Logistic回归模型在上市公司财务预警中应用.doc

Logistic回归模型在上市公司财务预警中的应用 龙 松 向丽苹 （华中科技大学武昌分校，湖北，武汉，430064） 摘要：该文以我国A股市场上因“财务状况异常”而被特别处理的制造类上市公司为研究对象，首先利用非参数检验方法对财务危机公司和非财务危机公司的27个财务指标的显著性差异进行了检验，其次利用单变量逻辑回归分析进一步筛选出对模型预测有显著贡献的9个财务指标，然后又利用因子分析方法再次精简变量并避免多重共线性的影响，最终选择3个因子变量作为Logistic模型的自变量，构建了我国制造类上市公司财务危机发生前三年的预警模型，并对所建模型的有效性进行了检验。 关键词：Logistic回归 ；财务预警 中图分类号：O212.4 文献标识码：A 文章编号： 一、国内外有关研究及其评价 自20世纪60年代以来，就有许多学者对财务危机预警问题进行深入的探索，提出了许多财务危机预警模型。这些模型按构建方法的不同可以分为统计类预警模型和非统计类预警模型两大类。 统计类财务危机预警模型主要包括一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型、生存分析法等。 财务危机预警的非统计方法包括递归划分算法、人工智能、神经网络等，其中较有代表性的是神经网络分析方法。 企业财务风险的实证研究在我国才刚刚起步，尽管资本市场的结构特征与成熟程度不同，国内学者也做出了可贵的探索。1986年，吴世农、卢贤义曾介绍企业的破产分析指标和预测模型，引领了我国在这领域的研究。总的说来，国内外学者对财务危机预警模型大致可以分为：单变量判定模型、多变量判定模型、多元逻辑回归模型。以上三种模型也代表了财务预警研究方法不断发展和完善的阶段性过程；他们的共同点是都运用了会计数据和财务比率，而从各自的前提假设、适用范围上看，三种模型又各有特点。 通过比较分析可以看出，采用多元逻辑回归模型的效果相对于其它两种模型更具科学性。 第一，Logistic回归对于变量的分布没有具体要求，适用的范围更加广泛 第二，具体公司数据带入模型之后得到的是一个概率值，在实际使用中简单方便。因此，本文将采用Logistic回归模型进行财务危机预警的实证分析。 二、研究设计和财务指标的舍取 通过对我国上市公司财务危机状况的分析，并结合我国的实际情况，本文将研究对象界定为A股市场被特别处理ST）的制造类上市公司和非ST类制造业上市公司1. 行业选择：因为不同行业由于其生产特点及生产周期的不同，财务指标一般具有较大差异，如果不进行行业的划分，会降低预警模型的实用性，另外，考虑到样本的容量，本文选择制造类上市公司作为研究样本。 2财务危机公司ST公司该上市公司在t年由于“财务状况异常”而被特别处理，且可以获得t-3年的财务报表数据。 3正常公司非ST公司在为每一家ST公司选择相应的非ST公司时，要求其行业严格相等或近似相等（从其行业代码加以严格判断），并确保财务数据来源于同一会计年度；公司在t-3年12月31日前上市，至今未被特别处理，并且可以获得t-3的财务报表数据。 4组内分布控制由于研究的样本来源于3个会计年度，可能会产生资料的时间性差异。为了控制和减少外部经济因素可能带来的模型偏差，本文进入样本的个体在各年的分布大致平均。 5组间数量分布从沪、深两市选取ST公司32家和非ST公司32家，样本总量达到64家为了进行预警分析，将上述家公司分成样本和检验样本两个子样本。其中样本包括32家ST公司和与之相应的32家正常公司，其作用是确定预警模型，而检验样本包括2家ST公司和2家正常公司，主要用来评估预警模型的预警能力。 中对最终预测模型有显著贡献的预测变量，参考了在实证研究中目前广泛采用的财务变量，并结合上述指标选取原则和我国上市公司的实际情况，初步确定了27个。 两独立样本的Mann-Whitney U检验的零假设为样本来自的两独立总体的均值没用显著差异。其检验主要通过对平均秩的研究来实现推断，秩简单来说就是名次，首先将两组样本数据和混合并按升序排列，求出每个数据各自的秩；然后对和的秩求平均，得到两个平均秩。如果这两个平均秩相差很大，则零假设不一定成立。 Mann-Whitney U检验还计算每个秩优于每个秩的个数，以及每个秩优于每个秩的个数，并对和进行比较。如果两者相差很大，则零假设不一定成立。 SPSS将自动计算Wilcoxon W统计量和Mann-Whiteny U统计量，其中： 当mn时，；当mn时，； 当m=n时，Wilcoxon W等于第一个观察值所属样本组的W值。 Mann-Whitney U统计量的计算公式如下：，其中W为Wilcoxon W统计量，n为W对应组的样本容量。 SPSS将计算出U值，然后依据Mann-Whitney分布表给出相应