基于Logiissttiicc回歸模型的我國化工上市企業(yè)財務危機預警研究

程翠鳳

基于Logiissttiicc回歸模型的我國化工上市企業(yè)財務危機預警研究

程翠鳳

不同行業(yè)的財務指標其特征不同，而這些指標是構建企業(yè)財務危機預警模型的基礎，因而有必要分行業(yè)進行財務危機預警研究。本文以我國化工行業(yè)上市公司為研究對象，采用正態(tài)性檢驗、顯著性檢驗和相關性分析對初選的預警指標進行篩選，最終選取10個能顯著反映化工上市公司財務狀況的指標，運用Logistic回歸構建危機預警模型，模型預測準確率達到了91%，具有一定的應用價值。

化工上市企業(yè)；財務危機預警；Lo?gistic回歸

一、引言

世界經(jīng)濟一體化在給我國企業(yè)帶來機遇的同時也使我國企業(yè)的經(jīng)營環(huán)境面臨嚴峻考驗，日益復雜的經(jīng)濟環(huán)境及激烈的國內外競爭加劇了企業(yè)財務危機發(fā)生的概率。因此，構建有效的財務危機預警模型，從而使我國企業(yè)能及早采取有針對性的措施防范財務危機發(fā)生，是一個不容忽視的重大課題。研究表明，基于行業(yè)層面的財務危機預警模型其準確率大大高于通用的財務危機預警模型。

化工行業(yè)在我國經(jīng)濟建設中發(fā)揮著不可替代的重要作用。面對激烈的競爭形勢，化工類企業(yè)出現(xiàn)了種種財務問題。本文以化工類上市企業(yè)為研究對象，在縮小研究范圍的同時，一定程度上滿足了樣本的復雜性，力圖模型能滿足行業(yè)多樣性運用。

二、研究設計

1.研究方法

由于多元邏輯回歸法Logistic沒有預測變量必須嚴格符合正態(tài)分布的要求，同時也不受財務危機組與控制組兩組樣本之間配對的限制，適用范圍較為廣泛，預測精度較高，且在理論研究上也最為成熟，因此本文選用此方法對化工行業(yè)危機預警進行研究。

Logistic是一種非線性多變量回歸模型，其因變量預測值范圍在(0，1)區(qū)間，其模型曲線圖呈“S”或倒“S”型。Logistic預警模型是在采用多元線性判別方法確定Z值的基礎上，再推算出企業(yè)發(fā)生危機的幾率有多大。

2.樣本及數(shù)據(jù)來源

為驗證所構建模型預測的穩(wěn)定性，本文選取的樣本對象均為在滬深兩市上市4年以上的（2012年及以前）化工類上市公司。如果將財務危機爆發(fā)（被實施特別處理，即ST，研究樣本在擺脫困境后又一次陷入困境的取其第一次被ST的時間作為危機爆發(fā)期）當年記為T年，則危機爆發(fā)前一年記為T-1年，依此類推，故選取從T-3到T-1年連續(xù)3年的數(shù)據(jù)。為保證數(shù)據(jù)的有效性，經(jīng)過多方篩查僅有26家ST公司符合要求，本文建模時選取其中的20家ST公司，剩余的6家作為檢驗樣本，采取1：1配對模式，抽取相同會計期間、資產(chǎn)規(guī)模相近的26家財務健康的企業(yè)作為配對樣本。數(shù)據(jù)來自于wind數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫和新浪財經(jīng)、上交所、深交所等網(wǎng)站。

