高技术服务业上市公司财务预警剖析.docVIP

高技术服务业上市公司财务预警剖析 　　摘 要：文章选取企业偿债能力、发展能力等六个方面的32个指标为财务预警指标体系，对高技术服务业上市公司的财务状况进行研究，并运用T值显著性检验和因子分析法对所选指标进行降维。在此基础上，本文利用理想距离判别模型和Logistic回归分别构建财务预警模型，并对各个模型的优缺点及预测结果进行比较分析。研究结果表明：Logistic回归模型预测准确度略优于理想距离判别模型，但对ST公司和非ST公司预测准确度差别较大，不具有较强的稳定性。 　　关键词：财务预警；因子分析；理想距离判别模型；Logistic回归 　　中图分类号：F275 文献标识码：A 文章编号：1008-4428（2017）08-96 -03 　　一、引言 　　后金融危机时代，我国为了能够在日益激烈的贸易战、生态环境恶化以及失业率升高等问题下寻求发展，高新技术产业和现代服务业相融合，发展形成适应产业转型潮流的高技术服务业。但是，随着高技术服务业发展，所处宏观环境和自身因素的变化，其经营风险不断上升，财务预警问题越来越受到注意，如何通过建立财务预警模型对高技术服务业上市公司财务状况进行有效预判，已成为企业财务管理的重要部分。关于财务预警模型的建立，国内外学者已提出不同的建议，但专门针对高技术服务业的实际情况较少，不论是财务预警模型指标的选取，还是模型的构建都不够成熟，不能及时准确预测财务情况。因此，选择能够及时对高技术服务业上市公司财务危机做出反应的模型，在危机发生之前发出警告十分必要。 　　本文利用理想距离判别模型和传统的Logistic回归模型，分别对高技术服务业上市公司的财务情况进行预警，并对预测结果进行分析比较，力求为高技术服务业上市公司提供有效的财务预警方法。 　　二、模型简介 　　（一）理想距离判别模型 　　假设样本点向某一个特定点集中，则称这个点为理想点，反之，样本点距离这一特定点较远，则为不理想点。例如，设各预警指标的平均值为x1，x2，x3，……，xm，且财?兆纯稣?常的样本点有向（x1，x2，x3，……，xm）点集中的趋势，取其为理想点，再设各评价指标的权重系数为w1，w2，w3，……，wm，我们构造理想距离评价函数 ，指定一个阀值D0，当一个企业的综合评价值 D大于或小于D0就判定该公司财务状况为理想，相反就判定为不理想，即企业有发生财务不正常现象的可能，阀值D0 一般根据ST公司和非ST公司训练样本模拟预测正确率基本相等来确定。 　　（二）Logistic 回归模型 　　通过最大似然法可以得到参数列 β0，β1，β2......βk的估计值，将参数估计代入 Logistic 回归模型可以得到企业发生财务困境的概率。若p0.5，表明企业被ST概率较大，可以判定企业为即将ST类型；若p0.5，表明企业财务正常的概率较大，可以判定企业为财务正常。 　　三、样本选取与指标体系构建 　　（一）样本选取 　　本文以2016年A股中高技术服务业上市公司为研究对象，通过选取能够衡量公司发展能力、风险能力等32个指标构建财务预警体系，在公司原有数据基础上剔除异常值、缺失值，最终得到所需样本数据。根据我国上市公司信息披露制度，公司发生财务危机的实际年份应该是其被ST的前一年，为了能够全方位探讨模型的预警能力，本文最终确定以T-6至T-2年为样本期间，即选取2010～2014年数据对2016年公司是否被特别处理做出预测。 　　（二）财务预警指标体系建立 　　为全方面、多层次反映高技术服务业上市公司的财务状况，本文选取偿债能力、发展能力、风险能力、经营能力、现金流水平及盈利能力六个方面的 32个指标构建初始预警指标体系，具体如表1所示。 　　四、高技术服务业上市公司财务预警的实证检验 　　（一）高技术服务业上市公司财务预警指标的显著性检验 　　本文通过对样本数据的 比较均值T值检验，分析ST公司与非ST公司之间各年度财务指标是否存在显著差异，筛选合理的财务指标。T检验建立的原假设（H0）为：ST公司与非ST公司在同一财务指标上没有不同。各年度T检验结果如表2所示。 　　当P值（Sig.）0.05，表明指标在两类公司之间没有差异，予以剔除。 　　结果可得：在 T-6年至 T-2年期间，ST 公司与非ST公司分别在X1、X7、X14、X16、X29等财务指标存在显著差异。同时随着正常公司被ST的临近，P值小于0.05的预测指标数量增加。但也存在6个指标在样本期内都没有通过T检验，分别为X4、X6、X10、X11、X26、X27。基于以上分析，剔除了样本期间内四年和五年中均没有显著差异的指标，最终保留X1、X2、X7、X8、X12、X16、X29等24个指标作为下一步分析的变量。 　　（二）高