基于C&R樹的上市公司財務危機預警研究

張鵬 劉勇波 李明

【摘 要】 隨著經濟的全球化和大數據時代的到來，企業的風險意識也進一步加強，上市公司都迫切需要時刻把握其財務狀況。故從資產管理能力、盈利能力、營運能力、償債能力和成長能力五個方面構建了上市公司財務危機預警指標體系，并基于PCA和數據挖掘技術構建了財務危機預警模型，來對企業的財務狀況進行判別。通過利用C&R樹、Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經網絡、貝葉斯網絡等方法分別建模。比較發現，基于C&R樹的預警模型具有更好的精確度，并根據該模型的分析結果，給出了相應的預防對策及建議。

【關鍵詞】 財務危機； 主成分分析法（PCA）； 分類與回歸（C&R）樹； 預警模型

中圖分類號：F810.2 文獻標識碼：A 文章編號：1004-5937（2015）04-0048-04

引 言

隨著我國市場經濟的不斷完善，企業在高速發展的同時，也不斷地受到各種風險的沖擊，尤其是隨著大數據時代的到來，信息的重要性被提高到一個更加重要的地位。上市公司作為其中比較優秀的組成部分，更重視風險預警的研究。國內外學者在這方面都進行了大量的研究，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家公司的財務數據作為樣本，選取14個財務比率指標構建了指標體系，并采用判別分析、決策樹和人工神經網絡方法分別構建了預警模型，并對公司的財務危機進行了有效的識別。2009年韓宇豪和張衛東采用遺傳算法來優化神經網絡算法的權重，提出了改進的神經網絡評估模型用于財務危機的評估，通過利用Matlab工具箱來進行仿真，仿真結果證明了該方法的可行性和有效性。2009年我國學者岳上植和張廣柱以滬深兩市A股上市公司的數據為樣本，采用距離判別分析法構建了財務危機預警模型，并對企業財務狀況進行了分析。2011年劉宏洲以中國電器業上市公司為例，提出了Z計分模型用于財務危機預警研究。周喜和吳可夫在2012年選取了30家ST和90家非ST的上市公司的財務數據作為樣本，基于混合粗糙集與ANN方法構建了財務危機預警模型，并取得了較高的財務危機預測準確率。2013年魏明謀等選取了36家ST公司和36家非ST公司的數據作為樣本，采用因子分析法構建了金融長期預警模型，結果表明該模型能有效地規避金融危機。2013年李紅梅和田景鮮等以滬深兩市A股制造業上市公司的財務數據為樣本，構建了以財務指標與公司治理指標相結合的邏輯回歸模型，對公司的財務危機進行了預測，取得了良好的預測效果。可以看出，前人在這方面的研究主要是采用一些判別分析、回歸分析以及神經網絡的方法來構建預警模型對財務危機加以預測，并不斷優化預警模型的準確度。

鑒于此，本文結合PCA與C&R樹這兩種方法的優點，構建了上市公司財務危機預警模型，并與Logistic回歸、C5、CHAID、SVM、決策列表、QUEST、神經網絡和貝葉斯網絡等方法構建的模型進行比較，驗證了本文模型的優越性，同時由C&R樹方法生成的決策樹圖又能很好地給出最終判斷的依據，指出導致企業出現財務危機的薄弱點，使得我們可以有針對性地加以彌補，從而有效地規避財務危機的發生，這樣不僅能很好地預測危機的存在，同時也能很好地防范危機的發生。

一、上市公司財務危機預警指標體系的構建

預警指標的選取對預警模型的性能具有重要的影響。為了體現指標選取的科學性，本文從反映企業財務狀況的資產管理能力、盈利能力、營運能力、償債能力和成長能力五個方面著手，統計了從2005—2013年國內外發表的與財務預警相關的共150篇論文，挑選其中使用頻數≥50，且對最終預測模型有顯著貢獻的評價指標作為本文評價指標體系的組成部分。最終的選取結果如表1所示。

利用最終選取的22個評價指標構建了財務危機預警評價指標體系，并根據收集到的75家上市公司的財務數據對指標進行了可靠性分析，分析結果如表2所示。

根據分析結果可以得出，本文選取的指標可以滿足可靠性要求，進一步驗證了本文所構建的指標體系的合理性。

二、上市公司財務危機預警模型的構建

（一）樣本的收集

為了保證樣本具有一定的代表性，本文在進行樣本的選擇時，按照12的比例從醫療器械及醫療服務、出版傳媒、信息服務、陸路運輸和醫藥生物共5個行業選取了25家ST公司和50家非ST公司的財務數據作為研究樣本。數據的收集來自于同花順炒股軟件上公布的各上市公司的年報。

