基于逐步logit回歸的我國(guó)上市公司財(cái)務(wù)困境預(yù)警模型的實(shí)證研究

1、基于逐步logit回歸的我國(guó)上市公司財(cái)務(wù)困境預(yù)警模型的實(shí)證研究摘要：本文通過(guò)對(duì)相關(guān)文獻(xiàn)中上市公司財(cái)務(wù)困境預(yù)警模型的歸類總結(jié)，改進(jìn)了財(cái)務(wù)指標(biāo)的選取方法，采用預(yù)測(cè)準(zhǔn)確度最好的逐步logit回歸模型，以2014年20家ST上市公司和40家非ST上市公司作為訓(xùn)練樣本，對(duì)2015年上市公司財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)資產(chǎn)負(fù)債率、每股收益和主營(yíng)業(yè)務(wù)利潤(rùn)占比三個(gè)指標(biāo)有很好的預(yù)警作用，其準(zhǔn)確度可達(dá)95以上，并且可以通過(guò)優(yōu)化分割點(diǎn)的選擇來(lái)進(jìn)一步提高預(yù)測(cè)準(zhǔn)確度。關(guān)鍵詞：上市公司 財(cái)務(wù)困境預(yù)警 逐步logit回歸 財(cái)務(wù)困境，又稱為財(cái)務(wù)危機(jī)，國(guó)內(nèi)外學(xué)者對(duì)其定義并沒有完全統(tǒng)一，但大體分為兩種觀點(diǎn)，一種觀點(diǎn)是將企業(yè)申請(qǐng)破產(chǎn)視為

2、出現(xiàn)了財(cái)務(wù)困境，而另一種觀點(diǎn)則認(rèn)為不能簡(jiǎn)單地把破產(chǎn)作為衡量的標(biāo)準(zhǔn)，而應(yīng)加入企業(yè)經(jīng)營(yíng)的其他指標(biāo)來(lái)定義財(cái)務(wù)困境。持有第一種觀點(diǎn)的學(xué)者普遍認(rèn)為，財(cái)務(wù)困境不是一蹴而就的，企業(yè)的財(cái)務(wù)和經(jīng)營(yíng)狀況由穩(wěn)健、到不穩(wěn)健、再到出現(xiàn)危機(jī)是一個(gè)一步一步逐漸惡化的過(guò)程，最終的結(jié)果表現(xiàn)為企業(yè)破產(chǎn)，因此Altman（1968）、Deakin（1972）、Giroux和Wiggins（1983）均把只有進(jìn)入法定破產(chǎn)程序的作為出現(xiàn)財(cái)務(wù)困境的企業(yè)。與上述觀點(diǎn)不同，Beaver（1966）將財(cái)務(wù)困境的公司分為破產(chǎn)公司、拖欠優(yōu)先股股利的公司和拖欠債務(wù)的公司三類，他認(rèn)為一旦一家公司發(fā)生了破產(chǎn)清算、拖欠優(yōu)先股股利或者拖欠債務(wù)的行為，就有陷

3、入財(cái)務(wù)困境的危險(xiǎn)。而Ross（1999）則認(rèn)為財(cái)務(wù)困境是指企業(yè)無(wú)法正常償付到期債務(wù)的現(xiàn)象。相比于西方國(guó)家較為成熟的資本市場(chǎng)，我國(guó)的證券市場(chǎng)缺乏健全的破產(chǎn)清算以及退市制度，到目前為止，尚無(wú)一家上市公司申請(qǐng)破產(chǎn)，因此，以企業(yè)破產(chǎn)為標(biāo)準(zhǔn)定義財(cái)務(wù)困境顯然不適合我國(guó)現(xiàn)狀，國(guó)內(nèi)學(xué)者對(duì)于其定義各有見解。而自我國(guó)證券市場(chǎng)于1998年引入上市公司特別處理制度以來(lái)，陳靜（1999），張玲（2000），吳世農(nóng)、盧賢義（2001），姜秀華、任強(qiáng)、孫錚（2002）等學(xué)者均將被ST在后句解釋之前應(yīng)該寫完整，例如”被標(biāo)明為特別處理（ST）”的上市公司作為財(cái)務(wù)困境公司來(lái)進(jìn)行研究。特別處理制度，即對(duì)年末財(cái)務(wù)報(bào)表上所顯示財(cái)務(wù)狀況

