數(shù)據(jù)挖掘技術(shù)在上市公司財務(wù)困境預(yù)測中的應(yīng)用

張喬

摘要：本文在系統(tǒng)研究了國內(nèi)外關(guān)于財務(wù)困境預(yù)測方面的理論和方法的基礎(chǔ)上，以我國的滬深兩市上市公司為研究對象，將中國上市公司因財務(wù)狀況異常而被特別處理（ST）作為企業(yè)陷入財務(wù)困境的標(biāo)志，采用主成分分析方法確定模型變量，利用Clementine軟件進(jìn)行Logistic回歸，并在此基礎(chǔ)上構(gòu)建了財務(wù)困境預(yù)測模型。

關(guān)鍵詞：數(shù)據(jù)挖掘；財務(wù)困境預(yù)測；因子分析；Logistic回歸

隨著資本市場的發(fā)展，企業(yè)的生產(chǎn)經(jīng)營充斥著風(fēng)險和危機(jī)。激烈的市場競爭帶給企業(yè)的不僅僅是機(jī)遇，還有挑戰(zhàn)。風(fēng)險無處不在，企業(yè)如果不能及時發(fā)現(xiàn)并任其發(fā)展，就有可能陷入財務(wù)困境，而財務(wù)困境會對包括投資者、債權(quán)人、經(jīng)營者在內(nèi)的各種利益相關(guān)者造成非常不利的影響。如何及時發(fā)現(xiàn)企業(yè)經(jīng)營狀況的異常，采取相應(yīng)的措施阻止財務(wù)狀況惡化，對企業(yè)的相關(guān)利益主體乃至政府管理部門都有非常重要的實際意義。

財務(wù)危機(jī)是上市公司經(jīng)營失敗的體現(xiàn)，研究企業(yè)陷入財務(wù)困境的原因，建立一套完整有效并且具有可操作性的財務(wù)預(yù)警模型，不僅具有理論意義，而且具有現(xiàn)實意義。憑借科學(xué)有效的財務(wù)預(yù)警模型，上市公司可以及時發(fā)現(xiàn)并預(yù)防和化解經(jīng)營危機(jī)，提高自身財務(wù)狀況的安全性。債權(quán)人可以避免債權(quán)收不回來的高風(fēng)險，投資者可以對財務(wù)風(fēng)險加以重視，相關(guān)監(jiān)督機(jī)構(gòu)可以更便捷、更科學(xué)的進(jìn)行市場監(jiān)管，維護(hù)市場健康穩(wěn)健的運(yùn)行。

一、理論分析與文獻(xiàn)綜述

最早提出企業(yè)財務(wù)預(yù)警分析模型的是國外學(xué)者Beave：（1966），隨后許多學(xué)者對該領(lǐng)域進(jìn)行了研究，并不斷完善和改進(jìn)研究方法，其中，具有劃時代意義的是Beaver（1966）和Altman（1968，1977）提出的Z一Seore判別模型。 Martni（1977）首次在銀行業(yè)中運(yùn)用logit方法建立了財務(wù)困境的預(yù)測模型。Chen和Marshall（2006）針對中國市場，同時運(yùn)用4種財務(wù)預(yù)警模型，對預(yù)警的有效性和科學(xué)性進(jìn)行研究，結(jié)果發(fā)現(xiàn)EBIT/總資產(chǎn)、每股盈余、資產(chǎn)負(fù)債率、總資產(chǎn)和流動比率具有顯著的預(yù)測能力，預(yù)測準(zhǔn)確率高達(dá)78%-93%，并且Logistic和神經(jīng)網(wǎng)絡(luò)模型預(yù)警效果較好。國內(nèi)由于市場經(jīng)濟(jì)體制和證券市場發(fā)展不完善等原因，在這方面的研究相對滯后。高培業(yè)、張道奎（2000）選取29個財務(wù)指標(biāo)，運(yùn)用多元判別分析方法建立模型，發(fā)現(xiàn)由留存收益/總資產(chǎn)、息稅前收益/總資產(chǎn)、銷售收入/總資產(chǎn)、資產(chǎn)負(fù)債率、營運(yùn)資本/總資產(chǎn)構(gòu)成的判別函數(shù)有較好的預(yù)測能力。鮮文鐸，向銳（2007）通過實證研究表明，其建立的財務(wù)困境混合Logit模型，無論在擬合優(yōu)度還是預(yù)測準(zhǔn)確度方面均優(yōu)于標(biāo)準(zhǔn)Logistic模型。

