基于主成分分析和Logistic回歸模型的制造業(yè)上市公司財務(wù)預(yù)警研究

1、    基于主成分分析和logistic回歸模型的制造業(yè)上市公司財務(wù)預(yù)警研究    【摘 要】 因上市公司發(fā)生財務(wù)危機(jī)是一個漸進(jìn)的過程，所以本文選取上市公司發(fā)生財務(wù)危機(jī)前兩年的數(shù)據(jù)與財務(wù)正常的公司進(jìn)行了比較。選取了120家制造業(yè)上市公司作為本次研究的樣本，選取了25個較為常用的財務(wù)指標(biāo)、4個對財務(wù)危機(jī)影響較為顯著的非財務(wù)指標(biāo)構(gòu)建財務(wù)指標(biāo)體系。在分析部分，以主成分分析法得出主成分，來分別構(gòu)建一般的logistic財務(wù)危機(jī)預(yù)警模型和主成分logistic財務(wù)危機(jī)預(yù)警模型，并對該模型的預(yù)警精度進(jìn)行檢驗。通過實驗結(jié)果發(fā)現(xiàn)：一般logistic回歸模型的判別正確率

2、高于主成分邏輯回歸模型;在上市公司發(fā)生財務(wù)危機(jī)的前兩年，幾乎所有模型的判別正確率基本在80%以上?！娟P(guān)鍵詞】 主成分分析 logistic回歸模型 財務(wù)預(yù)警一、引言當(dāng)今世界全球產(chǎn)業(yè)競爭格局正在發(fā)生重大調(diào)整，新一代信息技術(shù)與制造業(yè)的融合引發(fā)產(chǎn)業(yè)變革。在中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，產(chǎn)業(yè)結(jié)構(gòu)向中高端轉(zhuǎn)型升級，中國國際戰(zhàn)略從產(chǎn)品國際化走向企業(yè)國際化，互聯(lián)網(wǎng)+、大數(shù)據(jù)盛行的大背景下，以及隨著工業(yè)4.0時代的到來和“中國制造2025”的發(fā)布，企業(yè)之間的競爭變得更加激烈。中國制造業(yè)作為國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，面臨發(fā)達(dá)國家“再工業(yè)化戰(zhàn)略”和其他發(fā)展中國家努力開拓國際市場空間的“雙向擠壓”和“大而不強(qiáng)”的短板，能否成功

3、去產(chǎn)能、調(diào)結(jié)構(gòu)順利實現(xiàn)產(chǎn)業(yè)的優(yōu)化升級，走高端制造業(yè)之路，直接影響到國民經(jīng)濟(jì)的發(fā)展和中國制造業(yè)在世界產(chǎn)業(yè)格局中的地位，也直接影響到國計民生和國防力量的加強(qiáng)。從企業(yè)角度來講，想要在競爭中立于不敗之地，不僅要有過硬的技術(shù)、先進(jìn)的設(shè)備，優(yōu)秀的人才，有效的治理結(jié)構(gòu)和良好的財務(wù)基礎(chǔ)等更是必要條件。面對愈加激烈的競爭環(huán)境和內(nèi)部經(jīng)營管理體制的調(diào)整，企業(yè)不可避免的會存在不同程度的財務(wù)風(fēng)險，當(dāng)潛藏的財務(wù)風(fēng)險不被發(fā)現(xiàn)而持續(xù)惡化到一定程度時，企業(yè)便會陷入財務(wù)危機(jī)，甚至破產(chǎn)。在市場經(jīng)濟(jì)下，特別是對于上市公司而言，財務(wù)危機(jī)將會影響眾多利益相關(guān)者，對證券市場的健康發(fā)展產(chǎn)生重大影響。因此，針對性建立制造業(yè)上市公司財務(wù)危機(jī)預(yù)警

4、模型，及時發(fā)現(xiàn)企業(yè)潛在財務(wù)危機(jī)具有切實必要性。二、制造業(yè)相關(guān)分析本文選取制造業(yè)作為研究的對象的理由有三：（1）制造業(yè)是對國民經(jīng)濟(jì)影響最為重大的也最為重要的一個行業(yè)。制造業(yè)是一個國家的支柱性產(chǎn)業(yè)，是體現(xiàn)國家競爭力的產(chǎn)業(yè)，是實體經(jīng)濟(jì)的重中之重。環(huán)看全球，衡量一個國家綜合經(jīng)濟(jì)實力和科技水平的最重要體現(xiàn)之一就是看其是否擁有高度發(fā)達(dá)的制造業(yè)和先進(jìn)的制造技術(shù)。（2）制造業(yè)是一個歷史悠久的傳統(tǒng)型行業(yè)。作為一個傳統(tǒng)的行業(yè)，它的經(jīng)營模式比較固定，規(guī)模比較大，投資較多，投資回收期較長，增長也相對平穩(wěn)。這些特質(zhì)對于財務(wù)預(yù)警系統(tǒng)的建立是有幫助的，可以提離模型預(yù)測的穩(wěn)定性。這是由于模型的準(zhǔn)確性很大程度依賴預(yù)警指標(biāo)的均衡