4、異常的上市公司的股票交易進(jìn)行特別處理，也就是Special Treatment，在其股票名稱前加上“ST”以示區(qū)別，俗稱ST股。“財(cái)務(wù)狀況異?！边@邊的財(cái)務(wù)狀況亦定義是否為ST的定義？如是，需說(shuō)明清楚通常指以下兩種情況：（1）最近兩個(gè)會(huì)計(jì)年度的審計(jì)結(jié)果顯示的凈利潤(rùn)為負(fù)值；（2）最近一個(gè)會(huì)計(jì)年度的審計(jì)結(jié)果顯示其股東權(quán)益低于注冊(cè)資本。也就是說(shuō)，如果一家上市公司連續(xù)兩年虧損或每股凈資產(chǎn)低于股票面值，就要予以特別處理。這邊需要再補(bǔ)充一些段落來(lái)說(shuō)明一下你整個(gè)文章大概做了一些什么，有什么主要發(fā)現(xiàn)或結(jié)論，然后之后的章節(jié)如何編排等一、文獻(xiàn)綜述對(duì)于財(cái)務(wù)困境的預(yù)測(cè)研究，國(guó)外學(xué)者起步較早，經(jīng)過(guò)多年的研究和完善，形成了

5、一個(gè)成熟的預(yù)警模型體系，按提出時(shí)間順序主要分為以下幾類：（1）單變量預(yù)警模型。 Fitzpatrick（1932）是最早開始研究財(cái)務(wù)困境預(yù)警的學(xué)者，他選取企業(yè)財(cái)務(wù)報(bào)表中最具代表性的財(cái)務(wù)指標(biāo)進(jìn)行觀察，若其超出正常范圍，則預(yù)測(cè)其將會(huì)陷入財(cái)務(wù)困境。Beaver（1966）通過(guò)對(duì)多個(gè)指標(biāo)分別進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)債務(wù)保障率、資產(chǎn)收益率和資產(chǎn)負(fù)債率能對(duì)企業(yè)財(cái)務(wù)狀況做出預(yù)測(cè)。單一變量雖然運(yùn)用起來(lái)簡(jiǎn)單，但是無(wú)法全面反映企業(yè)的財(cái)務(wù)狀況，并且各指標(biāo)之間有時(shí)會(huì)存在矛盾的情況。（2）多變量預(yù)警模型。Altman（1968）首先提出了多元Z-score模型，把五個(gè)財(cái)務(wù)指標(biāo)賦予權(quán)重后合入一個(gè)方程中得出Z值，然后利用Z值來(lái)判

6、定，取得很好的預(yù)測(cè)效果。1977年，他又提出ZETA模型，是在Z-score模型中加入更多指標(biāo)而進(jìn)行的改進(jìn)，預(yù)測(cè)結(jié)果更好。線性預(yù)測(cè)模型假設(shè)變量有著聯(lián)合正態(tài)分布，而實(shí)際上大多數(shù)財(cái)務(wù)指標(biāo)并不滿足要求，因此邏輯（logit）回歸分析被引入財(cái)務(wù)困境預(yù)警。Ohlson（1980）使用大樣本數(shù)據(jù)和多元logit回歸進(jìn)行研究，使得模型預(yù)測(cè)能力提高到90以上。（3）以神經(jīng)網(wǎng)絡(luò)為代表的新方法預(yù)警模型等。Odom, Sharda（1990）借用神經(jīng)網(wǎng)絡(luò)模型，得出了和前述兩類預(yù)警模型相似的結(jié)論，發(fā)生財(cái)務(wù)困境的公司的主要財(cái)務(wù)指標(biāo)在發(fā)生財(cái)務(wù)困境之前的三年里，與未發(fā)生財(cái)務(wù)困境的公司有明顯差異，且具有很高的預(yù)測(cè)能力。除此之

