基于可变精度粗糙集模型上市公司财务困境预测.docVIP

基于可变精度粗糙集模型上市公司财务困境预测 　　摘要: 基于可变精度粗糙集模型对上市公司财务困境预测进行的研究表明, 可变精度粗糙集模型对ST公司的预测准确度达到了85%, 对正常公司的预测准确度达到了65%, 总的预测准确度达到了75%; 而将ST 公司误判为正常公司的错误率为15%, 将正常公司误判为ST 公司的错误率为35%, 平均误判率为25%。因此总体而言, 可变精度粗糙集模型具有较好的预测能力。 　　关键词: 财务困境; 可变精度粗糙集模型; 预测能力 　　中图分类号: F830.91 文献标识码: A 文章编号: 1005- 0892 (2007) 05- 0032- 05 　　收稿日期: 2007- 01- 11 　　基金项目: 国家自然科学基金资助项目(70262001) 　　作者简介: 胡援成, 江西财经大学金融学院首席教授, 博士, 主要研究方向为公司金融及国际金融; 程建伟, 浙江工商大学教师, 主要研究方向为公司金融。 　　 　　一、引言 　　 　　随着我国证券市场的日益规范化, 依据客观、公允基础上披露的上市公司财务报告, 通过构造合理的预测模型以获得有关财务状况出现严重恶化的上市公司预警信号, 对于及时发现和预测财务困境公司, 有效防范金融风险有着重要的现实意义。 　　公司财务困境的预测分析主要有定性分析和定量分析两种手段。定量分析是财务困境预测中主要使用的手段, 其方法是使用公司财务指标对未来可能面临的财务困境进行定量分析。Altman ( 1968) 、Ohlson( 1980) 、Zavgren ( 1985) 等学者使用常规的财务指标,如负债比率、流动比率、净资产收益率和资产周转速度等对企业财务困境进行预测, 效果明显。[1- 3]Aziz,Emanuel 和Lawson ( 1988) 以现金流量模型为基础, 提出公司的价值来自经营者、债权人、股东以及政府的现金流折现之和。他们根据配对的破产公司和非破产公司的数据, 发现在破产前五年内, 两类公司的经营现金流量均值和以现金支付的所得税均值有显著差异。[4]显然, 破产公司与非破产公司的经营现金流量会因投资质量和经营效率的差异而有所不同; 二者以现金支付的所得税, 也会因税收会计的处理差异而不同。 　　在我国该类型的研究中, 陈静( 1999) 以1998 年27 家ST 公司和27 家非ST 公司为样本, 使用1995- 1997 年的财务报表数???, 进行了单变量判定分析和二类线性判定分析。在单变量判定分析过程中, 发现在负债比率、流动比率、总资产收益率和净资产收益率四个财务指标中, 流动比率与负债比率的误判率最低; 在二类线性判定分析中, 发现由负债比率、净资产收益率、流动比率、营运资本/ 总资产、总资产周转率等六个指标构建的模型, 在ST 发生的前3 年能较好地预测ST。[5]张玲( 2000) 以120 家公司为研究对象,使用其中60 家公司的财务数据来估计二类线性判定模型, 并使用另外60 家公司的财务数据进行模型检验,发现模型具有超前4 年的预测结果。[6]吴世农、卢贤义( 2001) 以70 家ST 和70 家非ST 上市公司为样本, 采用盈利增长指数、资产报酬率、流动比率、长期负债/股东权益、营运资本/ 总资产、资产周转率等六个财务指标, 比较了多元判别分析、线性概率模型和Logistic模型的预测效果, 发现logistic 模型的预测能力最强。[7]应该说, 传统的财务困境预测方法在预测的准确性方面已经取得了一定的成绩, 但也存在不可忽视的问题, 如过于严格的假设条件。而现实中企业的财务数据往往并不具备这些前提条件, 这就使得模型的运用受到了极大的限制。建立在数集理论基础上的粗糙集模型是一种非参数检验, 不需要正态分布、等协方差的假设条件, 是分析此类问题的一个强有力的工具。本文从粗糙集理论出发, 尝试运用可变精度粗糙集模型对我国上市公司的财务困境进行预测。 　　 　　二、粗糙集理论在财务困境预测中的应用考察 　　 　　粗糙集理论(rough theory)是Z.Pawlak 等在1982 年提出的一种用于刻划不完整性和不确定性现象的数学工具。它在分析和处理不精确、不完整、不一致等不完备信息方面具有独特的功能, 能从不完备信息中发现隐含知识, 揭示潜在规律。近年来, 国外大学已经建立了不少基于粗糙集理论的知识发现系统, 并且粗糙集理论已在模式识别、数据挖掘、智能控制、医疗诊断、神经网络、图像处理等领域中得到了较广泛应用。Slowinski、Zopoudinis(1995)最早将粗糙集理论方法应用于经济金融预测。他们将粗糙集理论方法用于评价希腊银行贷款企业的风险。虽