基于SVM多分类模型上市公司财务困境预测.docVIP

基于SVM多分类模型上市公司财务困境预测 　　[摘 要] 目前的财务困境预测模型大多局限于二分类研究，而公司陷入财务困境往往会经历一个逐步衰败的过程，简单的二分类有时会掩盖某些上市公司财务状况逐渐变差的事实。为了更准确地判断上市公司的财务状况，将其按照盈利能力分为财务健康公司、财务亚健康公司和财务困境公司3类，并运用t-1年和t-2年的面板数据，采用基于平均影响值的变量筛选方法构建了SVM多分类模型。实证结果表明，模型的预测能力较好，能够以较少的特征变量实现较高的分类精度，是切实有效的。 [关键词] 财务困境预测； SVM多分类模型； 平均影响值 doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 04. 001 [中图分类号] F275.1 [文献标识码] A [文章编号] 1673 - 0194（2014）04- 0002- 04 1 引言和文献综述 近些年来，国内外的专家学者对企业的财务困境预测进行了大量的研究，提出了许多有价值的预测方法。但大多数学者把研究样本分为困境公司和健康公司两类进行研究，而公司陷入财务困境往往会经历一个逐步衰败的过程，仅仅将公司分为困境公司和健康公司，往往会忽略健康公司面临的一些问题，有些公司虽然没有戴帽，但是财务状况并不理想，有的甚至亏损。因此，将上市公司仅仅分为困境公司和健康公司两类进行研究，难以判断健康公司财务状况的好坏程度及其是否处于财务困境的边缘，不能给投资者、公司管理层和债权人等相关各方提供更为明确的反映公司未来财务情况的信息。 Amy Hing-Ling Lau于1987年在“五状态财务困境预测模型”一文中首次将企业财务状况分为5个状态：财务稳定阶段、未支付股利或股利较上年减少达40%以上阶段、无法偿还贷款阶段、受破产法保护阶段、破产阶段。他认为从状态2到状态5，企业处于财务困境状态，并且严重程度逐步增加。我国学者吕长江、赵岩（2004）也突破将企业财务状况仅分为“好”和“坏”的简单分类，在理论上将公司财务状况分为5类：财务闲置、财务充盈、财务均衡、财务困境和财务破产，并且用实证分析证明了该理论假设。刘彦文、戴红军（2007）采用三分法，即在将公司分为财务困境公司和非财务困境公司两类的同时，又将非财务困境公司按一定标准分为财务状况不稳定公司和财务状况良好公司，构建了一个基于三元logistic的财务预警模型。结果显示，三元Logistic预警模型的判别能力优于二元logistic预警模型，误判成本也相对降低许多。本文在借鉴已有研究的基础上，结合我国实际情况，将非困境公司按照其盈利能力划分为健康公司和亚健康公司，进而将上市公司整体划分为3类：财务健康公司、财务亚健康公司和财务困境公司（以下分别简称为：健康公司、亚健康公司和困境公司）来进行实证研究，以获得更加精确的分类结果。 2 样本和变量的选取 2.1 分类标准 由于我国证券市场的退市制度建立较晚，退市的企业很少，因此，与国内众多学者一样，本文将公司因财务状况异常而被特别处理（ST）作为陷入财务困境的标志，即选择ST和*ST公司作为困境公司的样本。 一般来说，反映企业财务状况的指标主要有偿债能力指标、盈利能力指标、营运能力指标和成长能力指标等。在这些指标中，盈利能力指标是核心，因为利润是企业生存和发展的保障，是企业竞争力的集中体现，企业的盈利能力越强，抵御风险的能力也越强。从长远来看，企业的偿债能力、营运能力和成长能力最终都取决于企业的盈利能力； 另一方面，上市公司发行证券和被特别处理的标准都是盈利能力指标。我国规定当上市公司出现连续两个会计年度净利润均为负值或者最近一个会计年度每股净资产低于股票面值时，则会对该公司股票交易实行特别处理，即被宣布为ST。基于以上原因，本文采用盈利能力指标作为界定财务健康公司和亚健康公司的标准。 2.2 样本选取和数据来源 为了避免行业差异对预测结果的影响，增强指标的可比性，本文选择制造业中样本量较大的石油、化学、塑胶、塑料行业（以下简称化工行业）的上市公司作为研究对象（为了避免资产规模对预测结果的影响，剔除了中小板的上市公司）。考虑到资料的时效性和可获取性，本文选取了该行业2002-2012年被首次宣布为ST的24家上市公司作为困境公司样本，选取了近两年中至少有一年每股收益小于0.05元（0.05是正常标识公司每股收益的20%分位数）的32家上市公司作为亚健康公司样本，其余的67家正常标识公司为健康公司样本。本文没有遵循惯例进行样本的配对，因为配对抽样会造成样本中各类公司的比例和它们在总体中的比例严重不一致，从而高估模型的预测能力。 由于证监会是根据上市公司前一年的年报所公布