7、外還有基于支持向量機(jī)、生存分析等方法的模型，但由于相關(guān)研究較少，所以在此不再介紹。國(guó)內(nèi)學(xué)者對(duì)財(cái)務(wù)困境預(yù)警的研究成果與國(guó)外相比有很大差距，一方面表現(xiàn)在起步較晚，另一方面則是創(chuàng)新性不足，大多是借用國(guó)外學(xué)者的模型，但是由于中國(guó)資本市場(chǎng)體制與外國(guó)有很大區(qū)別，國(guó)內(nèi)學(xué)者對(duì)各種模型的使用都做了很多改進(jìn)。吳世農(nóng)首先開始了這一領(lǐng)域的研究并起到了推廣和發(fā)展的作用。他與黃世忠（1986）介紹了導(dǎo)致企業(yè)破產(chǎn)的財(cái)務(wù)指標(biāo)和預(yù)警模型，后來(lái)與盧賢義（2001）用不同的計(jì)量方法進(jìn)行了實(shí)證研究，發(fā)現(xiàn)logit邏輯回歸模型的準(zhǔn)確性最好。陳靜（1999）是首次將被特別處理的ST上市公司作為財(cái)務(wù)困境公司進(jìn)行實(shí)證研究的學(xué)者，她分析了預(yù)警

8、的作用和好處，應(yīng)用單變量和多變量模型分別進(jìn)行回歸，得出ST公司出現(xiàn)財(cái)務(wù)困境的前三年數(shù)據(jù)有很好的預(yù)測(cè)作用。張玲（2000）同樣使用ST和非ST公司數(shù)據(jù)，借助判別分析模型得到了其具有超前4年預(yù)測(cè)效果的結(jié)論。之后大多數(shù)學(xué)者的研究將創(chuàng)新點(diǎn)放在了在原有模型的基礎(chǔ)上加入新的指標(biāo)和引入新的分析方法上。王克敏，姬美光（2006）加入了非財(cái)務(wù)指標(biāo)，如國(guó)家股比例、董事會(huì)規(guī)模和投資者保護(hù)程度等等。馬若微（2006）則引入了粗糙集理論（RS）和人工神經(jīng)網(wǎng)絡(luò)（ANN）來(lái)進(jìn)行上市公司財(cái)務(wù)困境的預(yù)測(cè)。朱永明，徐璐銘（2015）在研究中將企業(yè)履行社會(huì)責(zé)任的情況加入模型，結(jié)果顯示其與公司財(cái)務(wù)困境發(fā)展概率成反比。二、樣本數(shù)據(jù)和財(cái)

9、務(wù)指標(biāo) 本文選取了2014和2015年可獲得數(shù)據(jù)的49家被特別處理的A股上市公司作為發(fā)生財(cái)務(wù)困境的樣本，按照每個(gè)ST公司的行業(yè)分類情況，隨機(jī)匹配了71家近三年未出現(xiàn)財(cái)務(wù)困境的上市公司，使得對(duì)比研究具有可行性。然后將總樣本分成訓(xùn)練樣本和預(yù)測(cè)樣本兩組：訓(xùn)練樣本包括2014年20家ST公司和40家非ST公司，用于估計(jì)模型參數(shù)；預(yù)測(cè)樣本包括2015年29家ST公司和31家非ST公司，用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力。本文所有數(shù)據(jù)均來(lái)自于國(guó)泰安數(shù)據(jù)服務(wù)中心（CSMAR Solution）。由于上市公司年報(bào)公布截止日期為下一年的4月30日，即在t-1年出現(xiàn)財(cái)務(wù)困境的上市公司，到了t年才會(huì)被特別處理，因此，本文所述在

