财务比率的统计分布及其时变特征.docxVIP

财务比率的统计分布及其时变特征 在上市公司的财务管理领域，定量分析模型长期以来一直用于预测和研究公共公司的财务困难，如芬兹普顿（1932）、贝耶尔（1966）和戴夫曼（1968）。不过,这些方法也存在一些明显的局限,例如该方法的前提,组内分布为正态分布并且组间协方差矩阵相等在现实中较难满足。1965年Horrigan第一次对财务比率的统计分布、多重共线性、时序相关性以及稳定性进行了初步考察并指出:“财务比率趋向于正态分布,但经常有偏”。在他之后各国学者在对财务比率分布特性研究的同时,也对导致财务比率偏离正态分布的影响因素进行了分析,并探讨使其变换到接近正态性的方法。在我国,尽管财务比率在定量分析模型中广泛应用,但尚缺少相应的财务比率统计分布特性研究。 1 []第1层次[2] 设财务比率数据符合线性模型Y=Xβ+ε。理论上已经证明比例变换、幂变换以及对数变换不改变原来数据结构。常用的平方根及对数变换有时效率不够,为此可以使用经过修改的幂变换Box-Cox变换来改进数据的正态分布特性。一般变换过程如下: 记W(λ)=[W1(λ)W2(λ)?Wn(λ)]=Xβ+ε,有Wi(λ)={(Yλi-1)/λ,λ≠0lg(Yi)?λ=0i=1,2,??nlimλ→0Wi(λ)=limλ→0Yλi-1λ=lg(Yi) 上式在Y0时是连续的,它可进一步修改为 f(V1(λ),V2(λ),…,Vn(λ),β0,β1,…,βp-1,σ2, λ)=(1√2πσ2)ne-[V(λ)-Xβ]t[V(λ)-Xβ]2σ2 上式求导并取对数得 lg[f(V(λ),b,?σ2?λ)]=-n2lg(2π)-n2lg[RSS(V(λ))n]- n2RSS(V(λ))[V(λ)-?V(λ)]t[V(λ)-?V(λ)]=-n2lg(2π)-n2lg[RSS(V(λ))n]-n2∝-n2lg[RSS(V(λ))n] RSS(V(λ))=[V(λ)-?V(λ)]t[V(λ)-?V(λ)]为V(λ)的残差平方和。根据置信水平可以确定λ的95 %置信区间,获得 Lmax(?λ)-Lmax(λ)＜12χ2(0.05)=1.92 χ2统计量自由度为1,?λ为λ的极大似然估计量。图1展示?λ与似然函数值关系。图中标出了似然值极小时置信水平95 %的有效变换的?λ取值区间。 2 财务统计模型使用单变量分析方法一 任一公司的截面财务数据本质上均为多维变量(财务比率),但由于多元正态分布的复杂结构以及在实际操作中,以多元分布的边缘正态分布来近似联合正态分布也有足够好的精度,故财务统计模型均使用单变量分析方法,不使用多维联合正态分布,也就是说视各个财务比率为相互独立的随机变量,研究各个财务比率的分布特性。 2.1 财务比率的选择 本文选择了与资产负债表和损益表有关的12项财务比率,见表1。 2.2 正态分布检验、公共企业的财务比例 2.2.1 行业财务比率及财务成本分布特性 本文按照深圳证券交易所对上市公司的分类,将全部上市公司分成22个行业,并采集1998～2002年间5年年报的全部数据,构成22个行业财务比率样本。计算行业描述性统计量,并使用非参数检验中的单样本柯尔莫柯罗夫·斯米尔诺夫(Kolmogorov-Smirnov)检验。撇开样本数大小的影响,对照不分行业时的数据可以发现:(1)各行业的均值、标准差有很大的差异,因而财务比率的分布特性与行业密切相关。(2)行业财务比率的偏度和峰度与不分行业时相比差别很大。在分行业样本基础上,K—L Z值及正态分布双侧显著水平显示个别财务比率已接近正态分布(采掘业的X1,X12),但绝大多数比率仍不服从正态分布。(3) 偏度和峰度显著为0的极少,绝大多数比率有偏,且有很大的正峰度系数。在Q—Q图上,也只有采掘业的X1和X12,批发零售业的X1近似正态分布。在直方图上,原始数据有近三分之一的比率分布近似对称,其余有偏且高峰。参见表2及表3(仅以采掘业为例,省略了其它行业,下文同)。 2.2.2 受污染样本的统计识别 数据清洗的目的是对样本原始数据进行考察,将影响样本分布特性的污染数据从样本中清除掉。如前所说,影响财务比率正态分布的因素是多方面的。Denkin(1976)、Martikainen(1980)、Medimore(1991)、Sudarsanam(1995)等人分别从离群值、混合分布、经济周期、公司非正常经营等方面对此问题进行研究。从统计观测值的角度而言,导致样本分布中大量离群值及有偏的根源在于异常分布的影响,即受污染的观测数据来自于与正常观测值分布参数(均值与标准差)不同的正态分布总体,或来自于非正态分布总体。Barnett和Lewis定义该过程如下: {X1,…,Xn}:Xj∈(1-λ)F+λ(φG) j=1,2,…,n 式中:Xj表示