基于二元逻辑回归模型的我国水处理类上市公司财务危机预警系统研究.docVIP

基于二元逻辑回归模型的我国水处理类上市公司财务危机预警系统研究 　　摘要：使用二元逻辑回归模型，通过研究沪深股市76家亏损公司和经营正常公司样本，建立了财务危机预警模型，弥补了现有的ST公司不适合作为亏损类公司研究样本的不足，并对14家水处理业公司和随机选择的14家ST公司进行判别检验，准确率达到82.65%。 　　关键词：财务危机预警 二元逻辑回归 水处理业 　　中图分类号：F830.91 文献标识码：A 　　文章编号：1004-4914（2013）02-164-04 　　一、研究问题 　　本文选择对我国水处理类上市公司财务危机预警进行研究的目的，是利用二元逻辑回归模型构建适用于我国水处理类上市公司的财务危机预警系统模型。财务危机的定义为企业处于经营性现金流量不足以抵偿现有到期债务的境况，是企业无力支付到期债务的一种经济现象。财务危机预警系统的定义是依据财务会计信息资料，以计算、统计、分析、监控等方法为手段，用设置预警指标、观察这些指标的变化趋势的方法来构建模型，以这种模型来完成对财务危机的监控、预测和报警。 　　研究成果在于水处理类上市公司的管理层可以根据系统提供的信息及时发现企业财务状况的恶化，以及造成企业财务状况恶化的原因，将财务风险降低到最低限度。从而能够及时地、有针对性地调整企业的经营策略，有效配置资源，把握水处理行业发展的机遇以实现更大的发展。 　　1.国外研究成果。国外的资本市场相对发达，最早的财务危机预警研究开始于Fitzpartrick（1932）的单变量破产预测研究。他选取了38家破产企业和非破产企业，利用单变量分析法分析发现“净利润/股东权益”和“股东权益/负债”两个指标能够判别这两类企业。Beaver（1966）同样采用单变量判定模型，以5个财务比率作为变量分别对79家失败企业和成功企业进行一元判定预测，发现“现金流量/负债总额”和“资产负债率”指标能够很好地预测企业财务状况。 　　Altman（1968）首先使用了多元线性模型，利用“Z-Score判别模型”进行企业破产的预测，以提出破产申请的33家企业和33家正常经营的企业为样本，收集了资产负债表和利润表中的数据，并通过整理从22个变量中选定预测破产最有用的5个变量，经过综合分析建立了一个判别函数，赋予5个基本财务指标以不同权重，并加权产生“Z”值。Z-Score判别模型预测能力准确，运用成本低的优点推动了多变量模型成为一种主流财务风险预测方法。 　　Martin（1977）首先以逻辑回归法判别企业经营风险。Ohlson （1980）扩大了分析样本，选取了105家陷入危机的公司和2058家经营正常的公司进行研究，研究结果显示逻辑回归模型预测能力之正确性在90%以上。 　　Collins和Green（1982）通过比较区别分析、线性机率模型及逻辑分析模型，得出了逻辑分析模型的预测能力高于前两种方法。 　　Mensah（1984）以110家企业为研究对象，利用因素分析方法从指标中选出代表多个相关性较强指标的主成分因子，然后再利用区别分析和逻辑回归模型建构财务预警模型，以预测企业是否因财务风险而导致破产。 　　Odom和Sharda（1990）使用神经网络模型构建了企业财务危机预警模型。 　　2.我国研究现状。我国对企业财务风险预警的研究主要始于引用国外的研究方法，并在其基础上结合我国企业的实际情况加以改进。其中有代表性的研究主要有： 　　吴世农和黄世忠（1986）提出运用线性判定分析方法建立的企业破产预测模型能够有效地反映破产企业的综合数量特征及其它们的差异，一般具有较高的预测能力。吴世农和卢贤义（2001）以70家处于财务困境的上市公司和70家财务正常的上市公司为样本，应用Fisher线性判定分析、多元线性回归分析和逻辑回归分析三种方法，分别建立三种预测财务困境的模型，研究结果表明逻辑回归分析模型的误判率最低。 　　周首华和杨济华（1996）通过加入现金流量改进了Altman（1968）的Z-Score判别模型，提出了F分数模型。以Compustat PC Plus会计资料中的4160家公司的数据为检验样本进行验证的准确率达到68.18%。 　　陈静（1999）先采用一元判定模型进行财务预警研究，在多元判定分析中，通过ST公司样本组和非ST公司的样本组进行判定分析，判定结论的准确性为在宣布ST带帽的前1年的准确率为92.6%，前2年为85.2%，前3年为79.6%。 　　张玲（2000）选择了沪深120家上市公司，分为两组进行分析，从15个特征财务比率变量中最后推导出只有4个变量的判别函数，判别结果为被ST的前2年预估正确率达到87%，前3年正确率70%。 　　二、解决方案 　　国内外对于财务危机预警系