上市公司財(cái)務(wù)預(yù)警的面板logit模型

張醒洲　張瑞麗

摘要：本文利用1989-2012年上市公司財(cái)務(wù)數(shù)據(jù)建立面板logit回歸模型，對(duì)上市公司下一年虧損情況進(jìn)行預(yù)測(cè)。研究結(jié)果表明，上市公司財(cái)務(wù)預(yù)警的面板logit模型在預(yù)測(cè)上市公司是否會(huì)虧損方面具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財(cái)務(wù)預(yù)警 面板logit

一、引言

資本市場(chǎng)建立以來(lái)，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財(cái)務(wù)困境，甚至面臨生存危機(jī)。而企業(yè)一旦出現(xiàn)虧損，就會(huì)影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財(cái)務(wù)預(yù)警的建立對(duì)上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實(shí)意義。

財(cái)務(wù)預(yù)警通過(guò)對(duì)上市公司財(cái)務(wù)指標(biāo)進(jìn)行統(tǒng)計(jì)分析來(lái)預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困境的可能性。Beaver（1966）使用了30個(gè)財(cái)務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財(cái)務(wù)指標(biāo)后，提出了單變量預(yù)測(cè)模型。Altman（1968）綜合了5個(gè)財(cái)務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計(jì)分模型大大提高了模型的預(yù)測(cè)能力。Ohlson（1980）使用了多元Logistic回歸建立了財(cái)務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標(biāo)有顯著的預(yù)測(cè)能力。此外，Olson（2012）還使用了支持向量機(jī)等數(shù)據(jù)挖掘方法研究財(cái)務(wù)破產(chǎn)預(yù)警。國(guó)內(nèi)財(cái)務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進(jìn)行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國(guó)制造業(yè)40家ST上市公司和260家非ST上市公司進(jìn)行實(shí)證研究，采取Cox生存模型進(jìn)行財(cái)務(wù)困境預(yù)測(cè)。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進(jìn)行來(lái)對(duì)比建立預(yù)測(cè)模型，而公司陷入財(cái)務(wù)困境是個(gè)動(dòng)態(tài)的過(guò)程。為了給投資者等提供更為詳細(xì)的反映公司未來(lái)財(cái)務(wù)狀況的信息，應(yīng)該對(duì)上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測(cè)模型，預(yù)測(cè)上市公司下一年度虧損的可能性。

二、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來(lái)源

本文選取1989-2012年滬深主板A股虧損過(guò)的上市公司作為虧損公司樣本，同時(shí)要求虧損前至少三年的財(cái)務(wù)數(shù)據(jù)，同時(shí)將從未虧損過(guò)的上市公司作為未虧損公司樣本。對(duì)于兩類樣本的數(shù)量問(wèn)題，本文并未遵循配對(duì)原則，因?yàn)榕鋵?duì)會(huì)高估模型的準(zhǔn)確率。對(duì)于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對(duì)于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時(shí)間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對(duì)于非虧損公司的數(shù)據(jù)處理方式，只需對(duì)公司年份賦值，處理方式與對(duì)虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來(lái)源于RESSET金融研究數(shù)據(jù)庫(kù)，以SPSS19.0和Stata10.0軟件進(jìn)行數(shù)據(jù)分析。

（二）研究變量

上市公司的財(cái)務(wù)指標(biāo)主要包括盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和資產(chǎn)結(jié)構(gòu)五個(gè)方面，為了建立全面的上市公司財(cái)務(wù)預(yù)警模型，本文初步選取了25個(gè)財(cái)務(wù)指標(biāo)作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強(qiáng)的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來(lái)提取財(cái)務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達(dá)式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗(yàn)

（二）模型預(yù)測(cè)效果檢驗(yàn)

在運(yùn)用面板Logit模型進(jìn)行判別時(shí)，通常將0.5作為概率閾值，即當(dāng)P0.5時(shí)，公司被認(rèn)為將會(huì)虧損，否則認(rèn)為不虧損。但閾值定的過(guò)高或過(guò)低都會(huì)影響模型的準(zhǔn)確率。因此，為了提高判斷的正確率，本文通過(guò)多次測(cè)試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測(cè)結(jié)果見表5。虧損公司被錯(cuò)判為非虧損公司的比率為1.52%，非虧損公司被錯(cuò)判為虧損公司的比率為2.57%，面板Logit模型預(yù)測(cè)準(zhǔn)確率高達(dá)97.5%。

五、結(jié)束語(yǔ)

