特殊處理作為既定事件，具有很強(qiáng)的客觀性、可操作性和可度量性。相比于國(guó)外將破產(chǎn)界定為財(cái)務(wù)危機(jī)的標(biāo)志，在中國(guó)更具實(shí)用性。

因此，本研究認(rèn)定因財(cái)務(wù)異常而被中國(guó)證監(jiān)會(huì)實(shí)施特別處理的公司處于財(cái)務(wù)惡化狀態(tài)，因連續(xù)3年虧損而被處以退市警告的為財(cái)務(wù)危機(jī)狀態(tài)。文中以上市公司被特殊處理年份作為標(biāo)準(zhǔn)年份，收集前三年數(shù)據(jù)展開(kāi)財(cái)務(wù)狀況分類研究，按照1∶1配對(duì)原則選取2011年滬深A(yù)股的182家被特殊處理和財(cái)務(wù)正常公司。非ST公司即財(cái)務(wù)正常公司的配對(duì)遵循以下幾個(gè)原則:(1)相同或相近的行業(yè);(2)公司財(cái)務(wù)經(jīng)營(yíng)正常，業(yè)績(jī)良好;(3)公司資產(chǎn)規(guī)模相近，如沒(méi)有合適的配對(duì)樣本，則選取差距最小的。

1.2 備選指標(biāo)變量篩擇

在財(cái)務(wù)指標(biāo)應(yīng)用的研究領(lǐng)域中，對(duì)指標(biāo)的選擇并未有統(tǒng)一的范式規(guī)定。本文借鑒以往研究中的經(jīng)驗(yàn)，考慮指標(biāo)的全面性、可操作性以及敏感性，初步選取25個(gè)備選指標(biāo)體系。要建立準(zhǔn)確的分類模型，各分類財(cái)務(wù)狀態(tài)間必須滿足互斥性。因此，首先要采用K-S檢驗(yàn)來(lái)檢驗(yàn)變量是否服從正態(tài)分布，然后綜合正態(tài)分布檢驗(yàn)的結(jié)果，進(jìn)行均值差異性檢驗(yàn)。

如表1所示，K-S正態(tài)檢驗(yàn)結(jié)果表明，在5%的顯著性水平上所有備選指標(biāo)均不符合正態(tài)分布;因此，進(jìn)一步采用K獨(dú)立樣本非參數(shù)檢驗(yàn)，選擇有顯著性差異的有用指標(biāo)。結(jié)果表明，應(yīng)剔除X1、X3、X10、X11、X19、X24，而選擇具有顯著差異的其他17個(gè)財(cái)務(wù)指標(biāo)組成的指標(biāo)體系。

表1 K_S正態(tài)檢驗(yàn)和K獨(dú)立樣本非參數(shù)檢驗(yàn)結(jié)果

2 實(shí)證分析

2.1 主成分分析

由于不同的財(cái)務(wù)指標(biāo)之間存在一定程度的相關(guān)性，影響財(cái)務(wù)狀況分類模型的準(zhǔn)確度。因此，必須消除變量之間的多重共線性，并確保模型的穩(wěn)健性。本文中采用主成分法，能夠不遺漏原始指標(biāo)所蘊(yùn)含的內(nèi)在信息，同時(shí)提取財(cái)務(wù)能力的影響因子。結(jié)果表明，在顯著性水平為0.05的情況下，KMO測(cè)試值為0.678，Bartlett卡方值1 482.403，即17個(gè)財(cái)務(wù)指標(biāo)變量之間存在相關(guān)性，適合進(jìn)行主成分分析，結(jié)果如表2所示。

表2 主成分分析

根據(jù)表2結(jié)果，按照累計(jì)貢獻(xiàn)率法，提取對(duì)原始數(shù)據(jù)信息涵蓋率達(dá)到85.791%的9個(gè)主成分。

2.2 模型建立與求解

根據(jù)多類別的logistic回歸模型的理論模型以及SPSS操作［4］。用SPSS軟件進(jìn)行處理，得到結(jié)果如表3所示。

表3 Logistic回歸分析

模型的各項(xiàng)系數(shù)的估計(jì)值如表3 所示，其中各類分界值為 μ0=0，μ1=0.135，μ2=1.58，μ3=2.75。

2.3 模型檢驗(yàn)

模型結(jié)果分析的一個(gè)重要工作是進(jìn)行模型的評(píng)估與檢驗(yàn)。將建立模型的訓(xùn)練樣本回帶到有序多分類的logistic模型，對(duì)樣本進(jìn)行回判檢驗(yàn)，具體結(jié)果如表4所示。

通過(guò)表3，4的結(jié)果顯示，模型擬合在95%的置信水平上通過(guò)了擬合優(yōu)度的檢驗(yàn)，同時(shí)回判的總體準(zhǔn)確率達(dá)到了76.23%。因此，建立的有序多分類logistic模型總體效果還是比較好的。

表4 回判檢驗(yàn)結(jié)果

3 結(jié)束語(yǔ)

針對(duì)上市公司被ST的熱點(diǎn)問(wèn)題，本文從實(shí)證角度研究了財(cái)務(wù)惡化的漸變過(guò)程，在傳統(tǒng)二分類的基礎(chǔ)上建立了四分類的多級(jí)財(cái)務(wù)危機(jī)預(yù)警模型。結(jié)果表明，預(yù)測(cè)準(zhǔn)確率達(dá)76.23%。多分類研究避免了簡(jiǎn)單二分類的粗糙性而具有較大的應(yīng)用價(jià)值。同時(shí)模型具體數(shù)據(jù)的展示結(jié)果得到的是一個(gè)概率值，給人直觀明了的感覺(jué)，在實(shí)際運(yùn)用中非常簡(jiǎn)單方便。

由于模型局限性，本文只考慮了公司財(cái)務(wù)狀況持續(xù)惡化趨勢(shì)的情況。另外，在我國(guó)上市公司中，很多被特殊處理的公司因重組、新資金的注入、借殼等原因而被摘帽?；谶@些原因并不是公司自身經(jīng)營(yíng)的結(jié)果，在模型中很難做出描述。為獲得更精確的預(yù)測(cè)和判別效果，今后研究方向可以考慮動(dòng)態(tài)的預(yù)測(cè)模型和轉(zhuǎn)移概率模型。

［1］Amy Hing-Ling Lau.A Five-state Financial Distress Prediction Model［J］.Journal of Accounting research，1987，25(1):127－138.

［2］吳世農(nóng)，趙巖.上市公司狀況多分類研究［J］.會(huì)計(jì)研究，2004，(11):53－61.

［3］李珊.基于財(cái)務(wù)狀況多分類的財(cái)務(wù)困境模型研究［D］.杭州:浙江大學(xué)，2009.

［4］朱紅兵.應(yīng)用統(tǒng)計(jì)與SPSS應(yīng)用［M］.北京:電子工業(yè)出版社，2011:605－625.

［5］宋淑琴.現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)研究［D］.大連:東北財(cái)經(jīng)大學(xué)，2005.