基于C&R樹(shù)的上市公司財(cái)務(wù)危機(jī)預(yù)警研究

張鵬 劉勇波 李明

【摘 要】 隨著經(jīng)濟(jì)的全球化和大數(shù)據(jù)時(shí)代的到來(lái)，企業(yè)的風(fēng)險(xiǎn)意識(shí)也進(jìn)一步加強(qiáng)，上市公司都迫切需要時(shí)刻把握其財(cái)務(wù)狀況。故從資產(chǎn)管理能力、盈利能力、營(yíng)運(yùn)能力、償債能力和成長(zhǎng)能力五個(gè)方面構(gòu)建了上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系，并基于PCA和數(shù)據(jù)挖掘技術(shù)構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警模型，來(lái)對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行判別。通過(guò)利用C&R樹(shù)、Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等方法分別建模。比較發(fā)現(xiàn)，基于C&R樹(shù)的預(yù)警模型具有更好的精確度，并根據(jù)該模型的分析結(jié)果，給出了相應(yīng)的預(yù)防對(duì)策及建議。

【關(guān)鍵詞】 財(cái)務(wù)危機(jī)； 主成分分析法（PCA）； 分類(lèi)與回歸（C&R）樹(shù)； 預(yù)警模型

中圖分類(lèi)號(hào)：F810.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2015）04-0048-04

引 言

隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的不斷完善，企業(yè)在高速發(fā)展的同時(shí)，也不斷地受到各種風(fēng)險(xiǎn)的沖擊，尤其是隨著大數(shù)據(jù)時(shí)代的到來(lái)，信息的重要性被提高到一個(gè)更加重要的地位。上市公司作為其中比較優(yōu)秀的組成部分，更重視風(fēng)險(xiǎn)預(yù)警的研究。國(guó)內(nèi)外學(xué)者在這方面都進(jìn)行了大量的研究，并取得了大量成果。例如2013年Tomasz Korol選取了在華沙證券交易所上市的185家公司和來(lái)自墨西哥、阿根廷、秘魯、巴西和智利證券交易所上市的60家公司的財(cái)務(wù)數(shù)據(jù)作為樣本，選取14個(gè)財(cái)務(wù)比率指標(biāo)構(gòu)建了指標(biāo)體系，并采用判別分析、決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)方法分別構(gòu)建了預(yù)警模型，并對(duì)公司的財(cái)務(wù)危機(jī)進(jìn)行了有效的識(shí)別。2009年韓宇豪和張衛(wèi)東采用遺傳算法來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的權(quán)重，提出了改進(jìn)的神經(jīng)網(wǎng)絡(luò)評(píng)估模型用于財(cái)務(wù)危機(jī)的評(píng)估，通過(guò)利用Matlab工具箱來(lái)進(jìn)行仿真，仿真結(jié)果證明了該方法的可行性和有效性。2009年我國(guó)學(xué)者岳上植和張廣柱以滬深兩市A股上市公司的數(shù)據(jù)為樣本，采用距離判別分析法構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行了分析。2011年劉宏洲以中國(guó)電器業(yè)上市公司為例，提出了Z計(jì)分模型用于財(cái)務(wù)危機(jī)預(yù)警研究。周喜和吳可夫在2012年選取了30家ST和90家非ST的上市公司的財(cái)務(wù)數(shù)據(jù)作為樣本，基于混合粗糙集與ANN方法構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警模型，并取得了較高的財(cái)務(wù)危機(jī)預(yù)測(cè)準(zhǔn)確率。2013年魏明謀等選取了36家ST公司和36家非ST公司的數(shù)據(jù)作為樣本，采用因子分析法構(gòu)建了金融長(zhǎng)期預(yù)警模型，結(jié)果表明該模型能有效地規(guī)避金融危機(jī)。2013年李紅梅和田景鮮等以滬深兩市A股制造業(yè)上市公司的財(cái)務(wù)數(shù)據(jù)為樣本，構(gòu)建了以財(cái)務(wù)指標(biāo)與公司治理指標(biāo)相結(jié)合的邏輯回歸模型，對(duì)公司的財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，取得了良好的預(yù)測(cè)效果?？梢钥闯?，前人在這方面的研究主要是采用一些判別分析、回歸分析以及神經(jīng)網(wǎng)絡(luò)的方法來(lái)構(gòu)建預(yù)警模型對(duì)財(cái)務(wù)危機(jī)加以預(yù)測(cè)，并不斷優(yōu)化預(yù)警模型的準(zhǔn)確度。

鑒于此，本文結(jié)合PCA與C&R樹(shù)這兩種方法的優(yōu)點(diǎn)，構(gòu)建了上市公司財(cái)務(wù)危機(jī)預(yù)警模型，并與Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)等方法構(gòu)建的模型進(jìn)行比較，驗(yàn)證了本文模型的優(yōu)越性，同時(shí)由C&R樹(shù)方法生成的決策樹(shù)圖又能很好地給出最終判斷的依據(jù)，指出導(dǎo)致企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)的薄弱點(diǎn)，使得我們可以有針對(duì)性地加以彌補(bǔ)，從而有效地規(guī)避財(cái)務(wù)危機(jī)的發(fā)生，這樣不僅能很好地預(yù)測(cè)危機(jī)的存在，同時(shí)也能很好地防范危機(jī)的發(fā)生。

