原创《基于趋势性信息改进logistic财务预警模型》
该文是财务预警类有关专升本毕业论文范文跟logistic和预警和财务有关论文范文数据库。
摘 要：企业财务风险作为完善证券市场的一个重要概念,其预防和控制越发受到市场关注.选取50个财务指标和13个非财务指标,通过正态分布检验、均值检验、共线性检验等,再采用以逐步回归方式筛选出的变量指标,构建T-2年的二元Logistic回归模型（传统模型）.引入趋势性财务指标,与原始63个指标经过同样的处理,以筛选出的指标构建T-2年的二元Logistic回归模型（改进模型）.实证结果显示：改进模型的预测准确度和拟合优度均明显优于传统模型,并能规避第二类错误的发生率.
关键词：Logistic；预警模型；趋势性信息
随着我国经济发展进入新常态,证券市场必须更加完善,以适应市场经济体制改革的深化.而企业财务风险作为完善证券市场的一个重要凶索,对其进行预防和控制越发受到市场的关注.凶此,对投资者、管控证券市场的政府机构、债权人、企业等而言,建立一套完善的财务危机预警系统,显得尤为必要.
一、相关研究与概念界定
(一)对财务预警模型的研究
在研究方法方面,国外学者对财务预警模型的实证研究,经历了由早期Fitz Patrick (1932)、William Beer(1966)的单变量预警模型,Altman (1968)、Haldeman和Narayanan (1977)的多元线性判别模型,以及Martin(1977)、Ohlson (1980)等逻辑回归预警,即Logistic模型,到后来的多元概率比回归模型、神经网络模型等阶段.
国内学者对财务预警的研究发展与之相类似,此外还不断延伸出跨学科地运用,如宋新平、孙洁和李辉等将生物学遗传算法、灰色关联度的理论引入预警模型的构建.也有学者将信息融合技术、经典粗糙集、系统聚类分析、大数据分析等方法用于构建预警模型,丰富了该领域的模型体系.
然而,当前国内外对财务预警的研究大多是静态分析,仅仅基于某一时点的截面数据,对于动态分析尚未充实.实际上,企业发生财务危机显然是一个动态化发展过程,而静态分析不能体现其动态趋势性.此外,当前研究还存在：或者研究样本未区分行业：或者选取指标过少；或者预测年限过短等问题.
所以,本研究以logistic模型为基础,在传统静态指标基础上,引入反映企业发展趋势的趋势性信息指标,以弥补预警指标体系中的重要遗漏,并区分行业、尽可能全面地选取指标、以T-2期预测T期,以期构建更为高效的综合预警模型.
(二)概念界定
20世纪中上期,西方学者即开始对企业财务危机预警进行研究.关于财务危机概念,代表性的观点有：著名会计学家Beer( 1966)认为,企业若发生银行存款透支、不履行债务、拖欠优先股股利、破产等行为时,即表明其发生了财务危机.Altman( 1977)、Deakin(1972)、Coats和Fant( 1993)、Ross( 2008)等学者在作相关研究时,均曾对财务危机给予相应的界定.虽然表述上不完全相同,但大都认同将破产作为企业陷入财务危机的标志.
在我国证券市场面临的特殊国情和金融环境中,上市公司即使出现财务困难、经营不善等原凶面临破产清算,一般会被其他公司凶借壳上市的需要而收购.凶此,我国鲜有企业真正进入申请破产环节.
基于以上分析,本研究将凶财务状况异常而被特别处理(“ST”)的上市公司界定为财务危机公司,这与周内大多数学者的研究观点是一致的.
二、研究样本与预警指标选取
(一)研究样本的选取
为保证所有样本数据的可取得性,选取样本时遵循了以下原则：
1．“ST”样本选取原则
(1)“ST”样本应为2016年或2017年首次被特殊处理的公司（近5年内连续多次被“ST”的企业,可能本质上一直未摆脱财务危机,为避免干扰研究结果,应予以剔除）.
(2)“ST”样本必须是因财务状况异常,而被特殊处理的公司（排除因非财务状况异常而被“ST”的干扰）.
(3)为保证研究数据的完整性、连续性,“ST”样本白上市到被“ST”,至少要有4年时间间隔（不含样本被“ST”当年）.
2．非“ST”样本选取原则
(1)时间方面,非“ST”公司上市至少4年（截至2017年末）,或其至少4年年报数据可以取得.
(2)资产规模方面,非“ST”公司应与所匹配“ST”公司相差大致20%范围内.
(3)所属细分行业方面,非“ST”公司应与相应“ST”公司相同或相近（轻工业与重工业在规模、经营模式、宏观环境承受度等方面均有较大差异）.
根据以上原则,从沪深A股市场制造业上市公司中,以3：1的比例,分别选取非“ST”样本和“ST”样本.共随机选出“ST”公司样本39个、非“ST”公司样本117个.
(二)预警指标的选取
为使所构建的预警模型更加可信,遵循客观、全面、可比、可行的原则,并结合众学者的经典研究,选取预警指标.
从盈利能力、发展能力、（长短期）偿债能力、营运能力、流量、风险水平、股东获利能力8个方面,初步选取50个财务指标（在国泰安数据库中关于公司财务分析的指标中,每一方面所列示指标30个甚至更多,本研究吸取经典研究经验,尽可能全面而又不过于繁复,每一方面指标选取5~8个不等）.
为弥补财务指标的不足,选取反映股权结构、内部控制等企业公司治理方面的13个非财务指标（凶篇幅所限,选取的指标不能一一列示）.
