電力行業上市公司財務預警Logit模型實證研究

陳士龍

(長江大學一年級教學工作部,湖北荊州434000)

近年來我國證券市場規模日益擴大,購買股票成為投資者的重要投資方式。上市公司的經營狀況,尤其是對財務狀況嚴重惡化的企業的預報,對投資決策具有重要的意義。慮及不同行業、不同時間的財務數據對模型的影響[1],本文依據電力行業年度報表數據建立該行業財務預警模型。

一、模型的理論及方法

設上市公司出現財務困境為 y=1,財務正常為y=0,y為0-1型變量,Logit模型是解決該類問題行之有效的方法。設 y=1發生的概率為p,其數學期望其中 x為與y相關的財務比率,ln[p/1-p]可用財務比率線性解釋,即ln[p/1-p]=α+βx,借助樣本觀測數據,可得到α及β的極大似然估計值。

二、樣本的選取和模型的建立

1999年財政部、國家經貿委等部門聯合發布了《國有資本金效績評價規則》,其中,競爭性工商企業的評價指標體系包括8大基本指標:凈資產收益率、總資產報酬率、資產負債率、總資產周轉率、流動資產周轉率、已獲利息倍數、銷售增長率、資本積累率。本文選取30家電力行業上市公司的上述八大指標為變量建立模型(數據來源于網易財經2008、2009年度報表,除凈資產收益率指標為直接取自于會計年報外,其他各指標均是經過計算而得,計算公式見文獻[2]),依次設為 x1,x2,…,x8,考慮到變量數目繁多及可能出現多重共線性問題,先進行因子分析,以獲取少量互不相關的綜合指標。

表1 相關矩陣

1.因子分析結果。運用SPSS軟件對上述數據進行因子分析,用主成分法確定因子載荷,輸出結果見表1～表5。

表1給出了變量之間的相關系數矩陣,可以看出,諸多變量之間有較強的相關性,進行因子分析是合理的。

表2給出了共同度的信息,結果顯示公因子對每個原始變量的解釋能力都較強。

表3顯示,保留4個公因子可以解釋原始變量總方差的84%,可以滿意。

表2 共同度

表3 總方差分解表

表4 因子旋轉前后載荷矩陣

表5 因子得分系數矩陣

表4給出的是旋轉前后的因子載荷矩陣,可以看到,第一個公因子基本上反映了總資產報酬率、資產負債率、已獲利息倍數、資本積累率的信息,反映了凈資產收益率的部分信息。第二個公因子主要集中了流動資產周轉率的信息,反映了凈資產收益率的部分信息。第三個公因子主要集中了銷售增長率的信息。第四個公因子主要集中了總資產周轉率的信息。

表5給出了因子得分系數矩陣,據此可得到各公司在4個公因子上的得分。

2.預警模型。以上述4個公因子得分代替原始數據進行Logistic回歸,SPSS軟件輸出結果顯示,第三個主因子的 Wald檢驗不顯著,用剩余3個主因子作回歸,出現財務困境標準以凈資產收益率低于同期年貸款利率劃定(見表6～表8)。

表6是對整個模型的檢驗,結果表明模型非常顯著。表7是分類矩陣,說明模型對財務正常組預測正確率為84.6%,對財務非正常組預測正確率為88.2%,結果令人欣慰。

表6 模型的Omnius檢驗

表7 分類矩陣

表8 模型的系數及檢驗

表8是模型的系數及檢驗,其結果可得到預警模型:

三、結 論

通過因子分析法,得到用以建模的反映上市公司經營狀況的綜合指標,模型中的參數通過了檢驗,說明理論上可行,模型預測的正確度高,說明該模型具有現實指導價值,模型的構建框架可推廣到其他行業。

[1] 張鳴,張艷.財務困境預測的實證研究與評述[J].財經研究,2001,27(12).

[2] 何曉群.多元統計分析[M].北京:中國人民大學出版社,2004.

[3] 喬卓,薛鋒,柯孔林.上市公司財務困境預測Logit模型實證研究[J].華東經濟管理,2002,16(5).