基于logistic模型和因子分析的上市公司財務危機預警機制研究

汪紅

摘 要：近些年，伴隨著我國資本市場的快速發展，上市公司面對的財務風險越來越大，亟需進行合理的財務風險預測。本文通過識別模型中財務預警度的大小，分析和預測上市公司的財務風險，幫助公司及時知道財務危險即將到來，以免發生財務危機。采用因子分析法對指標體系進行降維，構建Logistic回歸分析預警模型來判別企業的財務危機，結果表明預測模型準確度較高，可以用來預測公司財務危機。通過研究企業的財務風險預警機制以期為企業提供切實可行的財務預警方法，并為完善財務預警研究機制提供一定的參考。

關鍵詞：logistic回歸；因子分析；財務預警

中圖分類號：F272.1 文獻標識碼：A 文章編號：2095-7866 （2017） 05-095-007

工業經濟論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.05.014

Abstract： In recent years， with the rapid development of China's capital market， listed companies face more and more financial risks， the urgent need for a reasonable financial risk forecast. This paper analyzes the financial risk of listed companies by identifying the size of the financial warning in the model， and helps the company know that the financial risk is coming in time to avoid the financial crisis. This paper uses the factor analysis method to reduce the dimension of the index system and construct the logistic regression analysis and early warning model to judge the financial crisis. The results show that the forecasting model is highly accurate and can be used to predict the financial crisis. Through the study of corporate financial risk early warning mechanism in order to provide enterprises with practical financial early warning methods， and to improve the financial early warning research mechanism to provide some reference.

Key words： Logistic Regression； Factor Analysis； Financial Warning

引言

隨著各行各業的市場競爭越來越激烈，國際化進展逐漸加快，我國市場經濟也逐漸開放起來，企業的經營風險不斷上升，我國上市公司在把握改革和發展機遇的同時，面臨的考驗也愈加嚴峻，遭遇的各類風險也在不斷增多。由于上市公司一旦出現財務危機會損害多方利益相關者帶的利益，甚至引起嚴重的社會問題，因此財務預警問題倍受關注。如何在形勢愈加嚴峻的經濟環境中生存下來，并謀求長遠發展？如何在企業遭遇風險之前對企業經營者進行警告？及時采用應對措施，不讓危機真正到來。這就需要建立高效、準確的企業財務風險預警模型對企業的未來財務風險進行預警分析，這已經是現代公司財務經管的重要內容之一。

對企業而言，如何建立準確高效的財務預警機制來提前預測企業的財務狀況尤為重要，關系到企業的生死存亡。公司的財務狀況從開始惡化到進入財務危機是一個漸進的過程，我們可以根據公司財務指標的變化方向以及變化程度，從中挖掘其所蘊含的有效財務信息來對企業進行財務預警，盡早發現可以降低損失，甚至可以對企業進行挽救。復雜的經濟環境下，公司也經常因為經管不利，或者是沒有辦法適應外界的環境變化而使得他們的經營行為陷入一種嚴重困境，這便是財務危機，也稱財務困境。企業財務危機的產生實際上是一個漸進的積累過程，如果能夠在潛伏的時候對其進行合理的監督檢測、警報以及防治，無論對于企業自身的生存發展，還是對于整個市場經濟活動的有序進行都具有重要的意義。

現階段對于財務危機預測的研究，主要是建立在對企業歷史的財務數據及其他相關信息的分析上，通過對這些歷史的相關數據進行分析以建立起適用的財務危機預測模型，但是國內外學者們在對財務危機預警模型的研究上觀點各不一致。企業法人實質上是各個利益相關者組成的契約集合體，利益相關者們的行為和經營決策對于企業的存續至關重要。而對企業的利益相關者們而言，企業的經營狀態與其切身利益密不可分，財務危機預警機制能夠對公司自身的狀態做出越精準的預測，對利益相關者越好。因此，建立起具備精準預測功能的財務危機預警模型是十分必要的。本文通過選取盈利能力、償還債務能力、經營運行能力、成長能力、獲取資金能力和風險水平6個方面的指標，這些指標能夠較為全面地反映上市公司財務狀況和經營狀況，用其構建起財務危機預警指標體系，并針對樣本公司被實施ST前2年的財務數據，使用因子分析配合logistic回歸方法構造財務危機預警模型，并對模型的判別效果進行檢驗，以期為上市公司的財務危機預警提供有價值的實用參考意義。

