我国上市公司动态财务危机预警探究——关于时序立体数据方法的模型构建.pdf

(二)研究方法概述 在文献方面，国内外关于财务危机预警的研究非常多，成果斐然。 广义上讲，可以分为两大类：一类是静态分析；～类是动态分析。静 态分析是一种基于传统利润表及资产负债表，单纯从某个截面角度来 研究企业财务危机的研究方法，它是当前研究方法的主流。从方法创 新角度看，静态分析可分为单变量分析、多变量分析、Logistic回归 分析、神经网络模型和基于期权定价理论的模型。动态分析则是一种 基于企业现金流量表或从财务数据的时间序列角度来研究财务危机 的方法。国内关于企业财务危机预警的实证研究起步较晚，陈静 (1999)第一个公开发表了我国上市公司财务危机预测研究。目前国 内的研究方法仍以静态分析为主，动态研究还仅仅处于理沦探讨阶段。 (三)当前国内实证研究存在的主要问题 从当前国内的实证研究来看，主要存在以下三方面的问题： 1、忽视财务比率分析中的时间序列特征 由于企业蚓务循环具有持续性特点和累积效应，单纯的截面分析 难以识别导致企业财务状况恶化的内在趋势原因；从理沦上讲，由于 缺乏时序特征的解释，运用财务危机发生前的t-n(n=1，2，3，4，……) 个时点的样本数据来估计未来危机的概率也并不完全符合逻辑；而且 分时点的截面分析可能由于样本时间段的不同而得到因子差异明显 的模型。 2、忽视现金流量指标 国外对加入现金流量指标的动态财务危机预警研究，已经取得比 较丰硕的成果。然而国内由于对现金流重要性的认识不够，加上我国 从1998年开始才要求上市公司编制现金流量表，因此进行实证研究 所需的现金流量方面的数据严重缺乏。这些原因，最终导致国内的研 究仅仅停留在对现金流量指标体系构建的理论探讨层面。 一 3、Logistic回归模型自变量的多重共线性问题 从国外的文献综述可以看出，Logistic回归模型的前提假设相对 于判别分析要宽松的多，它没有关于分布类型、协方差等方面的严格 假定。不过，在大量运用Logistic回归的研究中往往忽视了另一个相 当重要的问题，即模型自变量之间可能存在的多重共线性问题。 与其他多元回归方法一样，Logistic回归模型对于多重共线性问 题非常敏感。当变量之间的相关程度高时，系数估计的标准误将会急 剧增加。在实证分析中，由于财务比率均由具有相互勾稽关系的财务 报表计算得出，同类指标之间的相关程度非常大，不加处理地让这些 高度相关的变量直接进入模型必然会导致严重的多重共线性问题。当 前，国内外大多数相关研究都没有意识到这一问题，由此得出的判别 模型，其稳定性和准确性显然不容乐观。 二、本文的研究成果与创新 (一)本文的研究特点 本文主要针对上述三个问题，进行财务危机预警研究技术上的改 进，探索性地将多元统计中的时序立体数据方法运用到财务预警研究 中，并在自变量中加入基于现金流量表的财务比率进行动态预警模型 的构建。 为使样本更具代表性，同时考虑到1998年以后我国的上市公司 才唷现金流量方面的数据，因此本文选择2002年一2004年三年内沪深 两市首次被sT或*ST的上市公司作为研究样本。通过行业相同和资 产规模相似等原则进行配对，找到对应的健康公司样本。在尽量扩大 财务比率数目的同时，取它们被ST或*ST前四年内的财务比率进行 分析。为使指标更具普遍性和代表性，本研究从偿债能力、盈利能力、 资产管理能力、经营发展能力等七个方面共选择了67个财务指标， 特别是加入了基于现金流量表的13个现金流量比率。 实证中，本文最终建立的仍是Logistic回归模型。不过与前面学 者研究过程不同的是，本文先对样本连续多年的多个财务比率进行全 局主成分处理，在累积贡献大于90％前提下，提取多个完全正交的主 因子，然后对这些主因子采用逐步回归的方法将其纳入到模型中。7整 个处理过程既考虑了财务比率的时序特征，也克服r财务比率之间的 多重共线性问题。最后，本文；1哿基于时序立体数据方法的Logistic回 归模型与传统多元判别模型和简单Logistic回归模型预测准确率进行 比较，从而检验其有效性。 (二)本文的实证研究结果 实证结果表明： 1、财务循环具有时序特征，构建反映企业财务趋势的立体数据 空间是可行的。这克服了人们以往单纯以截面分析为主，忽视财