對Logit模型在新能源上市公司財務信用風險評估的應用研究

韓珂　郝佳蓓

【摘要】我國是能源生產和消費大國的，新能源上市公司的健康發展對我國的未來的戰略部署有重大的意義。同時新能源上市公司屬于資金密集型公司，有必要對其財務風險做好評估，降低風險，減少損失。本文選取我國深滬兩市A股市場的25家正常經營的公司和25家ST公司，在因子分析和Logit模型原理的基礎上，運用SPSS19.0和STATA分析軟件，運用Logit模型進行實證分析，來對新能源上市公司的財務狀況進行預測分析。實證證明主成分1對于財務預警具有很強的預測能力。

【關鍵詞】logit 新能源 因子分析 STATA

一、緒論

新能源是一個正在興起，并且在國家的大力支持下蓬勃發展的行業。對于新能源上市公司，不僅需要與同行業的新能源公司競爭，還需要跟傳統的能源公司競爭。對于身處競爭激烈的新能源上市公司而言，建立財務機制是十分必要的。因為往往財務數據的異常能反映出公司的潛在危機，為公司預防和應對危機提供可靠的依據。本文的財務信用風險評估就是對引起企業財務狀況和經營狀況異常的因素進行跟蹤和監測，以便公司的管理層應對危機。本論文還克服了僅僅依靠單純的財務指標來預警帶來的滯后性，將新能源上市公司的財務風險看成一個動態變化的過程，對于新能源上市公司危機預警和降低危害具有重大的意義。

二、國內外研究現狀

馬丁（Martinm，1977）選取1969～1974年間58家有財務困境的銀行，運用篩選出的8個財務指標預測兩年后銀行破產概率，由此建立了Logistic回歸模型，預測效果比Z模型和ZETA模型好。奧爾森（Ohlson，1980）選取1970～1976年的2163家企業，其中2058家營運正常企業，其余是經營困難的企業，建立Logistic回歸模型，準確率高達96.12%，這也是多元回歸模型第一次在破產預測中的應用。

姜秀華、任強和孫錚（2001）選擇了84家企業按照1：1的方式配對，建立Logistic判別模型，得出對兩類企業的預測準確率都在80%以上。李蕾和韓立巖（2010）利用主成分分析和logistic回歸模型解決了解釋變量多重共線性等問題，提出了我國中小企業的財務指標體系。李月英（2010）選取了38家上市公司，其中31家良好的公司，7家st公司構建獨院線性回歸模型，研究表明主營業務收入增長率，資產負債率和總資產增長率是預測最顯著的3個指標。

三、Logistic模型在新能源上市公司財務信用風險的實證分析

（一）樣本的選擇

本文的研究對象是我國新能源上市公司，選擇2009年到2014年間第一次被st的公司作為財務危機來研究，并考慮公司的規模和公司所處的行業，按照1：1的原則來匹配為st公司匹配正常運營的公司。本文篩選了2009到2014年間首次被st的25家A股新能源上市公司，同時根據上述原則匹配了25家A股新能源上市公司。本文根據指標體系分為盈利能力指標，償債能力指標，成長能力指標，運營能力指標和現金流量指標，包括每股收益、每股凈資產、每股營業利潤、凈資產收益率等35個財務指標。

（二）財務指標的篩選

本文初步構建的指標體系涉及五大模塊35個財務指標，但是不清楚對于樣本的分布，所以對財務指標進行非參數檢驗來篩選指標。

首先本文利用spss19.0選用k-s檢驗來判斷樣本是否服從正態分布。根據k-s檢驗可知，除了利息保障倍數（X15）等13個指標外，其余的22個財務指標都服從正態分布，這指標體系中服從正態分布的指標多，故留下服從正態分布的22個指標進行之后的檢驗。

接下來對22個指標進行顯著性差異檢驗。利用spss19.0對上文中的22個服從正態分布的指標進行顯著性差異的檢驗。因為要做財務信用風險評估，需要樣本之間有顯著性的差異，故對樣本進行T檢驗。根據分析結果，留下具有顯著性差異的每股收益（X1），每股凈資產（元/股）（X2）等14個指標。

（三）因子分析

根據因子分析的原理，利用spss19.0對保留的14個指標，50個樣本進行因子分析。

通過對KMO檢驗和Bartlett球形檢驗做因子分析。由結果可知，本文中的KMO值為0.797，Bartlett球形檢驗統計量的Sig為0.000，故本文的樣本適合做因子檢驗。

對樣本按照主成分分析的原理進行因子分析。按照“解釋的總方差”表，提取了3個公因子，解釋的總方差依次為54.382%，11.985%和10.627%，總共能夠解釋76.967%。

（四）logit回歸

利用stata對通過因子分析的得到的3個公因子作為協變量進行二元Logit分析，按照進入法的方法進行回歸分析，協變量全部進入模型。因變量表示企業的狀況，“1”表示經營狀況好的公司，“0”表示st的公司。

據Logit回歸結果可知，主成分1的p值為0.005，主成分2的p值為0.359，主成分3的p值為0.702。我們可以看出利用Logit模型構造出來的財務風險預警能力，第一個因子很顯著，另兩個因子的在5%的顯著性水平下不顯著。

四、結論

一是我國的財務數據還是比較有效，通過對新能源上市公司財務數據的篩選，具備對新能源上市公司的財務信用風險評估的能力。

二是我國新能源上市公司的財務狀況惡化是一個逐漸惡化的過程，本文篩選的是公司被st前兩年的數據，從分析結果可以看出，在t-2年的時候，財務指標已經出現了顯著性的差別，并且用預測出的準確率還是比較高的。

三是本文的指標體系中引進了成長性指標和現金流量指標，可以看出在財務信用風險評估中，盈利性指標最為重要，而現金流量指標在經過K-S檢驗和T檢驗都剔除了，同樣成長性指標也只剩下一個指標。本文的模型更重視盈利，償債等指標。

四是通過Logit模型進行的財務信用風險評估模型，構造出來的因子1比較顯著，具備財務預警的能力。

參考文獻

[1]Ohlson J.A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980，18（19）：109～131.

[2]姜秀華，任強，孫錚.上市公司財務危機預警模型研究.預測.2002（3）：56～61.

[3]韓立巖，李蕾.中小上市公司財務危機判別模型研究[J].數量經濟技術經濟研究，2010（8）：102～115.

[4]李月英.我國農業上市公司財務預警危機研究[D].內蒙古農業大學，2010（06）.

作者簡介：韓珂（1993-），女，漢族，山西省永濟市，山西財經大學，碩士研究生在讀，金融學；郝佳蓓（1994-），女，漢族，山西省臨汾市，山西財經大學，碩士研究生在讀，金融學。