10、某年的ST公司是指實(shí)際出現(xiàn)財(cái)務(wù)困境的t-1年，而非t年，用于預(yù)測(cè)模型當(dāng)中的各公司數(shù)據(jù)是t-2年的，若采用t-1年的數(shù)據(jù)則會(huì)高估模型的預(yù)測(cè)能力 此結(jié)論來(lái)自O(shè)hlson(1980)。以往學(xué)者的研究表明，沒有哪一個(gè)財(cái)務(wù)指標(biāo)是隨樣本選擇時(shí)間不同而固定下來(lái)的，也就是說(shuō)，不同時(shí)間點(diǎn)用于預(yù)測(cè)上市公司財(cái)務(wù)困境的指標(biāo)也有所不同，而且同類財(cái)務(wù)指標(biāo)有很大的相似性，很難從中選取最具預(yù)測(cè)能力的一個(gè)或者幾個(gè)，因此，本文根據(jù)公司財(cái)務(wù)報(bào)表的指標(biāo)分類和相關(guān)學(xué)者的研究結(jié)果 主要參考了吳世農(nóng)、盧賢義（2001），姜秀華、任強(qiáng)、孫錚（2002），王宏煒（2004），馬若微（2008）和程林（2015）的研究，確定了以下幾點(diǎn)財(cái)務(wù)指標(biāo)選

11、取原則：（1）考慮到各公司規(guī)模的不同，在選擇的過(guò)程中，只選取比率或無(wú)量綱的指標(biāo)；（2）一般的指標(biāo)分類有四類，即償債能力指標(biāo)、經(jīng)營(yíng)能力指標(biāo)、盈利能力指標(biāo)和發(fā)展能力指標(biāo)，本文單獨(dú)列出了對(duì)上市公司財(cái)務(wù)困境影響最大的和未能包括在上述四類中的幾類指標(biāo)，分別是每股指標(biāo)、現(xiàn)金流指標(biāo)和比率結(jié)構(gòu)；（3）同一指標(biāo)有不同計(jì)算方法的，考慮到與其他單一計(jì)算方法的指標(biāo)保持一致性，本文選取了最常用的指標(biāo)計(jì)算方法；（4）由于會(huì)出現(xiàn)同類幾個(gè)指標(biāo)都對(duì)預(yù)測(cè)有影響的情況，如描述周轉(zhuǎn)率的有應(yīng)收帳款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、營(yíng)運(yùn)資金周轉(zhuǎn)率、資產(chǎn)周轉(zhuǎn)率等等，而僅從表面數(shù)據(jù)難以對(duì)其進(jìn)行取舍，所以本文均將其保留待篩選；（5）不同指標(biāo)但計(jì)算方法相關(guān)或

12、相似的，如資產(chǎn)負(fù)債率和所有者權(quán)益比率都是重要指標(biāo)，但兩者之和必為一，只保留其中一個(gè)；（6）對(duì)于少數(shù)指標(biāo)數(shù)據(jù)缺失的問(wèn)題，本文采取了填入同類公司此指標(biāo)數(shù)據(jù)平均值的方法來(lái)解決；（7）有些指標(biāo)所需數(shù)據(jù)難以獲得，因此本文只在國(guó)泰安數(shù)據(jù)庫(kù)中所列出的指標(biāo)當(dāng)中進(jìn)行選擇。 基于上述七條原則，本文選取了表1七類33個(gè)財(cái)務(wù)指標(biāo)加入模型進(jìn)行財(cái)務(wù)困境的預(yù)測(cè)：表 1指標(biāo)分類指標(biāo)變量指標(biāo)名稱償債能力X1流動(dòng)比率X2速動(dòng)比率X3現(xiàn)金比率X4利息保障倍數(shù)X5資產(chǎn)負(fù)債率X6權(quán)益乘數(shù)X7經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~負(fù)債合計(jì)經(jīng)營(yíng)能力X8應(yīng)收帳款周轉(zhuǎn)率X9存貨周轉(zhuǎn)率X10營(yíng)運(yùn)資金周轉(zhuǎn)率X11流動(dòng)資產(chǎn)周轉(zhuǎn)率X12固定資產(chǎn)周轉(zhuǎn)率X13總資產(chǎn)

