基于改进灰色关联理论的上市公司财务风险预警研究.doc

基于改进灰色关联理论的上市公司财务风险预警研究 摘要：本文建立了财务风险预警指标，使用改进的GM（1,1）模型对上市公司财务风险进行实证研究。应用结果表明，改进灰色关联理论在财务风险预警中能够提高准确度，加快收敛速度，为财务风险预警提供了新的研究方法。 关键词：改进灰色关联理论；财务风险；预警；上市公司 1. 引言 随着我国证券市场的逐步规范，以及国家相关监管措施的陆续出台，影响资本市场的特定政治经济环境及相关政策约束发生了较大变化。为支持和鼓励我国企业通过规范运作、上市融资谋求更大的发展，中国证监会和证券交易所分别在2007年4月颁发了《关于开展加强上市公司治理专项活动有关事项的通知》及《关于做好加强上市公司治理专项活动有关工作的通知》。但是面对我国证券市场的复杂性，以及监管和政策的不完善等特点，上市公司真正意义上运营管理、赢利、财务等方面的质量状况并不能令广大投资者满意，主要原因在于上市公司信息披露制度不完善、公司治理结构不完善、会计制度和会计准则不完善以及会计信息披露不真实等。许多上市公司都遭遇了财务困境，甚至因为财务风险而变成ST或PT公司，严重影响了这些企业的信誉和流通市值，同时也给投资者带来巨大的恐慌和经济损失。因此进行科学合理的上市公司财务风险预警，对减少企业财务危机，持续稳定、健康地发展具有重要的意义。构建一个有效实用的财务危机预警模型，满足利益相关者日益迫切的需要，成为影响我国资本市场健康发展的重要因素，具有很重要的现实意义。 当前的研究一般采用多元逻辑回归模型、多元判别分析方法、Z计分模型及比率法、主成分分析法等构造企业财务风险的预警模型，这些方法需要依赖历史样本和专家经验，缺乏动态预警能力，往往预测的结果也不够理想。鉴于此种情况，本文引入灰色关联理论，对上市公司财务风险进行预警，以促进上市公司及早采取应对措施，改善公司的财务状况。 2.改进的GM（1,1）预测模型 2.1 标准GM（1,1）模型 定义1：设有原始非负数列： =（，，……，）， =（），，……，）， =（），，……，）， 其中，则称 为标准GM（1,1）模型。 定义2：若为参数列，且 ， 则GM（1,1）模型的最小二乘估计参数列满足 定理1：设B，Y，如定义1，定义2所述，，则有如下成立： (1)的解（也称时间相应函数）为： (2) GM（1,1）模型的时间响应序列为； (3)通过还原得到预测值 2.2 GM（1,1）模型的改进 标准的GM（1,1）模型以序列X（1）的第一个分量作为灰色模型的初始条件，这样对新信息的利用不够充分，往往会影响预测的精度。在改进的GM（1,1）模型中，以的第n个分量作为灰色模型的初始条件，则新的信息对以后的影响大于较远信息对以后的影响，预测精度会有比较大的提高。 定理2：设B，Y，如定理1所示，，取为初始条件，则有如下成立： (1）时间相应函数的解为： (2) 的时间响应序列为； （3）； 2.3 GM（1,1）模型的检验方法 2.3.1光滑度检验 ，其中：k=2，3，…，n为序列的光滑比，由此可得：，如果是递减函数，则可以确定（）（k=1，2，…n）为光滑离散函数，适用于GM（1,1）模型。 2.3.2级比检验 ，级比必须落在可容区(0.135，7．389)中，才能作GM(1，1)建模。这是基本条件，但不是实用条件。为了获得精度较高的GM(1，1)模型，级比应落入尽量靠近1的子区间内，称此子区间为级比界区。级比界区的计算公式: 2.3.3残差检验 对应与原始数列的预测模型模拟序列为： 残差序列为： 相对误差序列： 平均相对误差： 2.3.4后验差检验 计算原始数列的均值及方差： ， 残差的均值与方差： ， 则均方差比值为，对于给定的C00,当CC0时，称模型为均方差比合格模型，小误差概率，对于给定的P00,当pp0时，称模型为小误差概率合格模型。具体的精度等级如表1所示： 表1 精度等级表 精度级别指标P指标C好0.950.35合格0.80.5勉强0.70.45不合格0.70.65 3.财务危机预测模型的建立和结果分析 3.1样本和预测指标的选择 （1）样本的选择 在样本的选择过程中，抽样方法的选择往往对实证研究的结果有一定的影响。常用的抽样方法主要有两种：一是随机抽样；二是Beaver在1965年首创的配对样本法，这两种方法的实证研究结果在统计上没有显著的差异。本文样本选择采用第二种方法，以在上海证券交易所和深圳证券交易所的上市公司为研究对象，随机选取被ST的上市公司前一年的有关财务数据作为财务危机企业的样本，同时选取了相应年份相同行业的正常的公司，这些样本公司跨多个行业，主要有医药、房地产、机械仪器等十几个行业，排除了进行特别处理的公司。