本文通過(guò)對(duì)上市公司財(cái)務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財(cái)務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財(cái)務(wù)預(yù)警模型反映了上市公司虧損概率與財(cái)務(wù)指標(biāo)之間的關(guān)系；資產(chǎn)報(bào)酬率、營(yíng)業(yè)利潤(rùn)率、利潤(rùn)總額增長(zhǎng)率等指標(biāo)是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財(cái)務(wù)預(yù)警模型的面板Logit模型對(duì)預(yù)測(cè)上市公司虧損可能性具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

參考文獻(xiàn)：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財(cái)務(wù)困境預(yù)測(cè)研究[J].商業(yè)研究，2013，11：108-116endprint

摘要：本文利用1989-2012年上市公司財(cái)務(wù)數(shù)據(jù)建立面板logit回歸模型，對(duì)上市公司下一年虧損情況進(jìn)行預(yù)測(cè)。研究結(jié)果表明，上市公司財(cái)務(wù)預(yù)警的面板logit模型在預(yù)測(cè)上市公司是否會(huì)虧損方面具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財(cái)務(wù)預(yù)警 面板logit

一、引言

資本市場(chǎng)建立以來(lái)，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財(cái)務(wù)困境，甚至面臨生存危機(jī)。而企業(yè)一旦出現(xiàn)虧損，就會(huì)影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財(cái)務(wù)預(yù)警的建立對(duì)上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實(shí)意義。

財(cái)務(wù)預(yù)警通過(guò)對(duì)上市公司財(cái)務(wù)指標(biāo)進(jìn)行統(tǒng)計(jì)分析來(lái)預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困境的可能性。Beaver（1966）使用了30個(gè)財(cái)務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財(cái)務(wù)指標(biāo)后，提出了單變量預(yù)測(cè)模型。Altman（1968）綜合了5個(gè)財(cái)務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計(jì)分模型大大提高了模型的預(yù)測(cè)能力。Ohlson（1980）使用了多元Logistic回歸建立了財(cái)務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標(biāo)有顯著的預(yù)測(cè)能力。此外，Olson（2012）還使用了支持向量機(jī)等數(shù)據(jù)挖掘方法研究財(cái)務(wù)破產(chǎn)預(yù)警。國(guó)內(nèi)財(cái)務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進(jìn)行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國(guó)制造業(yè)40家ST上市公司和260家非ST上市公司進(jìn)行實(shí)證研究，采取Cox生存模型進(jìn)行財(cái)務(wù)困境預(yù)測(cè)。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進(jìn)行來(lái)對(duì)比建立預(yù)測(cè)模型，而公司陷入財(cái)務(wù)困境是個(gè)動(dòng)態(tài)的過(guò)程。為了給投資者等提供更為詳細(xì)的反映公司未來(lái)財(cái)務(wù)狀況的信息，應(yīng)該對(duì)上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測(cè)模型，預(yù)測(cè)上市公司下一年度虧損的可能性。

二、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來(lái)源

本文選取1989-2012年滬深主板A股虧損過(guò)的上市公司作為虧損公司樣本，同時(shí)要求虧損前至少三年的財(cái)務(wù)數(shù)據(jù)，同時(shí)將從未虧損過(guò)的上市公司作為未虧損公司樣本。對(duì)于兩類樣本的數(shù)量問(wèn)題，本文并未遵循配對(duì)原則，因?yàn)榕鋵?duì)會(huì)高估模型的準(zhǔn)確率。對(duì)于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對(duì)于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時(shí)間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對(duì)于非虧損公司的數(shù)據(jù)處理方式，只需對(duì)公司年份賦值，處理方式與對(duì)虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來(lái)源于RESSET金融研究數(shù)據(jù)庫(kù)，以SPSS19.0和Stata10.0軟件進(jìn)行數(shù)據(jù)分析。

（二）研究變量

上市公司的財(cái)務(wù)指標(biāo)主要包括盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和資產(chǎn)結(jié)構(gòu)五個(gè)方面，為了建立全面的上市公司財(cái)務(wù)預(yù)警模型，本文初步選取了25個(gè)財(cái)務(wù)指標(biāo)作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強(qiáng)的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來(lái)提取財(cái)務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達(dá)式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗(yàn)

（二）模型預(yù)測(cè)效果檢驗(yàn)

在運(yùn)用面板Logit模型進(jìn)行判別時(shí)，通常將0.5作為概率閾值，即當(dāng)P0.5時(shí)，公司被認(rèn)為將會(huì)虧損，否則認(rèn)為不虧損。但閾值定的過(guò)高或過(guò)低都會(huì)影響模型的準(zhǔn)確率。因此，為了提高判斷的正確率，本文通過(guò)多次測(cè)試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測(cè)結(jié)果見表5。虧損公司被錯(cuò)判為非虧損公司的比率為1.52%，非虧損公司被錯(cuò)判為虧損公司的比率為2.57%，面板Logit模型預(yù)測(cè)準(zhǔn)確率高達(dá)97.5%。

