判别分析在企业破产中应用.doc

判别分析在企业破产中应用 　　【摘要】改革开放以来，随着我国市场经济的发展，涌现出了大量的优秀的企业。然而，与此同时，也出现了大批亏损的企业。有些甚至濒临破产。准确判别企业破产的程度无疑是采取适当措施搞活企业的基础和前提，对推进我国国企改革和促进国民经济健康发展更有重要的意义。本文皆在对各类企业财务数据进行判别分析，以找出破产企业和非破产企业有无本质的区别。在此基础上，如何提高判别的准确性，提高数据的可靠性，本文也提出了一些建议。 　　【关键词】企业 nbsp；破产 nbsp；财务数据 nbsp；判别分析 　　一、问题的提出 　　企业破产是一个世界性的问题。在美国以外其他国家大量关于企业破产研究的报告发表在《银行与金融杂志》1984年第八卷第二集和该杂志1988年第七卷的“金融专题研究”两期专辑上，至少包括了20个国家，充分显示了这些模型的影响和重要性。 　　本文旨在借鉴国外建立企业破产判别模型的理论和经验，分析解决以下几个问题：在我国目前的经济环境、会计环境下，我国破产企业在财务报表上是否有共同的、区别于非破产企业的本质特征？如果有的话，这种特征可否采用某种有效可行的方法予以判断出来？我们选取深圳，上海以及南京等地企业的财务报表数据，运用判别分析，肯定地回答了上面的问题。 　　二、理论及模型 　　判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。 　　它又称“分辨法，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。其基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。据此即可确定某一样本属于何类。判别分析有二级判别、多级判别、逐步判别等多种方法，在气候分类、农业区划、土地类型划分中有着广泛的应用。 　　判别分析方法主要有：贝叶斯（Bayes）判别，费歇（Fisher）判别等几种常见的方法。 　　（一）基于正态总体假设的贝叶斯（Bayes）判别方法 　　在假设两组协方差相等的情况下，贝叶斯判别方法将导出线性判别函数；假设两组协方差不等，则导出二次判别函数。 　　（1）假设两组协方差阵相等，两组母体的事前概率相等，误判损失恒为常数。此时得到线性判别函数。 　　如果该样本属于第j组的后验概率达到最大，则可以判断该样本属于第j组。从后验公式可以看出，比较后验概率实质上等价于比较样本到两组的广义距离。 　　（2）假设两组协方差阵不相等，两组母体的事前概率相等，误判损失恒为常数。此时得到二次判别函数。 　　（二）费歇（Fisher）判别方法 　　费歇准则对总体的分布类型并无规定，只要求有二阶矩存在。费歇准则下的线性判别函数是使得判别效率达到最大的判别变量线性组合。这里判别效率是指两组的组间差跟组内差之比。 　　费希尔判别法的基本思想就是降维，用少数几个判别式（综合变量）代替p个原始变量，判别规则就是根据这几个判别式来制定的。费希尔判别式的产生借用了一元方差分析技术。 　　进行判别分析难免会出现误判，误判概率一般需要通过样本来作出估计。在各组一般不能假定为正态的情况下，估计误判概率的方法通常有三种，其中交叉验证法最值得推荐。 　　本文旨在研究两类企业的分类问题。一类是破产企业，另一类是非破产企业。这里不妨称破产类企业组为第1组，非破产类企业组为第2组。COV1，COV2分别为第1组、第2组的协方差阵，并在两组协差阵相等时统一记为COV。以此为目标分别找出反映这两类企业相关性高的特征变量而建立判别函数，用于对任一企业、借款人和证券发行人进行判别分类。于是我们采用距离判别，判别函数的一般形式是： 　　Z= A1X1+A2X2+A3X3+ …+AnXn 　　其中：Z为判别分（判别值），X1，X2，X3，…Xn是反映研究对象的特征变量，如财务比率。A1、A2、A3……An为各变量的判别系数。 　　三、模型的建立 　　（一）样本的选择 　　为了统一起见，我们选择制造业企业作为研究的样本进行建模。对破产的企业收集它们在破产前两年的年度财务数据，同时对财务良好的企业也收集同一时期的数据。借鉴国外研究的取样经验，结合实际，确定以下取样原则：行业、资产规模尽量配对，时间严格相配，选取足够多的企业样本。为了减少人为的会计数据失真，我们采取了不违背统计原理的除假措施：我们选取2007年，破产的15家企业和健康的25家企业作为样本。样本均为国企。这些企业均在深圳，上海和南京等周遍地区。有一定的地域相似性。 　　（二）待考察的财