一、研究現狀

公司發生財務危機通常也叫公司陷入財務危機，或者是公司財務破產。財務危機分為四種情況：違約、無償債能力、經營失敗、破產，這四種情形均有可能導致企業破產。財務危機預警就是在企業的全部財務信息和其他各種相關資料中選擇綜合性強、敏感度高、有針對性的財務指標，通過數學建模，及時監測以便提前預知企業可能出現的或已經出現的財務危機。國內外的一些專家目前有的探究中大多使用Logistic函數建立模型，Logistic函數也是增長函數，是美國專家在1920年探究果蠅繁殖時發現的，而且開始在估計人口以及預測里廣泛使用。因為你計算機技術的高速發展和普及，Logistic回歸開始普及于經濟探究領域。這個模式的長處是它可以在（0，1）上預先猜測一個企業能不能發生財務危機的可能性變成為在實數軸預先猜測一個企業能不能發生財務危機的機會比率問題，Logistic回歸模式不僅可以判斷公司會不會發生財務風險，而且還可以權衡公司發生財務風險的機率是多少。

美國專家沃爾森第一次把多元邏輯回歸模式帶入破產預警監測。從資本組成、經營績效、企業的經營范圍大小、資本的變成現金的能力這四個方向來對企業財務風險預測報警，實證檢測結果準確率達到96.12%。然后KeaseyM.J.Peel，Martin運用logit分析方法來預測企業的財務風險，這種方法一方面能夠降低對數據的要求，另一方面可以根據不同投資者對于風險的偏好來設定預測值，財務風險預測效果很好[1]。寧靜鞭采用KNN和Logistic回歸方法使用上市公司財務指標建立了企業財務危機預警模型，其實證結果表明，使用財務指標建立的模型能夠較為準確的預測公司未來的財務風險[2]。李建中、武鐵梅采用樣本企業被ST的前三年、前兩年以及前一年數據來進行財務危機預警探究，在邏輯回歸模式里采用因子分析法，其選擇的指標兼顧了財務指標和非財務指標[3]。胡躍紅、黃婧采用因子分析中方差最大旋轉來對公司的財務指標進行標準化處理，獲得主要因子得分，構造對應的Logistic回歸模式財務險境預警系統，其實證檢測的結果也很準確[4]。陳永飛在研究中以現金流作為關鍵指標，他認為使得企業無法償還到期債務并最終導致破產的直接原因是由于現金流短缺，所以其在研究中選擇的指標是能夠反映企業現金流方面真實財務狀況的[5]。何妮在研究中分別使用了多種研究方法，比如因子分析、非參數檢驗和顯著性檢驗等，建立了Logistic回歸模型，通過對比分析制造業上市公司在金融危機前后的財務危機狀況，研究結果發現使用Logistic回歸方法建立的財務危機預警模型具有較高的準確性和可實施性[6]。張健在研究中構建了EVA財務危機預警模型，采用了Logistic回歸法，對52家樣本上市公司的財務狀況進行實證檢驗，但研究結果表明該方法只適用于短期預測[7]。劉彥文、戴紅軍采用三分法將樣本公司先分為財務困境和非財務困境兩種，在將非財務困境公司細分為財務狀況良好和財務狀況不穩定，然后構建成三元的logistic預警模型，其結果表明其構建的三元模型判別能力較好，誤判情況低[8]。

二、樣本選擇及指標的選取

（一）研究樣本

文中實證部分用的是我國2014年和2015年第一次被施行ST的60家A股制造行業的企業作為研究樣本，并按照1∶1的比例選取同行業、經營范圍相當、上市時間接近的60家不是ST企業作為對比樣本。將這120家公司分為建模組和檢驗組：選取2014年被實施ST的33家制造業上市公司和相對應的33家非ST公司作為建模組；選取2015年被實施ST的27家制造業上市公司和與之對應的27家非ST公司作為檢驗組。對建模組樣本前2年的財務數據分別利用因子分析確定主因子得分，得分成績作為Logistic回歸模式的自變量，構造財務危機報警模式，然后利用檢驗組樣本驗證模型的準確度。本文在選擇樣本時，剔除了非財務狀況異常而被ST的股票，上市2年或者不足4年就被ST的股票也排除在外。樣本的數據來自wind資訊以及國泰安數據庫。

（二）指標體系的建立

企業在選擇財務危機預警指標時，應該充分考慮到企業的實際經經營狀況，并且所選擇的財務指標要能夠真實、及時、系統的反應公司的經營情況以及財務情況，財務指標的選擇應盡可能地滿足綜合、普遍、可比等原則。為全面反映企業的財務狀況，依據公司財務經管方面的有關理論，在對前人探究后果進行總結辨析的條件上從公司盈利能力、營運能力、償債能力、成長能力、獲取現金能力和風險水平這6個方面選取了18個指標構建初始預警指標體系，具體如表1所示。

三、財務預警模型的構建

（一）指標體系的降維

本文建立的指標體系包含了18個財務指標，這些指標之間存在一定的相關關系，若直接將這些指標作為自變量來構建財務危機預警模型，不僅讓所建模型變得復雜，而且還因為變量間的多重共線性而使得檢測結果出現很大誤差。所以，這個環節考慮用因子分析法對指標進行標準化，提取主要因子，使后面的建模能夠較為直觀。