一、上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系的構(gòu)建

預(yù)警指標(biāo)的選取對(duì)預(yù)警模型的性能具有重要的影響。為了體現(xiàn)指標(biāo)選取的科學(xué)性，本文從反映企業(yè)財(cái)務(wù)狀況的資產(chǎn)管理能力、盈利能力、營(yíng)運(yùn)能力、償債能力和成長(zhǎng)能力五個(gè)方面著手，統(tǒng)計(jì)了從2005—2013年國(guó)內(nèi)外發(fā)表的與財(cái)務(wù)預(yù)警相關(guān)的共150篇論文，挑選其中使用頻數(shù)≥50，且對(duì)最終預(yù)測(cè)模型有顯著貢獻(xiàn)的評(píng)價(jià)指標(biāo)作為本文評(píng)價(jià)指標(biāo)體系的組成部分。最終的選取結(jié)果如表1所示。

利用最終選取的22個(gè)評(píng)價(jià)指標(biāo)構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警評(píng)價(jià)指標(biāo)體系，并根據(jù)收集到的75家上市公司的財(cái)務(wù)數(shù)據(jù)對(duì)指標(biāo)進(jìn)行了可靠性分析，分析結(jié)果如表2所示。

根據(jù)分析結(jié)果可以得出，本文選取的指標(biāo)可以滿足可靠性要求，進(jìn)一步驗(yàn)證了本文所構(gòu)建的指標(biāo)體系的合理性。

二、上市公司財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建

（一）樣本的收集

為了保證樣本具有一定的代表性，本文在進(jìn)行樣本的選擇時(shí)，按照12的比例從醫(yī)療器械及醫(yī)療服務(wù)、出版?zhèn)髅?、信息服?wù)、陸路運(yùn)輸和醫(yī)藥生物共5個(gè)行業(yè)選取了25家ST公司和50家非ST公司的財(cái)務(wù)數(shù)據(jù)作為研究樣本。數(shù)據(jù)的收集來(lái)自于同花順炒股軟件上公布的各上市公司的年報(bào)。

（二）主成分分析

本文采用主成分分析來(lái)對(duì)選取的22個(gè)指標(biāo)進(jìn)行簡(jiǎn)化，最終得到各上市公司在盈利能力、資產(chǎn)管理能力、營(yíng)運(yùn)能力、償債能力和成長(zhǎng)能力這五個(gè)方面的得分。表3—表5是以盈利能力為例的主成分分析的計(jì)算過(guò)程。

根據(jù)表3、表4和表5可以看出，在盈利能力Z1方面抽取出一個(gè)主成分，該主成分的計(jì)算公式如下：

F11=（0.984×主營(yíng)業(yè)務(wù)利潤(rùn)率+0.972×凈利潤(rùn)率+

0.850×總資產(chǎn)收益率+0.973×毛利率）

根據(jù)上式計(jì)算得到的結(jié)果，可以求得盈利能力得分，計(jì)算公式如下：

Z1=0.89569×F11 （1）

同理依次可以得到資產(chǎn)管理能力Z2、營(yíng)運(yùn)能力Z3、償債能力Z4、成長(zhǎng)能力Z5的計(jì)算公式如下：

Z2=0.52151×F21+0.34199×F22 （2）

Z3=0.78144×F31 （3）

Z4=0.66550×F41+0.20390×F42 （4）

Z5=0.54931×F51+0.33118×F52 （5）

根據(jù)公式（1）—（5）分別計(jì)算出盈利能力、資產(chǎn)管理能力、營(yíng)運(yùn)能力、償債能力和成長(zhǎng)能力這五個(gè)方面的得分，可以最終得到這75家上市公司在這五個(gè)方面的相應(yīng)得分。

（三）C&R樹(shù)建模

從以上得到的75家上市公司的得分?jǐn)?shù)據(jù)中選取20家ST公司和40家非ST公司的財(cái)務(wù)數(shù)據(jù)組成訓(xùn)練樣本，剩下的5家ST公司和10家非ST公司的財(cái)務(wù)數(shù)據(jù)作為檢驗(yàn)樣本，并利用Clementine平臺(tái)建立C&R樹(shù)預(yù)警模型，模型如圖1所示。

以上模型的多模型分析節(jié)點(diǎn)的運(yùn)行結(jié)果如表6所示。

根據(jù)表6可知，基于C&R樹(shù)的財(cái)務(wù)危機(jī)預(yù)警模型具有最好的效果，因此本文選用了C&R樹(shù)方法來(lái)進(jìn)行上市公司財(cái)務(wù)危機(jī)預(yù)警的建模。利用訓(xùn)練樣本來(lái)對(duì)建立的預(yù)警模型進(jìn)行訓(xùn)練，訓(xùn)練得到的規(guī)則集如圖2。