二、研究設(shè)計

（一）樣本選取與數(shù)據(jù)來源

本論文選取2015年被ST的公司57家，利用t-2年的財務(wù)指標(biāo)進(jìn)行預(yù)測。所以本文選取了2013年的115家上市公司作為樣本，其中ST公司、非ST公司分別為57家，同時選取1/3作為測試樣本，剩余為訓(xùn)練樣本。該樣本以滬深兩市A股市場被ST的上市公司作為財務(wù)困境公司的研究樣本，剔除金融類和B股上市的公司。所有數(shù)據(jù)均來源于國泰安和銳思數(shù)據(jù)庫，ST公司從浪潮資訊網(wǎng)和東方財務(wù)網(wǎng)手工整理取得。

（二）被解釋變量

本文以ST否作為被解釋變量，ST公司取值為1，非ST公司取值為0。

三、指標(biāo)的預(yù)處理

（一）特征選擇

本文中所選取115家公司為樣本，每個公司分別從盈利能力、償債能力、 成長能力、營運(yùn)能力、現(xiàn)金流量、杠桿系數(shù)、非財務(wù)指標(biāo)等方面分別選取了48個指標(biāo)，，需要挖掘的數(shù)據(jù)量較為龐大，所以我們需要通過特征選擇來減少變量個數(shù)，降低變量為度選取出對輸出變量有積極貢獻(xiàn)的重要變量。針對此樣本數(shù)據(jù)，我們選擇ST否為輸出變量，其他變量為輸入變量，通過特征選擇，剔除對被解釋變量影響不顯著的指標(biāo)，最后保留了22個重要指標(biāo)。

（二）因子分析

通過上述特征選取，我們一共篩選了22項對輸出量有重要影響的指標(biāo)，針對這22項指標(biāo)，不能像特征選擇那樣進(jìn)行簡單的削減，因為這樣會導(dǎo)致信息的丟失。所以我們要通過因子分析方法，對他們進(jìn)行有效的綜合，既能有效減少參與建模的變量個數(shù)，降低數(shù)據(jù)的變量維度，同時又不會造成信息的丟失。將剔除后留存的22項指標(biāo)，進(jìn)行主成分分析后，得出五個因子。把五個因子的計算公式輸入excel表格，得到新的變量F1、F2、F3、F4、F5，將這五個變量作為我們的解釋變量。

四、模型建立及實證結(jié)果分析

（一）財務(wù)困境預(yù)測模型的建立

經(jīng)過前面的特征選擇和因子分析的篩選后，得到了對結(jié)果有影響的5個因子。采用基于極大似然估計的向前篩選策略，對前文中的因子進(jìn)行Logistic回歸分析，最終變量F2，F(xiàn)5沒有引入方程，因為如果引入則相應(yīng)的檢驗概率P大于顯著性水平5%，因此無法拒絕原假設(shè)，說明它與Logit P的線性關(guān)系不顯著，不應(yīng)進(jìn)入方程。我們可以得出財務(wù)困境預(yù)測模型如下：

LogitP=3.59-14.054F1+1.503F3+1.398F4

（二）模型檢驗

1.模型整體的顯著性檢驗

上表顯示了回歸方程整體顯著性檢驗的情況，各數(shù)據(jù)項的含義依次是：似然比卡方的觀測值，自由度和概率P值。可以看到，最終，概率P值為0.003，在1%的水平上顯著，所以回歸方程整體顯著，采用該模型是合理的。

2.模型擬合優(yōu)度的檢驗

在方程擬合優(yōu)度方面，-2倍的對數(shù)似然函數(shù)值越小，Nagelkerke R2越接近于1，該模型的擬合優(yōu)度越高。在本文的實證研究中，最終-2倍的對數(shù)似然函數(shù)值為37.092，Nagelkerke R2值為0.872，擬合優(yōu)度比較理想。

在最終模型中，Hosmer-Lemeshow統(tǒng)計量的觀測值為0.574，概率P值為1，大于顯著性水平5%，因此不應(yīng)拒絕原假設(shè)，我們認(rèn)為樣本實際值得到的分布與預(yù)測值得到的分布無顯著差異，模型擬合度較好，這與Nagelkerke R2得出的結(jié)論一致。

3.模型中每個解釋變量的顯著性

F1在1%的水平上顯著，系數(shù)為-14.054，表明F1越大，上市公司越不容易陷入財務(wù)困境；F3在1%的水平上顯著，系數(shù)為1.503，表明F3越大，上市公司越容易陷入財務(wù)困境；F4在5%的水平上顯著，系數(shù)為1.398，表明F4越大，上市公司越容易陷入財務(wù)困境。而F2，F(xiàn)5在5%的水平上不顯著，所以進(jìn)行剔除。