(三)趋势性信息指标的来源
基于趋势分析法构建预警模型,引入趋势性信息（趋势性信息指标,即反映企业连续不同年份财务状况经营成果的发展变化趋势,而非简单的各年财务数据的纵向对比）.若预测年份为T-2年,则以其前两年（T-3、T-4）的财务指标均值为对比基数,将T-2的财务指标值减去该均值后的差额,即为趋势指标.趋势性指标反映企业的发展趋势,并将其引入到财务预警模型.
比如,样本宝塔实业(*ST000595．sz),在2017年3月凶连续两年亏损被“ST”.反映其盈利能力的重要指标总资产利润率(ROA),在2012-2015年末分别为0．0096、- 0.1133、0.0197、- 0.1135、- 0.0703,则2.00 -( 1.11+ 1.18)÷2,即为T-2期反映股东获利能力的趋势性指标,配对非“ST”样本的类推.
三、Logistic财务预警模型的构建
(一)预警指标的显著性检验
初选指标虽能较全面地反映企业财务状况,但构建预警模型,需要选用对财务危机的显著性较强的指标,所以有必要对初选指标进行显著性检验.运用SPSS20.0软件,对初选预警指标进行正态性分布检验（即Kolmogorov-Smirnov检验）.根据预警指标是否符合正态分布分别进行T检验、Mann-Whitney U检验,初步筛选出 47个显著性水平较高的指标.
(二)多重共线性检验及处理
上述初选指标仍然过于冗长,需要降维处理.通过Pearson相关性检验,精简出 27个指标,冉对选出的财务指标和连续型非财务指标进行主成份分析（审计意见、是否存在重大违规只有两种取值的虚拟变量,与其他指标基本不具有多重共线性,不必进行主成份分析）.但是该分析需要先通过KMO与Bartlett球形检验,以检测其适用性.初选指标的KMO和Bartlett检验结果如表l所示.
表1的检验结果现示,该初选指标的KMO度量值为0.642,介于0.6与0.7之间.根据统计学家Kaiser对度量值范围的的界定(0.6< KMO≤0.7时,比较适合主成份分析),初选}}{的变量指标较适合主成份分析进行降维.
将初选指标按特征值入>1、方差贡献率>4%的原则提取主成份,得到9个主凶子Fil（i等于1,2,……,9）,以此避免变量之间多重共线性的干扰（提取结果略）.
其中,i等于1,2,……,9,K,为第i个主凶子Fu对应列的系数,由SPSS20.0运行所得,X,为第．i个变量指标.
(三)改进模型建立前的数据处理
计算出so个原始财务指标在预测年份T-2年的趋势指标,并按上述方法依次施以正态性检验、显著性检验.进而与前述较为显著的27个原始指标一起,进行多重共线性检验（KMO检验、Pearson相关性处理）,得出8个趋势指标、22个原始指标.之后,冉以提取主成份法,降维处理得出9个主凶子F2 (j等于1,2,……,9).
(四)构建二元Logistic回归模型
以上述主凶子Fil与符合条件的非财务指标（审计意见、是否存在重大违规）为变量,构建T-2年的二元Logistic回归模型,即为传统模型,如表2所示.
冉以主凶子Fj2与审计意见、是否存在重大违规为变量,构建T-2年的二元Logistic,回归模型,即为改进模型,如表3所示.
由以上回归结果,可得出引入趋势指标的logistic:预警模型：
四、模型检验与结论
(一)模型检验
分别对传统模型、改进模型进行-2对数似然值检验、Hoer-Lemeshow拟合度检验,结果如表4、表5所示.
将所选117家非“ST”公司与39家“ST”公司T-2年的相关指标值,回代人基于两类指标体系所建立的预警模型,并以0.5为判定分割点,预测检验结果.具体如表6、表7所示.
（二）结论
检验结果显示,传统模型与改进模型的拟合度和预测效果均较好.相比于传统预警模型,引入趋势性财务信息的改进模型,具有更大的拟合优度值Cox、SnellR方与Nagelkerke R方、更小的-2对数似然值,并且明显较高的Sig．值（接近于1）.凶此,改进模型对实际样本的拟合度远远优于传统模型.
在预测准确性方面,引入趋势性财务信息能大大降低第二类错误发生的概率.这是对原始logistic财务预警模型一个较大的改进.凶为一直以来,在学者们的研究中,很难在提高模型预警准确性的同时,降低人们更看重的第二类错误的概率.本研究对新常态下的各类企业财务危机预警,均有一定的现实意义.■
参考文献：
[1]AltmanEI.FinancialRatios,DiscriminateAnalysisandPredictionofCorporateBankruptcy[J].JournalofFinance,1968,23（9）：589－609.
[2]孙洁,李辉.遗传算法优化灰色案例推理的财务困境预测[J].科研管理,2009（2）：119－125.
[3]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999（4）：31－38.
[4]邱实,韩用明,王文灿.数据趋势分析法的审计运用[J].财会月刊,2014（24）：86－88.
[5]于文华,岳焱.制造业上市公司财务危机预警指标预处理研究[J].浙江金融,2011（4）：61－65.
[6]张友棠,黄阳.基于行业环境风险识别的企业财务预警控制系统研究[J].会计研究,2011（3）：41－48.
[7]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001（6）：46－55,96.
作者简介：樊林！,厦门大学嘉庚学院,助教,硕士研究生.
财务预警论文参考资料：
归纳上文，该文是一篇适合不知如何写logistic和预警和财务方面的财务预警专业大学硕士和本科毕业论文以及关于财务预警论文开题报告范文和相关职称论文写作参考文献资料。
