數(shù)據(jù)挖掘技術(shù)在上市公司財務(wù)困境預(yù)測中的應(yīng)用

莊慧+饒揚勝

摘要：財務(wù)風(fēng)險不僅嚴重危害企業(yè)的生存和發(fā)展，而且也會給投資者帶來巨大的投資損失，因此上市公司財務(wù)風(fēng)險的預(yù)測越來越受到實務(wù)界和學(xué)術(shù)界的重視。筆者基于中國資本市場的數(shù)據(jù)，選取了2014-2015兩個時間窗口的27家首次被ST（特別處理的股票）的上市公司和54家各項財務(wù)指標符合上市規(guī)則的公司作為本文的研究數(shù)據(jù)來源，其中27家ST的公司以被ST前的第二個會計年度的數(shù)據(jù)為基數(shù)，運用CLementine工具，比較準確地實現(xiàn)了數(shù)據(jù)挖掘技術(shù)在上市公司財務(wù)困境預(yù)測中的運用。研究結(jié)果表明數(shù)據(jù)挖掘技術(shù)（Data mining）在財務(wù)困境預(yù)測模型具有較強預(yù)測能力，正確率較高。

關(guān)鍵詞：財務(wù)困境預(yù)測；數(shù)據(jù)挖掘；Logistic回歸

中圖分類號：TP182 文獻識別碼：A 文章編號：1001-828X（2016）028-000-02

一、緒論

1.研究背景

ST（股票被特別處理）規(guī)則的實施可以追溯到上個世紀90年代末，正是由于一批公司上市后財務(wù)狀況嚴重惡化，投資者利益尤其是那些小股東的利益受到嚴重損害，深證和上海證券交易所于1998年3月16日正式啟動ST規(guī)則，這標志著中國資本市場制度的完善。所謂ST規(guī)則是指當(dāng)上市公司財務(wù)狀況出現(xiàn)異常情況不符合上市條件時，該公司的股票會被特別處理以引起投資者的關(guān)注。盡管ST規(guī)則的實施出于保護投資者的利益，但是該規(guī)則存在著滯后性，這就意味著上市公司出現(xiàn)財務(wù)異常狀況時投資者的利益已經(jīng)收到損害。單純從數(shù)量方面來看，2014-2015兩年被特別處理的公司都超高50家，而且大部分被ST（特別處理）的原因在于最近連續(xù)兩個會計年度的凈利潤為負數(shù)，由此可見上市公司被ST只有在公司連續(xù)兩年財務(wù)狀況嚴重惡化的情況下才會出現(xiàn)。

公司被ST后證監(jiān)會會給出一定的整改時間，在這段時間內(nèi)公司的高管承受巨大壓力，并采取各種手段粉飾財務(wù)報表以求盡快摘帽，而這些措施往往是“拆了西墻補東墻”，投資者及其他利益相關(guān)者的利益還是會受到實質(zhì)性的損害。因此，基于該背景，利用數(shù)據(jù)挖掘技術(shù)，從大量的財務(wù)數(shù)據(jù)中挖掘出對上市公司財務(wù)困境有預(yù)測作用的信息，成為我國市場的一個重要問題，具有一定的理論和現(xiàn)實意義。

2.研究意義

數(shù)據(jù)挖掘技術(shù)（Data mining）是基于大數(shù)據(jù)背景下產(chǎn)生的數(shù)據(jù)提取技術(shù)，在信息過量的現(xiàn)代企業(yè)管理中如何高效準確提取出管理活動中必須的信息是目前比較新的研究領(lǐng)域之一；而如何在上市公司發(fā)生財務(wù)困境時高效運用現(xiàn)代信息技術(shù)預(yù)測企業(yè)未來的財務(wù)狀況變化目前是比較棘手的問題。因此本文的研究結(jié)果在某種程度上有一定的理論價值。

以此同時，本文利用數(shù)據(jù)挖掘技術(shù)提前預(yù)測上市公司的未來各項財務(wù)指標的變化具有重要的現(xiàn)實意義。首先，上市公司的財務(wù)預(yù)測模型具有提前性，相比ST規(guī)則的滯后性，財務(wù)預(yù)測模型可以提前檢測上市公司的各項財務(wù)指標給管理者充分的時間采取措施扭轉(zhuǎn)經(jīng)營惡化的趨勢，相比被ST后在短暫時間內(nèi)的“拆了西墻補東墻”的措施，財務(wù)預(yù)測模型具有時間上的優(yōu)勢，從而減少對利益相關(guān)者利益的損害甚至可以增加他們的利益。其次，財務(wù)預(yù)測模型可見減少上市公司的成本，上市公司被ST后將會發(fā)生各種成本，比如信息披露成本，而企業(yè)建立財務(wù)預(yù)測制度和可以以較少的投入避免更大的支出。