（三）模型結(jié)果分析

1.財務(wù)困境的影響因素分析

從因子載荷矩陣可以看出，F(xiàn)1的影響因素主要為投入資本回報率、資產(chǎn)報酬率、總資產(chǎn)凈利潤率，均為盈利能力指標(biāo)，對被解釋變量有正向影響，會加大公司陷入財務(wù)困境的風(fēng)險；F3的影響因素主要為每股經(jīng)營活動產(chǎn)生的現(xiàn)金凈流量和全部現(xiàn)金回收率，對應(yīng)著現(xiàn)金流量指標(biāo)，對被解釋變量有正向影響，會加大公司陷入財務(wù)困境的風(fēng)險；F4的影響因素主要為股權(quán)集中度和H5指數(shù)，對應(yīng)著非財務(wù)指標(biāo)，對ST否有負(fù)向影響，也就是會降低公司陷入財務(wù)困境的風(fēng)險。

2.預(yù)測結(jié)果分析

通過判別矩陣可以看出，最終在全部57家ST公司中，預(yù)測為ST的有53家，預(yù)測為非ST的有4家，預(yù)測準(zhǔn)確率為93%；在全部57家非ST公司中，預(yù)測為ST的有3家，預(yù)測為非ST的有54家，預(yù)測準(zhǔn)確率為94.7%，整體預(yù)測準(zhǔn)確率為93.9%，準(zhǔn)確率較高。

在最終觀察到的組合預(yù)測的概率圖中，符號0表示公司實際未被ST，1表示公司實際被ST，每個符號代表1個觀測。概率預(yù)測值大于0.5的屬于被ST的公司，小于0.5的屬于未被ST的公司?？梢钥闯?，在模型預(yù)測出的未被ST的公司中，仍有個別樣本的實際值是被ST；同樣，在模型預(yù)測出的被ST樣本中，仍有未被ST的，但數(shù)量很少，模型預(yù)測的總體效果比較理想。

五、結(jié)論及局限性

（一）研究結(jié)論

本文綜合運(yùn)用財務(wù)管理學(xué)、統(tǒng)計學(xué)、和數(shù)據(jù)挖掘等多學(xué)科知識，并結(jié)合企業(yè)動態(tài)性運(yùn)營特點，進(jìn)行了企業(yè)財務(wù)困境預(yù)測建模的理論和實證研究工作，主要研究成果如下：

1.分析了財務(wù)困境研究背景，闡述了財務(wù)困境預(yù)測研究的理論和現(xiàn)實意義，并在對國內(nèi)外關(guān)于財務(wù)困境預(yù)測的文獻(xiàn)進(jìn)行綜述的基礎(chǔ)上總結(jié)了目前研究中普遍存在的問題。

2.在理論分析的基礎(chǔ)上，運(yùn)用特征選擇和因子分析，構(gòu)建了財務(wù)困境預(yù)測的模型。首先提出了本文對數(shù)據(jù)挖掘和財務(wù)困境概念的理論界定，進(jìn)而分析了導(dǎo)致企業(yè)財務(wù)困境形成的內(nèi)、外部原因，剖析了財務(wù)預(yù)警的理論依據(jù)，最后構(gòu)建了財務(wù)困境預(yù)測模型。

（二）研究的局限性

本文僅選取了2013年一年的數(shù)據(jù)進(jìn)行研究，研究樣本較少且不具有動態(tài)性。由于劃分訓(xùn)練樣本和測試樣本之后，訓(xùn)練樣本數(shù)據(jù)量太少，得出的回歸結(jié)果不顯著，所以沒有再進(jìn)行區(qū)分，logistic的結(jié)果為所有115家公司的回歸結(jié)果，沒有再對模型用測試樣本進(jìn)行檢驗。

參考文獻(xiàn)：

[1]張玲.財務(wù)危機(jī)預(yù)勢分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2002（3）：49-51.

[2]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究，1999（4）：31-38.

[3]康曉玲，張懿.企業(yè)財務(wù)預(yù)警模型研究——基于中報數(shù)據(jù)與可持續(xù)增長模型的重構(gòu)[J].科研管理，2009（1）：45-55.

[4]楊華.綜合類公司財務(wù)危機(jī)預(yù)警模型實證研究[J].廣東經(jīng)濟(jì)管理學(xué)院學(xué)報，2006（4）：52-55.

[5]吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究，2001（6）：46-55.

[6]呂長江，趙巖.上市公司財務(wù)狀況分類研究[J].會計研究，2004（11）：53-61.

[7]呂長江，周現(xiàn)華.上市公司財務(wù)困境預(yù)測方法的比較研究[J].吉林大學(xué)社會科學(xué)學(xué)報，2013，6（45）：99-109.

[8]彭大慶，陳良華，陳春苗.上市公司財務(wù)困境動態(tài)預(yù)測模型的實證研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2006（10）：147-150.

（作者單位：山東財經(jīng)大學(xué)會計學(xué)院）