Logistic方法在财务困境预测中的应用.docVIP

Logistic方法在财务困境预测中的应用 企止管理具体使用SAS9.0，根据Stepwise方法筛选变量，通过Lo??3 研究数据和实验gístic回归，用T币2年的数据进行建模。完成以上过程，入3.1样本的选择选的变量为T-2年的资产收益率和净资产收益率。具体西方财务困境样本企业一般选择破产企业，但是的建模结果如表1所示。在中国，由于上市壳资糠的稀融性，上市公司脏产事件事事:x儿，因此我国绝大多数的财务剧境预测的样本表l财务困境前2年Stepwise特征集筛选结果一般选择的都是附上市公司。本实脆以最近两年连变量名称自由度参数估计值你准皇室Wald统(1#039;陆显著水平续亏损而被町的公词作为企业陷入财务困境的标志。1 。翩2873-1.2659 19.4085 lt;0.似JOI本文实证研究样本集合为2佣2-双脚年的我回沪探两资产收~叫33.5∞o10.7686 9.6776 O.ω19 市包摇中小企业极A股上市公词，共789家企业，其中凉(Xz)嗣境样本仰个(分别由2∞5，2(晰、2∞7年首次被ST净资产收1 -13.8426 4.9226 7.9077 O.∞49 的样本构成)，配对样本690个(均为2∞6年非财务困益率(X)s境公司，并且从2∞3-2∞5年从未有盯经历)。本文从表1的结果可以看巾，以95%为置信水平，则资数据来由于色谐芬CCER数据库。产收益率和净资产收益率通过了检瞌，这两个属性对本实验采用大规模平衡采样方法进行数据抽样，于分费贡献较大o具体来说，是从非ST样本中随机选取99个样本，将其3.3建立分类模型和全部99个ST样本合并戚训练样本，再把剩下的591根据表1，诵过1..0♂stic建模得到的分类模型为:个非ST样本和99个ST样本合并成测试样本。3.2特征子集的筛选p口 _.……ω…; 山户26X.l1 + e叫凰品;J7-.，.，.川JU;l-I.:J刷刷，困境公词和正常公词的分樊过程依赖于待识别对式中，p为公司陷入财务罔境的概率。象的一细藩本特征，特征选择的目的是辨识关键特征，从模型者，公司的资产收益率和净资产收益率是用较少变量边到精确决策。因此理论界和实务界一直步IJ断企业是否会陷入财务闲境最好的解释变量。公词致力于寻找一套完美的指标变最组合，配以恰当的预的资产收益率和净资产收益率对于公词是甜会陷入财测方法，能够精确地脚别处于财务困境初级阶段的企务困境都有负影响，如果公司上一年度的资产收益率业。但遗憾的是，迄今为止，众多的实证研究所应用的和净资产收益率越大，那么公词在下…个年度陷入财变量组合大多是根据经瞌戚前人的研究实践而确定务周境的可能性越小。模珊的结果和实际的结济业务的，并且对企业财务困境产生道大影响的许多定性指是吻合的，模型很好地拟合了公词现实中财务困境的标难以最化到变量也合中去o实际状况。另外，该模型只有两个变髓，那么在进行模本文确定了如下指标库:(总)资产收监率，净资产收型应用时只需要计算这两个变盘就吁以别断下…年公益率(净利润)，净资产收益率(营业利润)，(总)资产留存司陷入财务困境的可能性，成本非常低。收益率，总资产营边资本率，速动比率，流动比率，资产负3.4模型测试债率(债务资产比率)，应收账款周转率，存货周转率(存货下商测试模型预测企业陷入财务周墙的能力。当样的周转次数)，总资产周转率，现金流功负债比率，现金负本均衡时，1ρ伊tíc模型预测拟合检验的酬值叫般选挣债比率，现金债务总额比，销售现金比率，金部资产现金回0.5，当预测概率结果大于0.5时，判定结果为困境公司，收率，任期股权投资放率比率，销售营业外收入比率，总资否则为正常公词。困境公词用;1;褒示，正常公词用;0;产增长率，主营业务收入增长率，资产总计(l..og)0 表示。根据标赞前两年(T-2年)的数据得到的模现在根据我国关于ST特别处理k市公司的规定，如果T测出集上进行酬削，1..ogístíc模型顿测站廉见我20年是标笼年，那么只要T-1年零利润为负数、T-2年零利我2T-2年Logistic模型的分类准确率润为负数1年将毫无疑问地被盯特别处理，因此用T-l年的属性来预测T年是没有意义的。所以本实验直接根顶测值据T-2年的属性预测企业在T年的二分费情况。实测值是7号ST准确率误判率合计T-2年有21个变量，如果把21个变最全部纳入到建(% ) (% ) 1正常ST 模当中，由于统计不显著的变量的加入，会影响模型的准正常533 758 591 90.19 9.81 是否确率，也会增加模型服用时的戚本，因此要进行资键的筛ST ST 9 90 99 90.91 9.ω 选，选择出对模珊区分度最大的属性。具体筛选变量的方合计542 148 690 90.55 9.45 法有很多种，本文通过逐步逻辑凹归(Step