根據(jù)圖2，可以得到以下規(guī)則：（1）當(dāng)盈利能力得分≤0.006時(shí)，該企業(yè)存在財(cái)務(wù)危機(jī)。（2）當(dāng)盈利能力得分>0.006、償債能力得分≤1.355、資產(chǎn)管理能力得分≤1.333時(shí)，該企業(yè)存在財(cái)務(wù)危機(jī)。（3）當(dāng)盈利能力得分>0.006、償債能力得分≤1.355、資產(chǎn)管理能力得分>1.333時(shí)，該企業(yè)不存在財(cái)務(wù)危機(jī)。（4）當(dāng)盈利能力得分>0.006、償債能力得分>1.355時(shí)，該企業(yè)不存在財(cái)務(wù)危機(jī)。能力重要性示意圖見(jiàn)圖3。

（四）模型的驗(yàn)證與分析

利用檢驗(yàn)樣本來(lái)對(duì)訓(xùn)練好的預(yù)警模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表7所示。

檢驗(yàn)的結(jié)果表明，該模型在上市公司財(cái)務(wù)危機(jī)預(yù)警方面具有很好的預(yù)警準(zhǔn)確度。根據(jù)變量重要性圖可以看出，在上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)方面起主要影響作用的在于盈利能力、資產(chǎn)管理能力和償債能力，其中盈利能力的影響最大。由規(guī)則集圖可以得到以下結(jié)論：當(dāng)盈利能力得分小于等于0.006時(shí)，該企業(yè)存在財(cái)務(wù)危機(jī)，導(dǎo)致的主要原因在于盈利能力不足，當(dāng)這種情況出現(xiàn)時(shí)，應(yīng)該采取一些能增強(qiáng)企業(yè)盈利能力的措施來(lái)緩解財(cái)務(wù)危機(jī)。當(dāng)盈利能力得分大于0.006、償債能力得分小于等于1.355、資產(chǎn)管理能力小于等于1.333時(shí)，該企業(yè)存在財(cái)務(wù)危機(jī)，而導(dǎo)致該情況出現(xiàn)的關(guān)鍵限制因素在于資產(chǎn)管理能力的不足，因此需要提高企業(yè)的資產(chǎn)管理能力。而其他情況下，企業(yè)的財(cái)務(wù)狀況良好。

三、結(jié)論

本文以75家上市公司的財(cái)務(wù)數(shù)據(jù)作為樣本，利用PCA和C&R樹(shù)方法構(gòu)建了上市公司財(cái)務(wù)危機(jī)預(yù)警模型，并通過(guò)與目前常用的幾種方法構(gòu)建的模型進(jìn)行比較，發(fā)現(xiàn)本文所構(gòu)建的模型在各項(xiàng)評(píng)估指標(biāo)上均具有更好的效果，且通過(guò)對(duì)模型的訓(xùn)練以及驗(yàn)證表明：該模型的判別準(zhǔn)確度達(dá)到了100%。同時(shí)在模型的判別過(guò)程中還得到了判別的規(guī)則集，利用該規(guī)則集可以有效找出導(dǎo)致該公司出現(xiàn)財(cái)務(wù)危機(jī)的原因所在，并能給出有針對(duì)性和合理的解決方案，有效地避免危機(jī)的發(fā)生?！緟⒖嘉墨I(xiàn)】

[1] Tomasz Korol.Early warning models against bankruptcy risk for Central European and Latin American enterprises[J].Economic Modelling，2013（31）：125-132.

[2] Ming-Mou Wei，Bin-Gu Shui. The Research on Long-Term Financial Early-Warning System of Listed Companies[J].Advanced Materials Research，2013（3）：216-221.

[3] Yuhao Han，Weidong Zhang.A Study on Assessment of Enterprise Financial Crisis Based on Optimizing Neural Networks by GA[J].International Journal of Business and Mangement，2009，1（6）：78-85.

[4] 岳上植，張廣柱.上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建研究[J].會(huì)計(jì)之友，2009（1）：81-86.

[5] 周喜，吳可夫.基于混合粗糙集與ANN的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J].企業(yè)經(jīng)濟(jì)，2012（2）：39-42.

[6] 李紅梅，田景鮮.公司財(cái)務(wù)危機(jī)預(yù)警模型比較研究——以A股制造業(yè)上市公司為例[J].財(cái)會(huì)月刊，2013（10）：27-31.

[7] 劉宏洲.財(cái)務(wù)危機(jī)預(yù)警的Z計(jì)分模型實(shí)證研究——來(lái)自中國(guó)電器業(yè)上市公司的新證據(jù)[J].會(huì)計(jì)之友，2011（28）：47-53.