5、，正是制造業(yè)的這些特點(diǎn)使得預(yù)警財務(wù)指標(biāo)增長比較均衡，具有可預(yù)測性。（3）模型的構(gòu)建需要大量的樣本，截止到2019年第二季度，我國a股上市企業(yè)共有3645家，制造業(yè)有2280家，約占總上市企業(yè)數(shù)量的62.64%，有大量的候選樣本可以進(jìn)行篩選，并進(jìn)一步支持模型的構(gòu)建。三、財務(wù)預(yù)警模型設(shè)p為某事件發(fā)生的概率，取值范圍為0-1，1-p為該事件不發(fā)生的概率，將比數(shù)p/（1-p）取自然對數(shù)的ln（p/（1-p），即對p做logit轉(zhuǎn)換，則ln（p/（1-p）的取值范圍在-到+之間。影響的因素記為x1，xk，以ln（p/（1-p）為因變量，建立線性回歸方程：從而，logistic回歸模型的數(shù)學(xué)表達(dá)式為：lo

6、gistic回歸的假設(shè)前提是：因變量是二分類變量;數(shù)據(jù)必須來自隨機(jī)樣本;因變量被假定為k個自變量的函數(shù)，因變量與自變量之間是非線性關(guān)系;自變量之間不存在多重共線性。顯而易見，logistic回歸沒有關(guān)于自變量分布的假設(shè)條件。四、模型的構(gòu)建（1）樣本的確定參照中國證監(jiān)會發(fā)布的上市公司行業(yè)分類指引，僅以滬深兩市制造業(yè)上市公司為研究對象，分別選取2017年、2018年和2019年的40家財務(wù)危機(jī)公司（以下簡稱st公司）和80家非財務(wù)危機(jī)公司（以下簡稱非st公司）共120家上市公司作樣本。（2）指標(biāo)的選取財務(wù)預(yù)警指標(biāo)體系由財務(wù)預(yù)警指標(biāo)構(gòu)成，財務(wù)預(yù)警指標(biāo)的選擇是否合理，直接影響到模型的效果。本文針對制造

7、業(yè)企業(yè)的特點(diǎn)，并參考大量關(guān)于財務(wù)預(yù)警的研究文獻(xiàn)，最終選取以下預(yù)警指標(biāo)。（3）基于一般的二元logistic回歸模型應(yīng)用spss統(tǒng)計分析軟件對選取的25個財務(wù)預(yù)警指標(biāo)和4個非財務(wù)預(yù)警指標(biāo)變量一起進(jìn)行l(wèi)ogistic回歸分析，我們可以得到t-1年和t-2年的一般二元logistic回歸模型表達(dá)式：其中，g t-1=exp（72.52+1.05x2+1.32x3-0.77x4-25.01x5+25.53x6-1.09x7+0.35x8+0.05x9-2.49x10+0.08x11+0.02x12-0.02x13-0.01x14+0.005x15+0.11x16-1.66x17-0.07x18+0.0

8、01x19+0.01x20-0.21x21-0.04x22-0.33x31-8.44k1-1.99k2+0.08k3+0.10k4）g t-2= exp（30.35+0.69x1+0.97x2-0.34x3+0.86x4+311.81x5-311.90x6-0.01x7+0.08x8-0.05x9+0.30x10-0.14x11+0.01x12+0.003x13-0.03x14+0.01x15-0.20x16+1.57x17+0.14x18-0.99x19+0.05x20+0.11x21+0.0003x22-20.14k1-1.93k2+0.11k3+0.03k4）（4）基于主成分二元logi

9、stic回歸模型為消除多重共線性的影響，對上文通過顯著性檢驗的25個財務(wù)指標(biāo)預(yù)警變量運(yùn)用主成分分析來提取主成分。由以上kmo測試的結(jié)果可知，t-1年和t-2年的各變量間存在較強(qiáng)的相關(guān)關(guān)系，適合進(jìn)行主成分分析。樣本充分性kmo測試系數(shù)分別為0.751和0.678，表明各指標(biāo)之間的相關(guān)程度較高。樣本分布的球形bartlett檢驗的p值均為0.000<0.05，顯示各個財務(wù)指標(biāo)之間并非獨(dú)立，相互之間存在一定關(guān)系。應(yīng)用spss統(tǒng)計分析軟件對5個主成分和4個非財務(wù)預(yù)警指標(biāo)變量一起進(jìn)行主成分logistic回歸分析。根據(jù)上表，我們可以得到t-1年和t-2年的主成分二元logistic回歸模型表達(dá)式：

10、其中，h t-1=exp（14.675+0.075f1+0.005f2+0.096f3+0.08f4+0.0003f5-21.349k2-0.841k3-0.640k4+0.053k5）h t-2= exp（15.295+0.063f1+0.019f2+0.139f3+0.071f4+0.008f5-20.575k2-0.832k3-0.105k4+0.011k5）五、模型的檢驗與結(jié)果對比把120家樣本上市公司分別帶回一般的logistic回歸模型和主成分logistic回歸模型進(jìn)行回判，判別結(jié)果如下表所示：從表5-1和表5-2的結(jié)果可以看出，這兩個模型對非st組的檢驗正確性比st組的高，且綜合準(zhǔn)確率還是比較高，說明模型效果非常理想。一般logistic回歸模型的準(zhǔn)確率比主成分logistic回歸模型整體提高5-10個百分點(diǎn)，預(yù)測準(zhǔn)確率較理想，且該模型操作簡單，對財務(wù)危機(jī)有一定的預(yù)警作用，因此可使用該模型的預(yù)測結(jié)果作為參考?！緟⒖嘉墨I(xiàn)】1 張玲玲.a股上市公司財務(wù)預(yù)警模型對比研究基于logistic回歸和bp神經(jīng)網(wǎng)絡(luò)模型j.環(huán)渤海