基于随机森林的上市公司财务危机预警的分析.docVIP

基于随机森林的上市公司财务危机预警 摘要 本文在现有对上市公司财务分析技术的基础上，借助于杜邦分析系统的思路，对影响上市公司运营状况的财务变量进行了系统的分析和筛选。通过随机森林算法建立了对上市公司财务危机预测（以ST为标志）的模型，并对两类分类误差的权衡进行了分析，给出了变量对分类的重要性排序。其次分类效果的反馈验证了财务变量选取的有效性。同时，相比于国内学者类似研究，本文在分类误差上得到了更高的精度。在灵敏度分析中，针对两类误差权重设定、训练集合样本数量、两类样本抽样比率对分类精度的影响进行了深入的讨论，并给出了有助于提高分类精度的适应性方法。最后通过GICS对划分行业后的样本进行了分类，对不同行业单独应用随机森林算法，得出了更好的分类精度，验证了行业的差异性以及行业划分的必要性。 关键字：财务危机 ST 随机森林 引言 市场经济作为竞争型的经济制度，在优胜劣汰的规律下，促进了企业生产、经营的效率和效益，同时也加速了落后企业的破产。这种竞争机制从宏观层面看，通过淘汰在当下经济环境里无法适应市场需求和发展的企业，从而成就了资源的效率最大化。但从微观层面看，若企业在竞争中出于劣势或与市场规律不兼容，企业往往陷入财务危机，由此引发的破产风险也意味着利益相关者的损失。因此基于市场经济导向性，企业经营风险以及其利益相关者的考虑，资本市场有必要发展一种自我评估技术以分析企业的经营能力。对企业自身来说，一种有效的分析和预警机制可以管理和控制风险并对企业经营策略进行及时的调整与改进；对投资者而言，投资者可以以此技术分析对上市公司的投资风险，确保投资盈利；对银行等债权人而言，可以评估借款企业的信用风险、确定借款利率并跟踪贷款公司违约风险。 一般来说，财务危机是指企业无力按时偿还到期的无争议的债务的困难与危机。Altman (1968)认为“企业失败包括在法律上的破产、被接管和重组等”，其实质是把财务危机等同于企业破产，这是最准确也是最极端的标准；Beaver (1966)认为“银行透支、未支付优先股鼓励、债券违约”为财务危机之标志；Carmichael (1972)认为企业财务危机是由于流动性不足、权益不足、债务拖欠等因素；而Ross等人则认为“财务危机指企业经营性现金流量不足以抵偿到期债务”。总上所述，企业陷入财务困境的主要原因是盈利能力不足，可持续经营能力下降从而导致企业违约可能性增加。 我国学者以及法律法规对财务危机没有像上述如此鲜明的定义和界定。其次，由于信息不对称，即管理者与企业自身信息、投资者、债权人与管理者的获取信息差异，企业在何时、何种情况下发生财务危机也不得而知。同时，企业陷入财务困境是一个动态、连续的过程而并非简单地划分为陷入财务困境和没有陷入财务困境两种类别。再次，中国资本市场发展较晚，还没有形成自己的规律和特点，导致学者无法准确挖掘中国企业财务危机的本质。在本篇实证研究论文中，我们需要可以观测到的标准来确定样本属性，即某一时刻的某一上市公司的财务状况以及是否发生财务危机。鉴于定义财务危机的困难以及所得上市公司年度财务数据的属性，我们认为财务危机的标志为沪深两市的上市公司因财务状况异常而被“特别处理(ST)”。这样界定财务危机的具体原因是：我国资本市场尚无一家上市公司破产清算，以外国部分学者提出的以破产为标准不合适；上市公司是否被ST具有可测性，信息来源可靠；被ST的绝大数上市公司是因为连续两年在年度报表中表现出连续亏损或最近一年的每股净资产低于每股面值，或者同时出现两种情况，这说明是否ST对上市公司的财务状况有非常良好的概括性和解释能力，在很大程度上度量了财务危机。因此本文对财务危机的研究也以被ST的上市公司展开。这种对财务危机的界定方式在国内类似分析中比较主流，如陈静（1999），张玲（2000），张鸣（2005）等。 国外学者对财务危机的分析研究主要基于财务报表分析，其具体方法是研究会计变量、会计比率对公司财务的影响。研究结果发现财务危机是否会发生很大程度体现在财务比率上，如Smith and Winakor。一般国外的方法如下：（1）单变量分析：Fitzpartrick（1932）应用单个财务比率将样本划为破产和非破产两组并将其配对，最终发现判别能力最高的是权益收益率(ROE)和资本结构(权益负债率)两个会计指标。（2）一元判别分析：Beaver对1954-1964年间的79家财务失败企业和79加持续经营的企业的30个财务比率进行了研究，并认为：现金债务比、资产收益率、资产负债率对预测财务危机是有效的，而现金债务比预测效果最好，预测的准确率达80%以上。但该指标对持续经营企业预测的准确率高于财务失败企业，在一定程度上影响了模型的优越性。（3）多元判别分析：Altman选取了1946-1965年间规模相似