二、我國上市公司財務(wù)困境預(yù)測模型的研究設(shè)計

1.實證研究的基本流程

本文的實證研究可以分為三個流程，首先從證券交易所的官網(wǎng)中選取27家2014-2015年度被ST的上市公司和54家沒有被ST的公司作為研究對象；并確定能顯示上市公司財務(wù)狀況出現(xiàn)問題的財務(wù)或非財務(wù)指標，從國泰君安和銳思數(shù)據(jù)庫檢索需要的數(shù)據(jù)。其次，其次，對所選取指標進行特征選擇，刪除對被解釋變量影響不顯著的指標，降低變量維度，選擇回歸結(jié)果顯著的指標作為預(yù)測模型的解釋變量（Xi）。最后，將剩余的指標代入預(yù)測模型，運用Logistic回歸的基本原理對預(yù)測模型進行實證檢驗，并檢驗?zāi)Ｐ偷姆€(wěn)健性以對模型預(yù)測的效果進行最后評價。

2.財務(wù)困境預(yù)測指標體系的設(shè)計

根據(jù)國內(nèi)外研究成果和我國上市公司信息披露的現(xiàn)狀，本文選取了以下7個方面47個具體指標，這些指標涵蓋企業(yè)的財務(wù)與非財務(wù)，短期與長期，流動與非流動，投資者相關(guān)與債權(quán)人相關(guān)等方面。

（1）上市公司的盈利能力

盈利能力是企業(yè)財務(wù)狀況與經(jīng)營狀況的集中體現(xiàn)。如果一家公司的盈利能力強，這將給起來帶來充足的盈余公積以應(yīng)對未來可能發(fā)生的各種財務(wù)風(fēng)險，這將意味者該公司被ST的可能性小。因此本文首先選擇盈利能力的財務(wù)指標作為本文財務(wù)預(yù)測的代入變量。

關(guān)于盈利能力本文選取的代表指標有：投入資本回報率X1、凈資產(chǎn)收益率X2、資產(chǎn)報酬率X3、資產(chǎn)凈利率X4、營業(yè)利潤率X10、銷售成本率X6、銷售費用率X7、管理費用占率X8、財務(wù)費用率X9、銷售凈利X10、成本費用利潤率X11。

（2）上市公司的償債能力

財務(wù)風(fēng)險的大小很大程度上取決于企業(yè)的資本結(jié)構(gòu)，合理的資本結(jié)構(gòu)有利于企業(yè)的健康平穩(wěn)發(fā)展；如果企業(yè)不能按期償還債務(wù)，將會嚴重危機企業(yè)的發(fā)展甚至?xí)?dǎo)致破產(chǎn)清算。因此，本文將反應(yīng)償債能力的指標列入模型的代入變量。

本文選取的指標有：流動比率X12（ Current Ratio）、速動比率X13（Quick Ratio）、產(chǎn)權(quán)比率X14、有形凈值債務(wù)率X15、利息保障倍數(shù)（Times interest earned）X16、資產(chǎn)負債率（Assets Liabilities Ratio）X17、長期負債比率X18、權(quán)益乘數(shù)X19。

（3）上市公司成長能力

公司的成長能力代表著公司未來發(fā)展的潛力和行業(yè)的吸引力，只有具有良好發(fā)展?jié)摿Φ纳鲜泄静拍艿玫酵顿Y者的青睞，才能以較低的財務(wù)成本獲得資金支持。因此成長能力是一個公司是否健康平穩(wěn)發(fā)展的重要指示器。

本文選取得指標有：每股收益的增長率X20、營業(yè)收入的增長率X21、銷售的凈利潤率X22、經(jīng)營活動中發(fā)生的現(xiàn)金流量凈額增長率X23、每股經(jīng)營活動發(fā)生的現(xiàn)金流量增長率X24、凈資產(chǎn)的增長率X25、總資產(chǎn)的增長率X26。

（4）上市公司營運能力

營運能力是指企業(yè)對各項資產(chǎn)的利用狀況，是企業(yè)高管能力的集中體現(xiàn)，他與企業(yè)財務(wù)風(fēng)險有著緊密的聯(lián)系。各項財務(wù)指標正常的企業(yè)應(yīng)當(dāng)具有較強的資產(chǎn)管理能力，各項資產(chǎn)都發(fā)揮從其作用，很少出現(xiàn)資產(chǎn)閑置和超負荷工作的情況。

本文選取的代表指有：總資產(chǎn)的周轉(zhuǎn)率（次）X27、營業(yè)周期（天/次）X28、總資產(chǎn)的周轉(zhuǎn)率（次）X29、應(yīng)收賬款的周轉(zhuǎn)率（次）X30、流動資產(chǎn)的周轉(zhuǎn)率（次）X31、固定資產(chǎn)的周轉(zhuǎn)率（次）X32、應(yīng)付賬款的周轉(zhuǎn)率（次）X33。