（二）主成分分析

本文采用主成分分析來對選取的22個指標進行簡化，最終得到各上市公司在盈利能力、資產管理能力、營運能力、償債能力和成長能力這五個方面的得分。表3—表5是以盈利能力為例的主成分分析的計算過程。

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

F11=（0.984×主營業務利潤率+0.972×凈利潤率+

0.850×總資產收益率+0.973×毛利率）

根據上式計算得到的結果，可以求得盈利能力得分，計算公式如下：

Z1=0.89569×F11 （1）

同理依次可以得到資產管理能力Z2、營運能力Z3、償債能力Z4、成長能力Z5的計算公式如下：

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）

根據公式（1）—（5）分別計算出盈利能力、資產管理能力、營運能力、償債能力和成長能力這五個方面的得分，可以最終得到這75家上市公司在這五個方面的相應得分。

（三）C&R樹建模

從以上得到的75家上市公司的得分數據中選取20家ST公司和40家非ST公司的財務數據組成訓練樣本，剩下的5家ST公司和10家非ST公司的財務數據作為檢驗樣本，并利用Clementine平臺建立C&R樹預警模型，模型如圖1所示。

以上模型的多模型分析節點的運行結果如表6所示。

根據表6可知，基于C&R樹的財務危機預警模型具有最好的效果，因此本文選用了C&R樹方法來進行上市公司財務危機預警的建模。利用訓練樣本來對建立的預警模型進行訓練，訓練得到的規則集如圖2。

根據圖2，可以得到以下規則：（1）當盈利能力得分≤0.006時，該企業存在財務危機。（2）當盈利能力得分>0.006、償債能力得分≤1.355、資產管理能力得分≤1.333時，該企業存在財務危機。（3）當盈利能力得分>0.006、償債能力得分≤1.355、資產管理能力得分>1.333時，該企業不存在財務危機。（4）當盈利能力得分>0.006、償債能力得分>1.355時，該企業不存在財務危機。能力重要性示意圖見圖3。

（四）模型的驗證與分析

利用檢驗樣本來對訓練好的預警模型進行檢驗，檢驗結果如表7所示。

檢驗的結果表明，該模型在上市公司財務危機預警方面具有很好的預警準確度。根據變量重要性圖可以看出，在上市企業財務風險方面起主要影響作用的在于盈利能力、資產管理能力和償債能力，其中盈利能力的影響最大。由規則集圖可以得到以下結論：當盈利能力得分小于等于0.006時，該企業存在財務危機，導致的主要原因在于盈利能力不足，當這種情況出現時，應該采取一些能增強企業盈利能力的措施來緩解財務危機。當盈利能力得分大于0.006、償債能力得分小于等于1.355、資產管理能力小于等于1.333時，該企業存在財務危機，而導致該情況出現的關鍵限制因素在于資產管理能力的不足，因此需要提高企業的資產管理能力。而其他情況下，企業的財務狀況良好。

三、結論

本文以75家上市公司的財務數據作為樣本，利用PCA和C&R樹方法構建了上市公司財務危機預警模型，并通過與目前常用的幾種方法構建的模型進行比較，發現本文所構建的模型在各項評估指標上均具有更好的效果，且通過對模型的訓練以及驗證表明：該模型的判別準確度達到了100%。同時在模型的判別過程中還得到了判別的規則集，利用該規則集可以有效找出導致該公司出現財務危機的原因所在，并能給出有針對性和合理的解決方案，有效地避免危機的發生。【參考文獻】

[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.上市公司財務危機預警模型構建研究[J].會計之友，2009（1）：81-86.

[5] 周喜，吳可夫.基于混合粗糙集與ANN的上市公司財務危機預警研究[J].企業經濟，2012（2）：39-42.

[6] 李紅梅，田景鮮.公司財務危機預警模型比較研究——以A股制造業上市公司為例[J].財會月刊，2013（10）：27-31.

[7] 劉宏洲.財務危機預警的Z計分模型實證研究——來自中國電器業上市公司的新證據[J].會計之友，2011（28）：47-53.