13、周轉(zhuǎn)率盈利能力X14資產(chǎn)報(bào)酬率X15總資產(chǎn)凈利潤(rùn)率X16凈資產(chǎn)收益率X17營(yíng)業(yè)毛利率X18營(yíng)業(yè)利潤(rùn)率X19成本費(fèi)用利潤(rùn)率發(fā)展能力X20資本累積率X21總資產(chǎn)增長(zhǎng)率X22凈利潤(rùn)增長(zhǎng)率X23營(yíng)業(yè)收入增長(zhǎng)率每股指標(biāo)X24每股收益X25每股凈資產(chǎn)現(xiàn)金流指標(biāo)X26凈利潤(rùn)現(xiàn)金凈含量X27銷售收入現(xiàn)金含量X28營(yíng)業(yè)利潤(rùn)現(xiàn)金凈含量比率結(jié)構(gòu)X29現(xiàn)金資產(chǎn)比率X30固定資產(chǎn)比率X31長(zhǎng)期資產(chǎn)適合率X32流動(dòng)負(fù)債比率X33主營(yíng)業(yè)務(wù)利潤(rùn)占比三、模型構(gòu)建和指標(biāo)篩選 根據(jù)相關(guān)學(xué)者的研究 主要參考了吳世農(nóng)、盧賢義（2001），馬若微（2008）和胡小勇、崔百勝（2015）的研究表明，logit回歸模型的準(zhǔn)確度和穩(wěn)定性相比于

14、其他預(yù)測(cè)方法更好，因此，本文也將采取logit回歸，因變量為是否出現(xiàn)財(cái)務(wù)困境的二元變量，1為ST公司，0為非ST公司。但由于財(cái)務(wù)指標(biāo)選取較多，應(yīng)先對(duì)其進(jìn)行初步篩選，然后利用STATA中的逐步logit回歸命令進(jìn)行預(yù)測(cè)。 財(cái)務(wù)指標(biāo)的篩選步驟主要有t檢驗(yàn)和變量相關(guān)性檢驗(yàn)，結(jié)果如下：表 2變量均值t檢驗(yàn)ST非STt值雙邊p值x11.3627 1.8265 -2.0916 0.0501*x21.0291 1.3172 -1.8790 0.0757*x30.3693 0.6139 -1.3578 0.1904 x4-22.6089 -10.8735 -1.6786 0.1096 x50.6221 0.4

15、798 2.4240 0.0255*x65.7472 2.3934 2.6457 0.0159*x7-0.0790 0.1183 -2.5170 0.0210*x856.2182 57.3221 -0.5130 0.6139 x97.7752 6.3035 0.6192 0.5432 x100.1010 -0.8313 -0.9050 0.3768 x110.8468 1.6277 -2.1366 0.0459*x127.7646 3.9342 1.1991 0.2452 x130.3981 0.7247 -1.7507 0.0961*x14-0.0598 0.0508 -3.0281 0.0

16、069*x15-0.0848 0.0372 -3.5611 0.0021*x16-0.2556 0.0669 -2.8753 0.0097*x170.2784 0.2588 -0.1803 0.8588 x18-0.3531 0.1005 -2.8106 0.0112*x19-0.1941 0.1439 -2.9377 0.0084*x20-0.0884 0.1200 -1.4753 0.1565 x210.0094 0.1067 -1.3359 0.1974 x22-77.5124 0.7952 -1.3098 0.2059 x230.3325 0.2815 0.1885 0.8525 x2