（5）上市公司現(xiàn)金流量

目前的為文獻很少將現(xiàn)金流量相關(guān)的指標作為財務(wù)預(yù)測模型的代入變量，但是上市公司的現(xiàn)金流量狀況直接影響企業(yè)的償債能力，再加上現(xiàn)金流量信息的不容易被管理層操作，因此本文將該類指標納入本文的測試范圍。

本文選取的的指標有：每股經(jīng)營活動現(xiàn)金流量（元/股）X33、資本支出/折舊和攤銷X34、自由現(xiàn)金流量（元）X35、銷售收到現(xiàn)金比率X36、每股凈現(xiàn)金流量（元/股）X37。

（6）上市公司杠桿系數(shù)

上市公司的杠桿系數(shù)包含財務(wù)杠桿和經(jīng)營杠桿，這兩種杠桿分別代表企業(yè)財務(wù)風(fēng)險和經(jīng)營風(fēng)險的大小，這取決于公司的資本結(jié)構(gòu)的合理性。財務(wù)杠桿直接決定財務(wù)風(fēng)險的大小，同時經(jīng)營杠桿系數(shù)也是評價企業(yè)風(fēng)險的指標之一，該指標越大，企業(yè)的經(jīng)營風(fēng)險越大。

選擇的指標有：DOL_營業(yè)杠桿系數(shù)X38、DFL_財務(wù)杠桿系數(shù)X39、DTL_總杠桿系數(shù)X40。

（7）非財務(wù)指標

上市公司的財務(wù)風(fēng)險雖然在很大程度上取決于財務(wù)指標，但是非財務(wù)指標也能影響企業(yè)的財務(wù)狀況，財務(wù)指標都能量化，而有些指標不能量化但與公司財務(wù)狀況息息相關(guān)，我們將這些指標歸類為非財務(wù)指標。

選擇的指標有：董事會人數(shù)（人）X41、獨立董事比例（%）X42、監(jiān)事會人數(shù)X43、股權(quán)集中度X44、H5指數(shù)X45、國有股比例（%）X46、審計意見類型X47。

三、基于數(shù)據(jù)挖掘的上市公司財務(wù)困境預(yù)測

1.測試樣本的選取

本文基于中國資本市場的數(shù)據(jù)，選取了2014-2015兩個時間窗口的27家首次被ST（特別處理的股票）的上市公司和54家各項財務(wù)指標符合上市規(guī)則的公司作為本文的研究數(shù)據(jù)來源，其中27家ST的公司以被ST前的第二年的財務(wù)指標為基期。假定上市公司被ST當(dāng)年為T年，前兩年假定為T-1、T-2年，同時根據(jù)我國上市公司信息披露制度的現(xiàn)狀，最終選定以T-2為基期來預(yù)測T年的財務(wù)狀況并于真實的狀況進行比較，以檢測模型的可靠性。

根據(jù)以上方法，我們選取了27家被ST的公司作為實驗的樣本來源，并選取了54家正常的公司作為對照組的數(shù)據(jù)來源本文研究的所用數(shù)據(jù)主要來源于銳思數(shù)據(jù)庫和巨潮資訊網(wǎng)。

2.Logistic回歸分析

Logistic 回歸分析的基本原理：設(shè)被解釋變量Y為1是代表公司被ST，即公司發(fā)生財務(wù)預(yù)警。Y為0時表示公司各項財務(wù)指標正常。P1（0-1）代表公司被ST 的可能性，我們用概率表示，P0=1-P1表示公司正常運行的可能性。

Xk為解釋變量，βk為解釋變量對應(yīng)的回歸結(jié)果得出的系數(shù)，α為橫向截距。其中截距和回歸系數(shù)是運用概率論中的最大似然方法估計的結(jié)果。由此我們得到回歸預(yù)測模型通常選擇0.5（該數(shù)值來源于現(xiàn)有研究結(jié)果）為分界點，這就是說當(dāng)上市公司的P小于0.5時可以判斷該公司的各項財務(wù)指標符合規(guī)定，該公司為正常公司；當(dāng)P大于0.5時，我們可以據(jù)此推測該公司被ST，即該公司發(fā)生財務(wù)危機。

根據(jù)Clementine軟件的Logistic回歸模型計算結(jié)果，對模型的整體顯著性、模型中每個解釋變量的顯著性以及模型的擬合優(yōu)度進行檢驗，并對影響財務(wù)困境的因素進行分析。其中我們對該預(yù)測模型進行顯著性檢驗的目的在于檢測自變量X是否與P的線性關(guān)系存在顯著影響，是否可以得出該模型具有良好的擬合度。