本篇論文使用KMO檢測以及巴特利特球形檢測來判斷變量組成能不能使用因子分析方法。起初采用SPSS軟件對數據來標準化處理，其次對標準化后的指標來KMO以及巴特利特球形檢測，獲得KMO檢測值為0.675，高于0.6，巴特利特球形檢測相應的顯著性水平是0.000，低于0.01，說明兩個檢測都通過了相關性檢測，表明原來指標變量可以做因子分析。

（二）主因子的確定

將建模組88家樣本公司被ST前2年的數據帶入SPSS軟件進行因子分析，獲得5個主要因子。依據表2，前五個因子的累計方差貢獻了82.746%，也就是這五個因子反應了總指標體系信息的82.746%，通常認為這一數值在80%以上是比較好的，因此使用這5項因子來代替原有的多個指標變量體系是可行的。

為了方便闡述各個因子的概念，進行因子旋轉。依據因子載荷矩陳，對因子來命名。表3是5個因子的組分得分系數矩陣，能夠得到以下公式：

F1=0.287X1-0.019X2+0.019X3-0.113X4+……+0.009X17-0.206X18

F1=0.446X1-0.006X2-0.066X3-0.220X4+……+0.219X17+0.013X18

F3=-0.096X1-0.072X2+0.108X3+0.073X4+……+0.428X17+0.016X18

F4=0.453X1+0.220X2-0.056X3+0.153X4+……+0.095X17-0.117X18

F5=0.109X1-0.450X2+0.023X3-0.365X4+……+0.092X17+0.188X18

計算出各樣本公司的主因子的預測得分，用于下文擬合Logistic回歸模型。

（三） Logistic財務預警模型的構建

采用60家樣本企業被ST的前兩年數據以及五個主要成分變量，擬定Logistic回歸模式。模式中假設因變量為0是正常企業，為1是財務危機企業，前面獲取的五個主要成分是自變量。

在探究中用0.5為概率的分臨界點，把樣本數據帶進回歸方程里獲得P值高于0.5時，判斷這個樣本是財務險境企業，不然就是非財務險境企業。采用SPSS來處理，樣本的60個企業都被選為回歸分析的案例中，缺失案例為0，說明此次回歸分析效果非常顯著。分類表呈現了目前獲得的模式的錯誤判斷矩陳，非ST公司=0時，即判斷正常公司時準確性100%；ST公司=1時，即判斷財務風險公司時準確性有100%，所以模型預測效果較理想。

結合表4中的數據可以得出上市公司財務危機Logistic預警模型：

將建模組和檢驗組的原始財務指標數據代入上述模型得到P值，因為樣本里ST和非ST企業的選擇是依據比例1：1。所以，本文中選擇0.5為判斷分界點，當P>0.5時表示是ST企業，當P<0.5表示非ST企業。判斷結果見表5，從表5能夠看到，見模組和檢驗組的判別總準確率均在90%左右，準確度較高，可以認為此模型可以用來判別企業財務危機。

四、結論與建議

本文在借鑒以往學者研究成本的基礎上，從企業實際經營和面臨的風險因素綜合考慮從6個方面選取了18個財務指標，采用因子分析法結合Logistic回歸模型建立財務預警模型，經過檢測發現，所建模型有很高的準確性，能使企業所有者盡早意識到企業所面臨的財務風險及財務危機可能到來的征兆。在經濟發展過程中，經濟融合的速度在很大程度上提升了，公司隨時都會遭遇失敗的后果，建立合理的財務報警機制可以幫助公司及時發生經營管理中存在的問題，加強經營管理，提升獲利能力。預先知道自身的財務挑戰，及時調節經營規劃以及財務規劃。

參考文獻

[1] 趙辰，南星恒.基于MEA-BP神經網絡的財務危機預警研究[J].財會通訊，2016（1）43-46

[2] 寧靜鞭.基于LNN和Logistic回歸方法的財務預警模型比較[J].商業時代，2008（13）74-75

[3] 李建中，武鐵梅.基于因子-Logistic模型的房地產業上市公司財務預警分析[J].哈爾濱商業大學學報，2010（5）89-104

[4] 胡躍紅，黃婧.我國化工企業的財務預警模型構建及其檢驗-基于Logistic回歸方法[J].長沙理工大學學報（社會科學版），2011（11）41-45

[5] 陳永飛.基于現金流的財務預警研究：線性概率模型與Logistic模型之應用比較[J].經濟問題探索，2011（6）102-111

[6] 何妮.制造業上市公司財務危機預警比較與分析—基于金融危機前后的數據[D].西南財經大學，2013

[7] 張健.基于EVA的農業上市公司財務危機預警實證研究[D].內蒙古農業大學，2014

[8] 劉彥文，戴紅軍.基于三元Logistic的財務困境預警模型實證研究[J].大連理工大學學報（社會科學版），2007（6）：60-66

[9] 劉肖，姚正海等.基于主成分分析和Logistic回歸模型的上市公司財務預警機制研究[J].經濟論壇，2016（1）：47-50