中国上市公司判别分类模型实证研究.docVIP

中国上市公司判别分类模型的实证研究 　　摘 要：选取2016年上海证券交易所所有的中国上市公司，按照传统的分类方法对其进排名，分成优、良、差三大类，然后在每一类中随机地选取100名上市公司作为研究对象，建立以三类上市公司作为因变量，市场质量指标、综合能力指标、股权结构指标和风险因子指标作为自变量的Fisher判别分类函数。同时判别的准确率高。所以每个上市公司可以针对各自的具体情况进行改进 关键词：市场质量指标；综合能力指标；股权结构指标；风险因子指标；判别分类 一、引言 判别分析是一种统计判别和分组的技术手段。而线性判别分析是根据预测变量的属性值，确定这些预测变量的最佳线性组合，将研究对象的总体划分成两个或多个部分。上市公司传统的判别评价等级，归纳起来主要有三种方法。第一种方法是综合评价指标，即根据一定的权重对各项财务指标进行综合评价。第二种方法用每股收益作为评价等级的指标。第三种方法是用净资产收益率作为评价等级的指标。这些评价等级方式的缺点是指标过于单一、片面 杨善林，江兵（2006）运用Q型聚类中的系统聚类分析法将机械工业行业的45家上市公司分成5类，并进一步按盈利性、成长性和财务安全性对每一类公司的业绩状况进行总体归纳评价。沈?Z（2009）选取六项财务变量对中小型上市公司进行聚类分析，得到中小型上市公司信用级别的分类，再通过判别分析得到不同信用级别的二次型判别模型，依据该模型中小型上市公司可以进行级别的判定。朱顺泉（2009）以中国资本市场的实际数据为样本，建立了期权定价信用分类模型。周丽聪（2011）选取2005-2007年对被进行特别处理的118家ST公司和126家非ST公司，以其财务指标为样本，进行logistc回归和BP神经网络分类，对这两种信用风险评判模型在中国市场做了实证研究 二、模型 中国的证券市场诡异多变、问题重重。用哪些因素构建中国上市公司控分类模型显得至关重要？虽然影响中国证券市场的因素纷繁复杂，但主要因素无非四种情况，第一种是股票市场的质量情况，第二种是财务情况，第三种是股权结构情况，第四种是股票市场的风险状况。因此选用这些因素及相应指标，建立上市公司的评价等级是证券市场中的一个空白 （1）中国上市公司的判别分类模型 样本的选取：2016年上海证券交易所（A股）600000到601999号所有的上市公司按照总市值、营业收入和净利润排名分成优、良、差三大类，然后在每一类中随机地选取100名上市公司 样本数据的处理：三类上市公司作为分类因变量，市场质量指标（价格冲击指数、流动性指数、大宗交易成本、买卖十档总额、相对买卖价差、相对有效价差、波动率、超额波动率、收益波动率、定价效率系数和定价误差系数）、综合能力指标（每股收益、每股净资产、净资产收益率、扣除后每股收益、流动比率、速动比率、应收账款周转率、资产负债比率、存货周转率、固定资产周转率、总资产周转率、净资产比率和固定资产比率），股权结构指标（股权集中度1、股权集中度5、股权集中度10、股权集中度11、H1指数、H5指数、H10指数、Z指数）、风险因子指标（Alpha因子、Beta因子、R方因子、调整的R方因子）做自变量，用spss软件构造上市公司的判别分类函数。其中在优、良、差类的上市公司中各项指标不含缺失值的分别有81，70和91个上市公司 样本数据来源：上海证券交易所市场质量报告（2016年的市场质量指标的数据），全景网（http：//）（2016年的综合能力指标的数据），RESSET金融数据库（http：//）（2016年股权结构指标和风险因子指标的数据） 首先为了避免自变量高度的相关性，用逐步筛选法，如果F值大于3.84选入模型，小于2.71将该变量删除。然后再用这些变量做判别分析 由表1知，第一步到第九步引入的自变量分别是大宗交易成本、总资产周转率、价格冲击指数、调整的R方因子、股权集中度10、速动比率、每股净资产、每股收益和流动性指数。每一步F值的显著性水平都是零，说明选入自变量的区别力较强 待判个案代入上市公司的Fisher系数判别分类函数，哪个组值最大，就说明预测对象在哪一类 由表3知，在原始回代法中，91个差的上市公司中有87个上市公司判断正确，百分比是95.6%，4个上市公司错判为良的上市公司，百分比是4.4%。70个良的上市公司中有52个上市公司判断正确，百分比是74.3%，12个上市公司错判为差的上市公司，百分比是17.1%，6个上市公司错判为优的上市公司，百分比是8.6%。81个优的上市公司有72个上市公司判断正确，百分比是88.9%，9个上市公司错判为良的上市公司，百分比是11.1% 用原始回代法有4+12+6+9=31个样本分类错误，正确率为（242-3