Logistic方法在财务困境预测中应用.docVIP

Logistic方法在财务困境预测中应用 　　［摘 要］财务困境预测已成为国内外广泛关注的研究领域。财务困境预测方法主要包括多元线性判别法、逻辑回归法等参数方法以及神经网络等非参数方法，本文对各主要方法的优劣进行了评价，阐述了逻辑回归模型在财务困境预测领域的应用现状，并应用Logistic模型对我国上市公司进行了分类预测，在T-2年上取得了较好的预测精度。 　　［关键词］财务困境；预测；逻辑回归 　　doi:10.3969/j.issn.1673-0194.2009.15.037 　　［中图分类号］F275［文献标识码］A［文章编号］1673-0194（2009）15-0124-03 　　 　　1 引 言 　　 　　从20世纪末的亚洲金融危机到如今的全球经济衰退，日益复杂多变的竞争环境使得陷入财务困境的企业数量越来越多，企业管理者、债权人和投资者等都希望建立有效的财务困境预测机制，及早采取行动止损。因此，财务困境预测已成为国内外广泛关注的领域。 　　关于财务困境的本质问题，迄今为止国内外也没有一致的观点。本文认为可以从两个角度来定义财务困境，一是当企业财务报表出现资不抵债时，称之为存量破产；二是当企业实际上不能够清偿到期债务时，称之为流量破产。 　　企业财务困境长期困扰着经营者和资本持有者们，他们积极地寻求一些预测手段，希望能较早预见财务困境，避免更大的损失。财务困境预测研究在西方已经经历了相当长的一段时间，我国则是2000年后才陆续有实证研究出现。Fitzpatrick（1932）、Beaver（1966）、Altman（1968）、Ohlson（1980）等学者是这个领域的开拓者，他们先后应用单变量分析法、多元线性判别法以及逻辑回归等参数方法构建预测模型，以大量的变量组合以及恰当的方法，探索如何不断提高模型的预测精度。20世纪90年代初期，开始有学者尝试神经网络、生存分析、基于案例推理、DEA模型、决策树分析、粗糙集分析和支持向量机等非参数方法。参数方法和非参数方法相比而言，参数方法具有计算简单、运用方便、容易解释等优点，因此在财务困境预测方面得到了广泛的应用。单变量分析法计算简便、易于理解，但是一个财务变量包含的信息有限，而且根据不同的财务指标进行判断对同一个企业有可能得出相反的结论；线性多元判别法考虑了多个财务指标，但要求自变量服从正态分布，协方差矩阵相同等假设条件，而Logistic回归模型的理论前提相对判别分析法要宽松得多，它不限制自变量的分布，没有关于分布类型、协方差矩阵等方面的严格假定，因此Logistic在财务困境预测领域的应用日益广泛。 　　 　　2 Logistic方法的基本思想及应用 　　 　　Logistic模型是由J. Berkson于1944年提出的，适用于因变量为定性指标的二分类问题，其假设前提是：①因变量??y是二分变量；②数据必须来自于随机样本；③因变量y被假定为m个自变量x??i（i=1，2，…，m）的函数，因变量与自变量之间的关系是非线性的；④自变量之间不存在多重共线性。模型可表述为： 　　p=11+e??-s ，s=c??0+∑mi=1c??ix??i 。 　　式中，x??i为第i个指标变量，p为第i个变量的系数，p为因变量。p是s的连续增函数，s∈(-∞,+∞)，因此： 　　lims→+∞ p=lims→+∞11+e??-s=1， 　　lims→+∞ p=lims→+∞11+e??-s=0。 　　因为p∈(0,1)，所以p常被视为某一类概率。当Logistic回归应用于财务困境预测研究中，p越接近1，表示该企业陷入财务困境的概率越低；p越接近0，则表示该企业陷入财务困境的概率越高。?? 　　首先将Logistic模型应用于财务困境预测的是Martin（1977），他引入Logistic回归分析法，以1969-1974年为样本期间，选出25个财务比率构建模型，预测两年后银行可能倒闭的概率。我国也有许多学者尝试应用Logistic方法进行财务困境实证研究。吴世农 等（2001）选取了70家处于财务困境的公司和70家财务正常的公司为样本，分别建立3种预测财务困境的模型，结果表明，Logistic预测模型的误判率最低。 　　 　　3 研究数据和实验 　　 　　3.1 样本的选择 　　西方财务困境样本企业一般选择破产企业，但是在中国，由于上市壳资源的稀缺性，上市公司破产事件寥寥无几，因此我国绝大多数的财务困境预测的样本一般选择的都是ST上市公司。本实验以最近两年连续亏损而被ST的公司作为企业陷入财务困境的标志。本文实证研究样本集合为2002-2006年的我国沪深两市包括中小企业板A股上市公司，共789家企业，其中困境样本99个（分别由2005