数据挖掘技术在上市公司财务困境预测中的应用.docVIP

数据挖掘技术在上市公司财务困境预测中的应用 　　摘要：财务风险不仅严重危害企业的生存和发展，而且也会给投资者带来巨大的投资损失，因此上市公司财务风险的预测越来越受到实务界和学术界的重视。笔者基于中国资本市场的数据，选取了2014-2015两个时间窗口的27家首次被ST（特别处理的股票）的上市公司和54家各项财务指标符合上市规则的公司作为本文的研究数据来源，其中27家ST的公司以被ST前的第二个会计年度的数据为基数，运用CLementine工具，比较准确地实现了数据挖掘技术在上市公司财务困境预测中的运用。研究结果表明数据挖掘技术（Data mining）在财务困境预测模型具有较强预测能力，正确率较高。 　　关键词：财务困境预测；数据挖掘；Logistic回归 　　中图分类号：TP182 文献识别码：A 文章编号：1001-828X（2016）028-000-02 　　一、绪论 　　1.研究背景 　　ST（股票被特别处理）规则的实施可以追溯到上个世纪90年代末，正是由于一批公司上市后财务状况严重恶化，投资者利益尤其是那些小股东的利益受到严重损害，深证和上海证券交易所于1998年3月16日正式启动ST规则，这标志着中国资本市场制度的完善。所谓ST规则是指当上市公司财务状况出现异常情况不符合上市条件时，该公司的股票会被特别处理以引起投资者的关注。尽管ST规则的实施出于保护投资者的利益，但是该规则存在着滞后性，这就意味着上市公司出现财务异常状况时投资者的利益已经收到损害。单纯从数量方面来看，2014-2015两年被特别处理的公司都超高50家，而且大部分被ST（特别处理）的原因在于最近连续两个会计年度的净利润为负数，由此可见上市公司被ST只有在公司连续两年财务状况严重恶化的情况下才会出现。 　　公司被ST后证监会会给出一定的整改时间，在这段时间内公司的高管承受巨大压力，并采取各种手段粉饰财务报表以求尽快摘帽，而这些措施往往是“拆了西墙补东墙”，投资者及其他利益相关者的利益还是会受到实质性的损害。因此，基于该背景，利用数据挖掘技术，从大量的财务数据中挖掘出对上市公司财务困境有预测作用的信息，成为我国市场的一个重要问题，具有一定的理论和现实意义。 　　2.研究意义 　　数据挖掘技术（Data mining）是基于大数据背景下产生的数据提取技术，在信息过量的现代企业管理中如何高效准确提取出管理活动中必须的信息是目前比较新的研究领域之一；而如何在上市公司发生财务困境时高效运用现代信息技术预测企业未来的财务状况变化目前是比较棘手的问题。因此本文的研究结果在某种程度上有一定的理论价值。 　　以此同时，本文利用数据挖掘技术提前预测上市公司的未来各项财务指标的变化具有重要的现实意义。首先，上市公司的财务预测模型具有提前性，相比ST规则的滞后性，财务预测模型可以提前检测上市公司的各项财务指标给管理者充分的时间采取措施扭转经营恶化的趋势，相比被ST后在短暂时间内的“拆了西墙补东墙”的措施，财务预测模型具有时间上的优势，从而减少对利益相关者利益的损害甚至可以增加他们的利益。其次，财务预测模型可见减少上市公司的成本，上市公司被ST后将会发生各种成本，比如信息披露成本，而企业建立财务预测制度和可以以较少的投入避免更大的支出。 　　二、我国上市公司财务困境预测模型的研究设计 　　1.实证研究的基本流程 　　本文的实证研究可以分为三个流程，首先从证券交易所的官网中选取27家2014-2015年度被ST的上市公司和54家没有被ST的公司作为研究对象；并确定能显示上市公司财务状况出现问题的财务或非财务指标，从国泰君安和锐思数据库检索需要的数据。其次，其次，对所选取指标进行特征选择，删除对被解释变量影响不显著的指标，降低变量维度，选择回归结果显著的指标作为预测模型的解释变量（Xi）。最后，将剩余的指标代入预测模型，运用Logistic回归的基本原理对预测模型进行实证检验，并检验模型的稳健性以对模型预测的效果进行最后评价。 　　2.财务困境预测指标体系的设计 　　根据国内外研究成果和我国上市公司信息披露的现状，本文选取了以下7个方面47个具体指标，这些指标涵盖企业的财务与非财务，短期与长期，流动与非流动，投资者相关与债权人相关等方面。 　　（1）上市公司的盈利能力 　　盈利能力是企业财务状况与经营状况的集中体现。如果一家公司的盈利能力强，这将给起来带来充足的盈余公积以应对未来可能发生的各种财务风险，这将意味者该公司被ST的可能性小。因此本文首先选择盈利能力的财务指标作为本文财务预测的代入变量。 　　关于盈利能力本文选取的代表指标有：投入资本回报率X1、净资产收益率X2、资产报酬率X3、资产净利率X4、营业利润率X10、销售成本率X6