原假設(shè)（H0）是回歸的結(jié)果是：各項系數(shù)顯示為0，這就意味著解釋變量全部與P沒有顯著的線性關(guān)系，因此應(yīng)該拒絕原假設(shè)；擬合優(yōu)度檢驗一方面是考察回歸方程能夠解釋被解釋變量變差的程度，另一方面是考察回歸方程算出的預(yù)測值與實際值之間的吻合程度，如果吻合程度越高，則說明擬合優(yōu)度越高。最后根據(jù)Clementine軟件給出的判別矩陣，給出模型的每類預(yù)測準確率和整體預(yù)測準確率。具體分析如下：

回歸方程顯著性檢驗的總體情況，各數(shù)據(jù)項分別是：似然比卡方的觀測值、自由度及概率P-值。其中最大似然卡房檢驗的結(jié)果的觀察值為95.950，概率的P值為0.000，明顯小于顯著性水平值（0.05），因此應(yīng)當(dāng)拒絕原假設(shè)，并認為當(dāng)所有的回歸系數(shù)結(jié)果不同時為0時，X與P之間的關(guān)系是顯著的，這也說明所擬合的方程具有統(tǒng)計學(xué)意義。

該模型擬合優(yōu)度方面的指標，其中-2倍的對數(shù)似然函數(shù)值為7.165，比較??；Nagelkerke R Square為0.964，比較接近1，這說明該模型的擬合優(yōu)度較高。

根據(jù)ST發(fā)生前T-2年的模型統(tǒng)計量，Logistic回歸方程可表示為：

四、小結(jié)

本文以A股上市公司為研究對象，利用SPSS公司的Clementine數(shù)據(jù)挖掘工具對我國上市公司的財務(wù)困境預(yù)測進行了實證研究。本文的實證結(jié)果表明，上市公司采用數(shù)據(jù)建立財務(wù)預(yù)測模型對預(yù)測企業(yè)未來的財務(wù)狀況走勢具有較強的預(yù)警能力，而且本文對各項財務(wù)指標進行了量化處理，非財務(wù)指標也進行了恰當(dāng)?shù)奶幚?，由此得出的結(jié)論具有一定的說服性。

但是本文也存在一些不足之處，本文只是對數(shù)據(jù)挖掘在財務(wù)困境預(yù)測方面做了初步探索，在理論及操作中仍存在很多不足之處。由于公開披露的被ST公司的上市公司的數(shù)量每年是有限的，因此本文的研究樣本數(shù)量不足，此外，雖然對樣本數(shù)據(jù)不斷進行修改及替換，但最后選取的樣本并不是很完善，造成在特征選擇過程中，很多理論上對公司財務(wù)狀況有重大影響的指標因為缺乏經(jīng)驗數(shù)據(jù)而被刪除。以上的不足及問題均說明該模型仍有許多需要改進之處。

參考文獻：

[1]薛薇，陳歡歌編著.基于Clementine的數(shù)據(jù)挖掘[M].中國人民大學(xué)出版社，2012，3.

[2]李健.基于數(shù)據(jù)挖掘的上市公司財務(wù)風(fēng)險預(yù)警研究[D].西安：西安科技大學(xué)碩士學(xué)位論文，2019，4.

[3]金照林.基于數(shù)據(jù)挖掘的上市公司財務(wù)困境預(yù)警研究[D].武漢：武漢理工大學(xué)碩士學(xué)位論文，2005，5.

[4]彭易成.基于數(shù)據(jù)挖掘的上市公司財務(wù)危機預(yù)警模型研究[D].成都：成都理工大學(xué)碩士學(xué)位論文，2007，5.

[5]趙芳芳.關(guān)于上市公司財務(wù)風(fēng)險預(yù)警系統(tǒng)的實證研究[J].商場現(xiàn)代化，2007，9：24-29.

[6]張秋水，羅林開，劉晉明.基于支持向量機的中國上市公司財務(wù)困境預(yù)測[J].計算機應(yīng)用，2006，6：105-108.

[7]韓建光，惠曉峰，孫潔.基于多特征子集組合分類器的企業(yè)財務(wù)困境預(yù)測[J].系統(tǒng)管理學(xué)報，2010，4：420-427.

[8]吳世農(nóng).我國上市公司財務(wù)風(fēng)險的預(yù)測模型研究[J].通信與信息技術(shù)，2001，6：34-38.

[9]陳磊，任若恩.基于比例危險和主成分模型的公司財務(wù)困境預(yù)測[J].財經(jīng)問題研究，2007，9：93-96.

[10]卜耀華.基于數(shù)據(jù)挖掘技術(shù)的企業(yè)財務(wù)困境預(yù)測建模[J].計算機仿真，2012，6：355-358.