17、4-0.2481 0.3374 -3.9844 0.0008*x251.7248 4.2140 -3.0063 0.0073*x260.0731 19.9447 -1.8748 0.0763*x271.0086 0.9113 0.8122 0.4267 x28-0.4104 2.4767 -1.2774 0.2168 x290.1027 0.1497 -0.8003 0.4335 x300.2211 0.2823 -1.3049 0.2075 x3160.9258 3.4383 1.0457 0.3088 x320.7920 0.8010 0.7342 0.4718 x330.9982 6.0

18、225 -2.4519 0.0241*注：*、*、*分別表示10、5和1的顯著性水平。 表2對(duì)訓(xùn)練樣本的33個(gè)財(cái)務(wù)指標(biāo)進(jìn)行了平均值的描述和t檢驗(yàn)。從結(jié)果來(lái)看，有很大一部分指標(biāo)在預(yù)測(cè)ST公司和非ST公司時(shí)沒有顯著的區(qū)別能力（即在10的顯著水平下不顯著），因此將其篩除。值得注意的是，資產(chǎn)報(bào)酬率X14、總資產(chǎn)凈利潤(rùn)率X15、凈資產(chǎn)收益率X16、營(yíng)業(yè)利潤(rùn)率X18、成本費(fèi)用利潤(rùn)率X19、每股收益X24和每股凈資產(chǎn)X25等指標(biāo)均反映了一家上市公司的盈利情況，并且如表3所示，它們之間有很強(qiáng)的相關(guān)性，本文采取依次對(duì)二元因變量進(jìn)行l(wèi)ogit回歸，依據(jù)每個(gè)指標(biāo)變量的解釋能力（R2）和顯著水平（p值）排序，將解釋能

19、力最差且顯著性最低的指標(biāo)去掉，最終保留了X14和X24兩個(gè)變量。進(jìn)行這個(gè)步驟的原理是什么？如果不進(jìn)行篩選，會(huì)有什么弊端？表 3X14X15X16X18X19X24X25X141.0000 X150.9852 1.0000 X160.7577 0.7778 1.0000 X180.8376 0.8493 0.5877 1.0000 X190.7941 0.8268 0.6070 0.9381 1.0000 X240.5408 0.5803 0.6463 0.3873 0.4358 1.0000 X250.3125 0.3607 0.3231 0.2252 0.2089 0.7143 1.0000

20、 對(duì)其他指標(biāo)進(jìn)行相關(guān)性檢驗(yàn)，得到相關(guān)性較高的變量如表4：表 4X1X2X5X6X11X13X11.0000 X20.8965 1.0000 X5-0.7069 -0.7051 1.0000 X6-0.4211 -0.4115 0.7523 1.0000 X11-0.1895 -0.1263 0.0152 -0.0707 1.0000 X130.0552 0.1164 -0.1104 -0.0436 0.7970 1.0000 其中X1、X2和X5，X5和X6，X11和X13之間均有較強(qiáng)的相關(guān)性，類似地，將X2、X6和X13予以剔除。這個(gè)看以來(lái)跟表三中的處理方式是一樣的，為什么不放在前面一起討論

21、？還有X1，X2反映償債能力，而X11，X13反映經(jīng)營(yíng)能力，可以放在一起比較嗎？四、實(shí)證分析和預(yù)測(cè)檢驗(yàn) 經(jīng)過(guò)篩選，最終確定流動(dòng)比率X1、資產(chǎn)負(fù)債率X5、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~負(fù)債合計(jì)X7、流動(dòng)資產(chǎn)周轉(zhuǎn)率X11、資產(chǎn)報(bào)酬率X14、每股收益X24、凈利潤(rùn)現(xiàn)金凈含量X26、和主營(yíng)業(yè)務(wù)利潤(rùn)占比X33八個(gè)指標(biāo)變量進(jìn)行逐步logit回歸，將變量逐一加入模型，通過(guò)觀察p值來(lái)確定入選的變量P值的標(biāo)準(zhǔn)是什么？，結(jié)果如表5所示：表 5參數(shù)估計(jì)值標(biāo)準(zhǔn)差z值p值X10.6730 0.5123 1.31 0.189 X59.7835 3.5180 2.78 0.005*X24-8.7232 3.0219 -2.89

