中國上市公司判別分類模型的實證研究

李香麗+++張圣泉

摘 要：選取2016年上海證券交易所所有的中國上市公司，按照傳統的分類方法對其進排名，分成優、良、差三大類，然后在每一類中隨機地選取100名上市公司作為研究對象，建立以三類上市公司作為因變量，市場質量指標、綜合能力指標、股權結構指標和風險因子指標作為自變量的Fisher判別分類函數。同時判別的準確率高。所以每個上市公司可以針對各自的具體情況進行改進。

關鍵詞：市場質量指標；綜合能力指標；股權結構指標；風險因子指標；判別分類

一、引言

判別分析是一種統計判別和分組的技術手段。而線性判別分析是根據預測變量的屬性值，確定這些預測變量的最佳線性組合，將研究對象的總體劃分成兩個或多個部分。上市公司傳統的判別評價等級，歸納起來主要有三種方法。第一種方法是綜合評價指標，即根據一定的權重對各項財務指標進行綜合評價。第二種方法用每股收益作為評價等級的指標。第三種方法是用凈資產收益率作為評價等級的指標。這些評價等級方式的缺點是指標過于單一、片面。

楊善林，江兵（2006）運用Q型聚類中的系統聚類分析法將機械工業行業的45家上市公司分成5類，并進一步按盈利性、成長性和財務安全性對每一類公司的業績狀況進行總體歸納評價。沈璟（2009）選取六項財務變量對中小型上市公司進行聚類分析，得到中小型上市公司信用級別的分類，再通過判別分析得到不同信用級別的二次型判別模型，依據該模型中小型上市公司可以進行級別的判定。朱順泉（2009）以中國資本市場的實際數據為樣本，建立了期權定價信用分類模型。周麗聰（2011）選取2005-2007年對被進行特別處理的118家ST公司和126家非ST公司，以其財務指標為樣本，進行logistc回歸和BP神經網絡分類，對這兩種信用風險評判模型在中國市場做了實證研究。

二、模型

中國的證券市場詭異多變、問題重重。用哪些因素構建中國上市公司控分類模型顯得至關重要？雖然影響中國證券市場的因素紛繁復雜，但主要因素無非四種情況，第一種是股票市場的質量情況，第二種是財務情況，第三種是股權結構情況，第四種是股票市場的風險狀況。因此選用這些因素及相應指標，建立上市公司的評價等級是證券市場中的一個空白。

（1）中國上市公司的判別分類模型。

樣本的選取：2016年上海證券交易所（A股）600000到601999號所有的上市公司按照總市值、營業收入和凈利潤排名分成優、良、差三大類，然后在每一類中隨機地選取100名上市公司。

樣本數據的處理：三類上市公司作為分類因變量，市場質量指標（價格沖擊指數、流動性指數、大宗交易成本、買賣十檔總額、相對買賣價差、相對有效價差、波動率、超額波動率、收益波動率、定價效率系數和定價誤差系數）、綜合能力指標（每股收益、每股凈資產、凈資產收益率、扣除后每股收益、流動比率、速動比率、應收賬款周轉率、資產負債比率、存貨周轉率、固定資產周轉率、總資產周轉率、凈資產比率和固定資產比率），股權結構指標（股權集中度1、股權集中度5、股權集中度10、股權集中度11、H1指數、H5指數、H10指數、Z指數）、風險因子指標（Alpha因子、Beta因子、R方因子、調整的R方因子）做自變量，用spss軟件構造上市公司的判別分類函數。其中在優、良、差類的上市公司中各項指標不含缺失值的分別有81，70和91個上市公司。

樣本數據來源：上海證券交易所市場質量報告（2016年的市場質量指標的數據），全景網（http：//www.p5w.com）（2016年的綜合能力指標的數據），RESSET金融數據庫（http：//www.resset.cn）（2016年股權結構指標和風險因子指標的數據）。

首先為了避免自變量高度的相關性，用逐步篩選法，如果F值大于3.84選入模型，小于2.71將該變量刪除。然后再用這些變量做判別分析。

由表1知，第一步到第九步引入的自變量分別是大宗交易成本、總資產周轉率、價格沖擊指數、調整的R方因子、股權集中度10、速動比率、每股凈資產、每股收益和流動性指數。每一步F值的顯著性水平都是零，說明選入自變量的區別力較強。

待判個案代入上市公司的Fisher系數判別分類函數，哪個組值最大，就說明預測對象在哪一類。

由表3知，在原始回代法中，91個差的上市公司中有87個上市公司判斷正確，百分比是95.6%，4個上市公司錯判為良的上市公司，百分比是4.4%。70個良的上市公司中有52個上市公司判斷正確，百分比是74.3%，12個上市公司錯判為差的上市公司，百分比是17.1%，6個上市公司錯判為優的上市公司，百分比是8.6%。81個優的上市公司有72個上市公司判斷正確，百分比是88.9%，9個上市公司錯判為良的上市公司，百分比是11.1%。

用原始回代法有4+12+6+9=31個樣本分類錯誤，正確率為（242-31）/242=87.19%。

三、結論

1.中國上市公司傳統的分類方法主要用得是財務指標，這種分類方法不能直觀地反映證券市場的狀況，因此本文加入了反映證券市場的指標--市場質量指標和風險因子指標，這兩類指標能夠更加直觀地反映各類上市公司的證券市場的情況。不僅如此，還可以全面地分析各類上市公司的差異。這種直接反應證券市場狀況的新穎的分類方法，相對于用傳統的財務指標進行分類，用原始回代法，準確率高達87.19%。

2.通過標準化系數的判別分類模型可知，影響上市公司的類別不僅有財務指標的每股收益、每股凈資產、速動比率、總資產周轉率，股權集中度，還有直接反應市場狀況的價格沖擊指數、流動性指數、大宗交易成本以及調整的R方因子，并且對類別影響較大的是市場質量指標中的大宗交易成本和價格沖擊指數，而不是傳統思維中的財務指標。

3.用非標準化系數判別分類模型和Fisher判別分類模型可以算出任何一個中國上市公司應該屬于那一類。當用非標準化系數判別分類模型時，需要求出各類的中心，而用Fisher判別分類模只要代入三個判別函數，哪個值大就屬于哪一類。

參考文獻：

[1]華長生.逐步判別分析模型在識別上市公司財務欺詐中的應用[J].當地財經，2008（12）：119-122.

[2]陳曉紅，陳松燦.類依賴的線性判別分析[J].小型微型計算機系統，2005（5）：894-897.

[3]曹官師，張才仙.基于判別分析模型的企業信貸風險評估研究[J].科技創新導報，2008（18）：18.

[4]楊善林，江兵.上市公司經營業績的分類與評價[J].數學的實踐與認識，2006（1）29-34.

[5]沈璟.中小型上市公司信用級別的劃分基于SAS的聚類分析和判別分析[J].企業導報，2009（9）：15-16.

[6]朱順泉.基于期權定價理論的上市公司信用分類建模及應用研究[J].統計與信息論壇，2009（7）：23-28.

[7]周麗聰.上市公司信用風險分類準確度比較分析[J].財會通訊，（綜合）2011（11）（下）：68-70.

[8]上海證券交易所市場質量報告.上海：上海證券交易所，上海證券交易所創新實驗室，2008，3.

[9]林震巖.多變量分析--Spss的操作與應用[M].北京：北京大學出版社，2007.