公司财务预警LOGIT模型最优分界点实证的研究.docVIP

公司财务预警LOGIT模型最优分界点实证的研究 　　摘要：在利用Logit模型对企业的财务困境或违约进行预测时，现有文献往往将0??5作为判别财务困境或违约与否的标准，没有考虑最优分界点与样本配比和误判成本之间的联系。最优分界点的选择应当满足使整体错误分类率达到最小，或者使整体错误分类成本达到最小。分界点的设置不仅取决于两类错误的成本，还取决于模型构建者在样本选择时所设置的样本配比比例。本文给出了在误判成本最小化基础上最优分界点的理论推导过程和计算步骤，并对1:1和1:3样本配比情况下的最优分界点进行比较研究，发现无论是1:1还是1:3样本配比，第一类错误相对于第二类错误的成本越大，最优分界点就应该选择较小的值；在设定的1/1、1/5、1/10这三种成本比值下，两种样本配比情况下的最优分界点都小于0??5；在1:3的样本配比下，适当的分界点不仅能保证分类的准确性，还能更好地控制第一类错误，减小分类错误成本，而样本配比比例进一步提高可能会出现分界点过小的情况。 　　关键词：Logit模型；财务预警；样本配比；误判成本；最优分界点 　　中图分类号：F83文献标识码：A 　　 　　 　　收稿日期：2014-03-20 　　作者简介：郑玉华（1976-），男，湖北潜江人，南京信息工程大学经济管理学院教师，经济学博士，研究方向：金融计量与风险管理；崔晓东（1972-），女，河南巩义人，南京晓庄学院经济与管理学院教师，管理学博士，研究方向：金融工程与投资管理。 　　基金项目：江苏高校优势学科建设工程项目,项目编号：PAPD，ysxk2010；教育部人文社会科学基金项目“内部公司治理对银行风险承担行为影响研究”，项目编号：10YJC790149。公司财务预警主要基于两类计量方法，一是基于Black-Scholes（1973）［1］和Merton（1974）［2］期权技术的结构化模型，二是基于统计技术的二分模型。二分模型是比较常用的财务预警模型，基本原理是选取合适的财务指标作为解释变量，建立二项回归方程预测公司的财务困境或违约概率。由于二项回归中的Logit模型并不严格要求财务指标服从多元正态分布，因而在实践中得到广泛运用［3-5］。 　　值得注意的是，虽然相当多的学者利用Logit模型对违约率进行研究或对公司财务困境进行预测，但文献大多没有深入研究如何确定适用于我国的模型最优分界点。Logit回归模型并不存在理论上的最优分界点，大多数文献往往将0??5作为判别财务困境或违约与否的标准，这种作法存在较大的缺陷。事实上，最优分界点的选择与样本配比和误判成本问题联系在一起，如果把0??5作为财务困境或违约分界点，则意味着模型假定一家公司破产与不破产的先验概率一样，并且第一类错误和第二类错误这两类错误的成本相等，这与现实情况严重背离。因此，在利用Logit模型对企业的财务困境或违约进行预测时，最优分界点的选择与样本配比和误判成本问题联系在一起。结合这两方面对模型的最优分界点进行研究和分析，不仅能够保证模型的分类能力，而且可以控制犯两类错误的成本。 　　一、Logit模型最优分界点选择的理论研究 　　（一）Logit模型基本原理 　　对于公司i，用于违约预测的k个财务指标集合设为xi=(x1i,x2i,…xki)，令yi为公司i实际观察的是否违约的指示变量。如果将事件发生的条件概率记为pi=p(yi=1｜xi)，则(1－pi)为客户不违约的概率，而pi/(1－pi)称为事件的发生比。因此，在logistic分布假设下， Logit回归模型的表达式为： 　　logit(pi)=ln(pi1－pi)=β0+∑kk=1βkxki（1） 　　事件发生的概率可写作： 　　p(yi=1xi)=11+e－(β0+∑kk=1βkxki)（2） 　　估计模型的参数后，根据式（2）计算企业陷入财务困境或违约的概率pi。判定企业是否陷入财务困境或违约的标准是确定一个分界点，并根据pi与该分界点的大小关系来判定。在分界点选定为0??5时，如果pi≥0??5，则认为企业陷入财务困境，出现违约；如果pi0??5，则认为财务状况正常，不会出现违约。一旦所有观测被分为预测发生或不发生两类，则模型的分类准确性可以通过预测情况和实际观测情况的对比来体现。由于Logit模型在预测方面并不存在理论的最优分界点，不同的分界点选择也会影响模型的分类准确性，导致结果出现较大偏差，因此将概率0??5作为判别标准的这种作法存在较大的缺陷。 　　（二）最优分界点的确定 　　最优分界点的确定应该考虑两个因素：一是分界点与第一类错误、第二类错误的关系；二是分界点与样本配比之间的关系。第一类错误是指样本企业实际上是财务困境（或违约）企业，但模型错误地将其分类为财务状况正