22、 0.004*X33-0.2497 0.1207 -2.07 0.039*截距-5.2691 2.3180 -2.27 0.023*-2log likelihood=32.1536 pseudo R2=0.5790注：*、*分別表示15和1的顯著性水平。其方程可表示為：lnp1-p=0.6730X19.7835X5-8.7232X24-0.2497X33-5.2691從分析結(jié)果可以看出，上市公司的資產(chǎn)負(fù)債率、每股收益和主營(yíng)業(yè)務(wù)利潤(rùn)占比三個(gè)指標(biāo)能夠較好地預(yù)測(cè)是否會(huì)陷入財(cái)務(wù)困境，將訓(xùn)練樣本數(shù)據(jù)和預(yù)測(cè)樣本數(shù)據(jù)分別帶入回歸方程中，所得概率p與0.5比較，若p>0.5，則預(yù)測(cè)該上市公司在未來(lái)一到兩

23、年內(nèi)會(huì)出現(xiàn)財(cái)務(wù)困境;若p<0.5，則不會(huì)出現(xiàn)財(cái)務(wù)困境，由此便可檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力和準(zhǔn)確度。從表6的檢驗(yàn)結(jié)果中，可以得出三個(gè)重要的結(jié)論：（1）該模型的預(yù)測(cè)能力較好，訓(xùn)練樣本和預(yù)測(cè)樣本的總體準(zhǔn)確度均在90以上；（2）預(yù)測(cè)樣本的準(zhǔn)確度要高于訓(xùn)練樣本；（3）將一個(gè)ST公司錯(cuò)誤地預(yù)測(cè)成非ST公司（犯第一類錯(cuò)誤）的比率要大于本是非ST公司卻錯(cuò)誤地預(yù)測(cè)成ST公司（犯第二類錯(cuò)誤）的比率。第二個(gè)結(jié)論的原因可以解釋為第三年發(fā)生財(cái)務(wù)困境的公司在第一年已經(jīng)顯示出與財(cái)務(wù)正常的公司不同的跡象了，而在第二年財(cái)務(wù)狀況愈發(fā)惡化，因此各項(xiàng)指標(biāo)與財(cái)務(wù)正常公司的差別更加明顯。表 6類別預(yù)測(cè)ST公司預(yù)測(cè)非ST公司總計(jì)準(zhǔn)確度訓(xùn)練樣

24、本初始為什么是”初始”？看上下文這應(yīng)該是指實(shí)際ST或非ST公司？ST公司1642080初始非ST公司2384095總體預(yù)測(cè)準(zhǔn)確度：90預(yù)測(cè)樣本初始ST公司2632990初始非ST公司03131100總體預(yù)測(cè)準(zhǔn)確度：95第三個(gè)結(jié)論的原因主要在于分割點(diǎn)選擇的問(wèn)題。姜秀華、任強(qiáng)、孫錚（2002）指出選擇概率0.5作為區(qū)分預(yù)測(cè)是否發(fā)生財(cái)務(wù)困境的閾值并不是最優(yōu)的，應(yīng)該選擇預(yù)測(cè)模型中ST和非ST公司的概率分布曲線的交點(diǎn)來(lái)檢驗(yàn)準(zhǔn)確度，因?yàn)榇藭r(shí)犯第一類錯(cuò)誤和第二類錯(cuò)誤的總成本最低。鑒于此，本文對(duì)分割點(diǎn)的選擇進(jìn)行了改進(jìn)，圖1和圖2橫坐標(biāo)代表閾值從0取到1的變化，縱坐標(biāo)分別代表預(yù)測(cè)的準(zhǔn)確度和概率分布。從圖1可以看

