基于Logistic回歸的信息技術企業財務系統研究

徐 旭

（宿州學院 經濟管理學院，安徽 宿州 234000）

1 引言

在當今產品市場日新月異的環境里，財務危機的出現與財務風險控制不當有很大關系，大多數遭遇破產的企業在其破產之前一般是先在財務上表現出危機境況.使用財務危機預警系統，采取相應措施(將危機消失在萌芽階段)，判斷出企業財務危機的狀態，需要企業決策人員提高預判風險的能力，有良好的風險意識.因此，如何有效地進行企業財務危機預警已經成為企業財務管理的關鍵問題之一，是值得深入探討的領域.

企業財務人員根據不斷變化的財務信息，在信息技術環境下，安裝使用良好的財務信息系統軟件，借助信息應用平臺，根據企業的經營活動運行結果，為財務決策提供財務數據，使會計管理實現動態化，企業領導者可以實現正確的財務預測，令企業的財務信息得到正確處理，在網絡時代的嚴峻挑戰中，企業財務管理不能再繼續循規蹈矩,亟須提升企業財務業務管理水平，運用新型財務管理程序，從而適應環境的變化，這樣企業決策者可以有效的籌備資金，選擇合理的投資項目.本文將利用Logistic回歸方法建立適用于信息技術企業的財務預警系統.

2 文獻綜述

最早使用統計方法進行財務預警研究的先驅者Fitzpatrick提出單變量破產預測研究.學者William Beaver為了預測79家企業面臨的危機狀態，得出財務比率長期走勢圖.學者Martin 研究評價美國各家銀行，該專家是最早應用Logistic回歸系統進行財務預警的人.Ohlson利用1970-1976年105家美國破產企業與2000家生存企業組成的樣本重新構建Logistic系統.Black得出結論，企業績效與公司治理效果有很大的關系，Mossman研究結果得出，能在破產前兩年到三年，可以通過現金流模型預測多數破產案例.Hughes對比分析了多因素系統和管理表現系統的差異，綜合考慮財務因素和非財務因素的影響.國內學者吳世農應用Fisher判別分析進行財務預測.張愛民研究上市公司財務預警系統，選擇統計軟件中的因子分析模型.國內學者劉紅霞利用主成分分析法對58家ST公司與58家非ST公司進行了財務危機預測.

3 實證分析

3.1 收集企業數據

本文選取公司前兩年(t-2)出現財務危機的數據，在建立預測模型時，作為輸入變量.選擇2013年至2014兩年共20家公司樣本，這些公司是由于財務狀況惡化而被特別處理的信息技術企業.搜索出相對應的財務正常企業樣本，嚴格依據行業和資產規模相近的原則實現配對.

3.2 確定變量

通過研究財務指標,雖然利用模型能夠計算出財務危機發生的可能性,但是由于公司陷入危機的原因存在很大差異，需要反映公司經營管理的各個方面的財務因素，那么提高財務預警系統水平，其前提是是否選擇準確的財務信息.否則難以給出財務危機的深層次解釋,特別是對于財務危機早期預警具有較大局限性，所以還必須從企業公開的財務報表以外的信息中挖掘更有意義的統計變量.為此，借鑒國內外學者的研究成果，從公司的財務狀況和治理結構方面初步確定35個指標變量.

3.3 提取公因子

為了達到檢驗變量在特別處理公司和非特別處理公司之間的顯著差異性的目的，對選取的變量利用t分布理論檢驗，篩選前三年的指標，結果顯示有21個指標變量檢測通過.利用因子分析方法統計標準化的財務指標，提取了公因子，實現降低多重共線性財務變量之間的的目標，通過軟件計算因子值，在主成分矩陣的基礎上，確定邏輯回歸分析變量，82.199%的比例代表原指標變量，KMO andBartlett'sTest結果顯示，檢驗統計量等于0.685，0.000作為巴特利特試驗的顯著性概率，低于百分之一，說明數據具有相關性，適宜作因子分析.

4 實證分析

邏輯回歸模型可以有效減少服從多元正態分布的假設要求(兩組間協方差相等)，在企業管理領域具有廣泛的適用范圍,也沒有受統計條件的限制.該模型不是一種計量系統，應用廣泛，能夠解決離散因變量的問題.本文運用社會統計學軟件分析收集系統相關的系數與參數，運用因子分析得到的因子值建立數學模型.

表1 Model Summary

由 表 1ModelSummary可 知 -2LL 值 為34.748，此值較小，說明系統對數據的擬和度還可以，Cox&SnellRSquare和Nagelkerke RSquare統計量分別為0.646和0.862，兩者解釋的是回歸變異，即該方程還能解釋86.2%的變異，說明擬和性很好.表2HosmerandLemeshowTest顯示統計量大于0.05.

表3 Variables in the Equation(t-2)年

建立如下t-3年的Logistic回歸方程：

Ln(P/1-P)=0.719-0.116X1+0.047X2+0.013X3-0.008X4-0.085X7-0.045Y1+5.835Y3

以概率等于0.4為臨界點，根據回歸方程，對樣本公司t-3的數據進行預測.由回歸方程分析得到，代表公司股權結構的國家股比例是負向，國內企業大多為國有企業改制而成，國有股一股獨大成為股權結構的明顯特征，國有股能有效地保護投資者，使公司良好運行，不易發生財務危機；代表公司財務信息質量的審計意見Y3是正向指標，它的值越大，公司發生財務危機的概率就越大.

5 結論

信息技術企業實施財務危機預警的難度系數越來越高，原因是企業所處的行業和領域廣泛，本文通過對樣本實地考察，抽取指標進行實證研究，突顯出治理結構指標預警的優越性，最后建立信息技術企業的logistic 回歸模型，證實了公司治理因素達到幫助企業預測財務危機的目標，總結如下：

5.1 為了實現logistic回歸方法應用的規范化，改善模型中財務指標間的多重相關性現象，選擇因子分析方法，最終得到5個公因子，從而使財務危機預測的效果得到很大的提高.

5.2 本文將公司治理結構、審計意見和關聯交易等非財務變量引入財務預警研究，在Logistic回歸模型中，國家股比例和審計意見進入預警系統，說明這兩個變量具有較高的超前預測能力，并得出國家股比例與財務危機發生概率呈負相關，而審計意見與財務危機發生概率呈正相關的結論.而關聯交易比例在ST企業和非ST企業之間不存在顯著性差異，因此沒有發揮非財務因素的作用.

5.3 財務狀況異常的情形之一，即近期財務年度報告出具保留意見，或者審計報告顯示為否定意見的，都很清晰的反映了企業經營的潛在風險.凡是審計單位對信息技術企業進行審查報表，結果為標準無保留意見，那么和其他類型意見相比較，該企業發生財務失敗的概率很低.所以企業發生財務危機的可能性與審計單位出具報告成正向比例.

5.4 對于較長時間跨度的系統預測問題，在篩選的初始變量(設定了三年無間斷的明顯標準)中，選出可以體現預測水平的變量.假如不能體現數據的影響力，會得出系統預測效果不佳的結果，否則增加無相關的變量也是徒勞的，企業財務人員需要確定與經營狀況有很大關聯的變量.

〔1〕王志軍.IT 環境下的財務管理揭示[J].中國石油企業，2008(04):19-21.

〔2〕張秦.我國信息技術業上市公司財務預警系統方法研究[D].華南理工大學，2010.

〔3〕王慶榮.中國房地產上市公司財務危機預警研究[M].北京：清華大學出版社，2012.