3.財務危機預警指標選擇

借鑒國內外相關研究成果和我國化工類上市企業(yè)現(xiàn)狀，本文將傳統(tǒng)的財務指標與現(xiàn)金流量指標相結合，從評價企業(yè)盈利能力、成長能力、營運能力、償債能力和獲現(xiàn)能力五個方面初步選取了21個財務指標作為備選預警變量。這21個指標分別為：總資產(chǎn)凈利率、成本費用利潤率、營業(yè)利潤率、銷售凈利率、凈資產(chǎn)收益率、主營業(yè)務收入增長率、凈利潤增長率、總資產(chǎn)增長率、應收賬款周轉率、存貨周轉率、固定資產(chǎn)周轉率、總資產(chǎn)周轉率、流動資產(chǎn)周轉率、流動比率、速動比率、現(xiàn)金比率、產(chǎn)權比率、資產(chǎn)負債率、經(jīng)營現(xiàn)金凈流量與銷售收入的比率、總資產(chǎn)現(xiàn)金回收率和現(xiàn)金流量比率，這21個備選預警指標本文分別用X1、X2、X3……X21表示。

三、實證研究

1.正態(tài)性檢驗

究竟采用哪種方法對指標變量進行顯著性檢驗其前提是判定變量數(shù)據(jù)是否符合正態(tài)分布，T檢驗適用于數(shù)據(jù)符合正態(tài)分布的顯著性檢驗；若數(shù)據(jù)不服從正態(tài)分布，則需要采用非參數(shù)檢驗法。本文首先借助單樣本K-S檢驗判斷初選的預警變量的正態(tài)性，K-S檢驗結果顯示，t-3年有X1、X6、X8、X10、X18和X20這6個預警變量符合正態(tài)分布；t-2年有X4、X6、X8、X10、X12、X13、X18、X20和X21這9個預警變量符合正態(tài)分布；t-1年有X1、X2、X4、X8、X10、X12、X13、X15、X18、X20和X21這11個預警變量符合正態(tài)分布，t-3、t-2、t-1中有兩年都服從正態(tài)性分布的是預警變量X1、X4、X6、X8、X10、X12、X13、X18、X20和X2等10個指標。因而，在進行顯著性檢驗時，本文對服從正態(tài)分布的變量用T檢驗法，對不服從正態(tài)分布的變量則采用非參數(shù)法。

2.顯著性檢驗

顯著性檢驗是檢查財務危機公司與財務健康公司預警變量是否具有顯著性差異，篩選出具有顯著性差異的指標，以便進行進一步分析。

顯著性檢驗是提前對樣本總體的分布做出一個假設，即所有選取的指標都符合正態(tài)性分布，都可以運用T檢驗的方法，以上通過檢驗的10個變量符合做T檢驗的要求，未通過的11個變量用非參數(shù)Mann－Whitney?？傊ㄟ^這一步驟可以得到ST與非ST企業(yè)的預警指標是否存在差異，從而方便進一步篩選變量建模。（1）T檢驗。對以上通過K-S檢驗的10個服從正態(tài)分布的變量進行配對T檢驗的結果如表1所示。可見，三年都具有顯著性差異的指標分別是X1、X6、X8、X10、X18和X21。

表1 服從正態(tài)分布的預警變量T檢驗

（2）非參數(shù)Mann-Whitney檢驗。對K-S檢驗中不符合正態(tài)分布的變量使用Mann-Whitney非參數(shù)檢驗，檢驗結果如表2所示。

表2 不符合正態(tài)分布的預警變量Mann-Whitney檢驗

表2顯示，有5個變量通過了顯著性檢驗，分別是X2、X3、X7、X11和X14。

3.相關性檢驗

經(jīng)過上面的初步篩選，對通過顯著性檢驗的11個預警變量進行Spearman相關性檢驗，這里不采用Pearson檢驗是因為它適合正態(tài)分布的等間隔測度的變量，相關性檢驗時我們發(fā)現(xiàn)X1、X2相關系數(shù)高達0.951，綜合考慮指標的意義和重要性程度，本文在11個備選變量中剔除了X2。

4.建立Logistic危機預警模型

將經(jīng)過層層篩選的10個預警變量作為解釋變量，公司是否發(fā)生財務危機作為被解釋變量Y（建模時，將陷入財務危機的ST企業(yè)Y值定義為“1”，財務正常的健康企業(yè)Y值定義為“0”），進行Logistic邏輯回歸，回歸結果見表3。