五、結(jié)束語(yǔ)

本文通過(guò)對(duì)上市公司財(cái)務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財(cái)務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財(cái)務(wù)預(yù)警模型反映了上市公司虧損概率與財(cái)務(wù)指標(biāo)之間的關(guān)系；資產(chǎn)報(bào)酬率、營(yíng)業(yè)利潤(rùn)率、利潤(rùn)總額增長(zhǎng)率等指標(biāo)是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財(cái)務(wù)預(yù)警模型的面板Logit模型對(duì)預(yù)測(cè)上市公司虧損可能性具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

參考文獻(xiàn)：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財(cái)務(wù)困境預(yù)測(cè)研究[J].商業(yè)研究，2013，11：108-116endprint

摘要：本文利用1989-2012年上市公司財(cái)務(wù)數(shù)據(jù)建立面板logit回歸模型，對(duì)上市公司下一年虧損情況進(jìn)行預(yù)測(cè)。研究結(jié)果表明，上市公司財(cái)務(wù)預(yù)警的面板logit模型在預(yù)測(cè)上市公司是否會(huì)虧損方面具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

關(guān)鍵詞：面板數(shù)據(jù) 財(cái)務(wù)預(yù)警 面板logit

一、引言

資本市場(chǎng)建立以來(lái)，不少上市公司出現(xiàn)虧損現(xiàn)象，陷入財(cái)務(wù)困境，甚至面臨生存危機(jī)。而企業(yè)一旦出現(xiàn)虧損，就會(huì)影響投資者、債權(quán)人和企業(yè)自身的利益。因此，財(cái)務(wù)預(yù)警的建立對(duì)上市公司所有的利益相關(guān)者都具有重要的現(xiàn)實(shí)意義。

財(cái)務(wù)預(yù)警通過(guò)對(duì)上市公司財(cái)務(wù)指標(biāo)進(jìn)行統(tǒng)計(jì)分析來(lái)預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困境的可能性。Beaver（1966）使用了30個(gè)財(cái)務(wù)變量，比較分析了破產(chǎn)公司和健康公司的財(cái)務(wù)指標(biāo)后，提出了單變量預(yù)測(cè)模型。Altman（1968）綜合了5個(gè)財(cái)務(wù)變量，提出了Z-score多元線性判別模型，研究表明Z計(jì)分模型大大提高了模型的預(yù)測(cè)能力。Ohlson（1980）使用了多元Logistic回歸建立了財(cái)務(wù)預(yù)警模型，克服了多元判別分析模型的局限性，并發(fā)現(xiàn)公司規(guī)模和資本結(jié)構(gòu)等指標(biāo)有顯著的預(yù)測(cè)能力。此外，Olson（2012）還使用了支持向量機(jī)等數(shù)據(jù)挖掘方法研究財(cái)務(wù)破產(chǎn)預(yù)警。國(guó)內(nèi)財(cái)務(wù)預(yù)警的研究起步較晚，陳靜（1999）以1998年27家ST公司和非ST公司為樣本，進(jìn)行了單變量分析和多元線性判定分析。朱永明和邵庚云（2013）選取我國(guó)制造業(yè)40家ST上市公司和260家非ST上市公司進(jìn)行實(shí)證研究，采取Cox生存模型進(jìn)行財(cái)務(wù)困境預(yù)測(cè)。

目前大多數(shù)研究把樣本分為ST公司和非ST公司進(jìn)行來(lái)對(duì)比建立預(yù)測(cè)模型，而公司陷入財(cái)務(wù)困境是個(gè)動(dòng)態(tài)的過(guò)程。為了給投資者等提供更為詳細(xì)的反映公司未來(lái)財(cái)務(wù)狀況的信息，應(yīng)該對(duì)上市公司單年虧損的情況引起足夠的重視。因此，本文試圖利用面板數(shù)據(jù)建立上市公司虧損情況的預(yù)測(cè)模型，預(yù)測(cè)上市公司下一年度虧損的可能性。