25、出，0.5并非使得對(duì)ST公司和非ST公司預(yù)測(cè)相等的一點(diǎn)，實(shí)際上這一點(diǎn)更小，至少要大于0.25左右。圖 1需要標(biāo)明圖的標(biāo)題，還有橫軸縱軸分別是什么 注：藍(lán)色實(shí)線代表ST上市公司，紅色實(shí)線代表非ST上市公司 從圖2可以看出，對(duì)ST公司預(yù)測(cè)結(jié)果的概率曲線主要分布在左側(cè)，有一條長(zhǎng)長(zhǎng)的右尾，相反非ST公司的曲線則分布在右側(cè)，兩條曲線在0.25到0.5取值范圍內(nèi)的交點(diǎn)為0.45，因此選擇概率0.45這個(gè)選擇跟圖一有什么關(guān)系？如果沒關(guān)系的話為什么要展示圖一？作為分割點(diǎn)再次對(duì)預(yù)測(cè)樣本進(jìn)行檢驗(yàn)，結(jié)果見表7。圖 2標(biāo)明標(biāo)題以及坐標(biāo)軸注：藍(lán)色實(shí)線代表ST上市公司，紅色實(shí)線代表非ST上市公司 由于本文樣本選取較少，可

26、能的異常值導(dǎo)致了ST公司的預(yù)測(cè)準(zhǔn)確度相比于非ST公司的準(zhǔn)確度小，在大樣本下，圖1和圖2的曲線會(huì)更加平滑，分割點(diǎn)的確定得會(huì)更好，且預(yù)測(cè)結(jié)果會(huì)更具說(shuō)服力，這是本文的一個(gè)缺陷。表 7類別預(yù)測(cè)ST公司預(yù)測(cè)非ST公司總計(jì)準(zhǔn)確度訓(xùn)練樣本初始ST公司1642080初始非ST公司2384095總體預(yù)測(cè)準(zhǔn)確度：90預(yù)測(cè)樣本初始ST公司2632993初始非ST公司03131100總體預(yù)測(cè)準(zhǔn)確度：97五、文章結(jié)論和創(chuàng)新點(diǎn) 本文應(yīng)用逐步logit回歸模型對(duì)近兩年我國(guó)上市公司財(cái)務(wù)狀況進(jìn)行了實(shí)證分析。通過(guò)對(duì)財(cái)務(wù)指標(biāo)變量的篩選，發(fā)現(xiàn)資產(chǎn)負(fù)債率、每股收益和主營(yíng)業(yè)務(wù)利潤(rùn)占比是影響上市公司財(cái)務(wù)狀況的主要因素，以此構(gòu)建的財(cái)務(wù)預(yù)警模

27、型的準(zhǔn)確度達(dá)到了95以上。 本文的創(chuàng)新點(diǎn)在于對(duì)逐步logit回歸模型用于上市公司財(cái)務(wù)困境預(yù)警的優(yōu)化：一是利用t檢驗(yàn)和相關(guān)性檢驗(yàn)分別篩選出在兩類公司中有顯著不同的財(cái)務(wù)指標(biāo)和排除一個(gè)或多個(gè)可能會(huì)造成共線性的指標(biāo)，而不是直接使用逐步logit回歸進(jìn)行實(shí)證分析；二是最優(yōu)預(yù)測(cè)分割點(diǎn)的選取，結(jié)合考慮了訓(xùn)練樣本預(yù)測(cè)準(zhǔn)確度和概率分布的情況，從而使得模型預(yù)測(cè)能力進(jìn)一步提高。參考文獻(xiàn)1 Altman, E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Financ

28、e, 1968(23): 589-6102 Altman，19773 Beaver, W. Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Studies. Supplement to Journal of Accounting Research, 1966: 71-1114 Deakin E. B. A Discriminant Analysis of Prediction of Business Failure. Journal of Accounting Research, 1972(Spring): 167-1695 Fitzpatrick Paul