四、結論及研究局限性

表3 Logistic回歸結果

根據(jù)表3 Logistic回歸結果，可以得到我國化工上市企業(yè)財務危機預警模型，如式（1）所示。

5.模型擬合度檢驗

模型的擬合度檢驗結果顯示，模型的（-2）倍的對數(shù)似然函數(shù)值（即-2 Log like?lihood）為9.606，表明回歸模型的擬合度較好，Cox＆Snell和Nagelkerke可決系數(shù)分別是0.701和0.814，說明變量與模型的擬合度較好。

6.預警模型適用性檢驗

本文利用Logistic回歸分析法對我國化工上市企業(yè)財務危機構建預警模型，基于公司出現(xiàn)財務危機前3年的財務數(shù)據(jù)展開實證分析，研究發(fā)現(xiàn)，總資產(chǎn)凈利率、營業(yè)利潤率、主營收入增長率、凈利潤增長率、總資產(chǎn)增長率、存貨周轉率、固定資產(chǎn)周轉率、流動比率、資產(chǎn)負債率和現(xiàn)金流量比率這10個變量對化工企業(yè)是否發(fā)生財務危機作用顯著。

表4 預警模型分類檢驗效果

我國化工企業(yè)可以運用此預警模型作為防范財務危機發(fā)生的一種有效方式，及早發(fā)現(xiàn)財務危機，并適時、有效地調整財務、經(jīng)營戰(zhàn)略，提高企業(yè)風險管控和危機預判能力，真正做到防患于未然；投資人借助此模型可以預測擬投資企業(yè)未來的財務狀況走勢，為規(guī)避投資決策失誤風險提供有益的借鑒；債權人則可以利用此模型評判貸款及債權投資的安全保障性，為其權衡是否為上市企業(yè)提供融資提供決策支持。

本文在建模指標選取上，一是出于數(shù)據(jù)可得性的考慮，評價指標側重選取財務指標，而未將非財務指標納入財務危機預警模型中；二是初步選取的預警指標較少，只是在反映企業(yè)財務狀況的每個特征中選取最為重要的三至五個指標，不排除遺漏一些重要的可能性，但實證部分構建的預警模型應該是可靠和可行的；三是在實際財務危機預警時，需要將定性與定量方法結合起來，以提高判正率，而本文由于篇幅限制，未作定性分析。

參考財政部企業(yè)司編的《企業(yè)財務風險管理》，Logistic模型一般選擇0.5作為閾值即分割點，當p＞0.5時，為財務危機公司；否則，為財務狀況正常公司，分別將建模組和檢驗組T-1、T-2和T-3年樣本數(shù)據(jù)回代模型進行預測檢驗，結果顯示，預判綜合準確率達到了91%。ST公司一般是由于前2年連續(xù)虧損，第3年被證監(jiān)會實施特別處理（即ST）予以警示。在T-1年、T-2年內，Logistic預警模型的判正率均可保持在83%以上，且在T-1年的預判精度能夠達到100%。從表4可見，離財務危機發(fā)生年度越接近，模型預測精度越高，可見該模型有較好的預測效果，可以應用于化工行業(yè)上市企業(yè)財務危機預警實際中。

[1]王君萍，白瓊瓊.我國能源上市企業(yè)財務危機預警研究[J].經(jīng)濟問題，2015（1）：109-113.

[2]張占勝.制造業(yè)上市公司財務危機預警模型構建[J].財會通訊，2015（17）：83-85.

（作者單位：鹽城工學院）

10.16653/j.cnki.32-1034/f.2016.23.005

江蘇省高校哲學社會科學研究基金資助項目“江蘇制造業(yè)產(chǎn)業(yè)結構升級與經(jīng)濟效益研究”（項目編號：2010SJB790034）]