二、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來(lái)源

本文選取1989-2012年滬深主板A股虧損過(guò)的上市公司作為虧損公司樣本，同時(shí)要求虧損前至少三年的財(cái)務(wù)數(shù)據(jù)，同時(shí)將從未虧損過(guò)的上市公司作為未虧損公司樣本。對(duì)于兩類樣本的數(shù)量問(wèn)題，本文并未遵循配對(duì)原則，因?yàn)榕鋵?duì)會(huì)高估模型的準(zhǔn)確率。對(duì)于虧損公司中的ST公司，只選取第一次出現(xiàn)虧損前的數(shù)據(jù)；對(duì)于虧損公司中的非ST公司，若出現(xiàn)多次虧損，則保留不同時(shí)間段，如1993年上市的江南紅箭（000519）在2004年、2008年分別出現(xiàn)虧損情況，則分別保留1998-2004年和2005-2008年的數(shù)據(jù)，年份分別以1-7和1-4代替。為保證面板數(shù)據(jù)的非重復(fù)性，第二段數(shù)據(jù)（1-4）的股票代碼后加1，即0005191，其他虧損上市公司數(shù)據(jù)處理方式類似。對(duì)于非虧損公司的數(shù)據(jù)處理方式，只需對(duì)公司年份賦值，處理方式與對(duì)虧損公司年份賦值一樣。剔除數(shù)據(jù)缺失和異常的上市公司后，本文最終確定了1775條虧損公司樣本和2112條非虧損公司樣本。數(shù)據(jù)均來(lái)源于RESSET金融研究數(shù)據(jù)庫(kù)，以SPSS19.0和Stata10.0軟件進(jìn)行數(shù)據(jù)分析。

（二）研究變量

上市公司的財(cái)務(wù)指標(biāo)主要包括盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和資產(chǎn)結(jié)構(gòu)五個(gè)方面，為了建立全面的上市公司財(cái)務(wù)預(yù)警模型，本文初步選取了25個(gè)財(cái)務(wù)指標(biāo)作為研究變量。具體變量見表1。

（三）研究方法

1、因子提取

如果解釋變量之間存在較強(qiáng)的相關(guān)性，那么容易產(chǎn)生多重共線性，因此本文采用主成分分析來(lái)提取財(cái)務(wù)預(yù)警模型的影響因子，消除多重共線性的影響。數(shù)學(xué)表達(dá)式為：

2、模型的選擇

三、模型變量的選取

（一）均值差異檢驗(yàn)

（二）模型預(yù)測(cè)效果檢驗(yàn)

在運(yùn)用面板Logit模型進(jìn)行判別時(shí)，通常將0.5作為概率閾值，即當(dāng)P0.5時(shí)，公司被認(rèn)為將會(huì)虧損，否則認(rèn)為不虧損。但閾值定的過(guò)高或過(guò)低都會(huì)影響模型的準(zhǔn)確率。因此，為了提高判斷的正確率，本文通過(guò)多次測(cè)試，最終選擇0.05作為最優(yōu)閥值，模型的預(yù)測(cè)結(jié)果見表5。虧損公司被錯(cuò)判為非虧損公司的比率為1.52%，非虧損公司被錯(cuò)判為虧損公司的比率為2.57%，面板Logit模型預(yù)測(cè)準(zhǔn)確率高達(dá)97.5%。

五、結(jié)束語(yǔ)

本文通過(guò)對(duì)上市公司財(cái)務(wù)數(shù)據(jù)的分析，建立了基于面板logit的財(cái)務(wù)預(yù)警模型，并且模型的研究樣本充分考慮了公司不連續(xù)發(fā)生虧損的情況，研究結(jié)果表明：基于面板Logit模型的上市公司財(cái)務(wù)預(yù)警模型反映了上市公司虧損概率與財(cái)務(wù)指標(biāo)之間的關(guān)系；資產(chǎn)報(bào)酬率、營(yíng)業(yè)利潤(rùn)率、利潤(rùn)總額增長(zhǎng)率等指標(biāo)是減緩上市公司下一年度發(fā)生虧損的因素，固定資產(chǎn)比率是加速上市公司發(fā)生虧損的因素；財(cái)務(wù)預(yù)警模型的面板Logit模型對(duì)預(yù)測(cè)上市公司虧損可能性具有較高的準(zhǔn)確率，可為投資者提供一定的參考。

參考文獻(xiàn)：

[1]Beaver W.H. Financial ratios as predictors of failure[J]. Journal of accounting research， 1966： 71-111

[2]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The journal of finance， 1968， 23（4）： 589-609

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of accounting research， 1980， 18（1）： 109-131

[4]Olson D L， Delen D， Meng Y. Comparative analysis of data mining methods for bankruptcy prediction[J]. Decision Support Systems， 2012， 52（2）： 464-473

[5]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究， 1999， （ 4）： 31-38

[6]朱永明，邵庚云.基于Cox生存模型的上市公司財(cái)務(wù)困境預(yù)測(cè)研究[J].商業(yè)研究，2013，11：108-116endprint