基于Logistic回歸模型的上市公司財務預警

官俊琪

本文選取了多個上市公司的財務指標，并選擇了我國2015～2017年首次被實施ST的43家A股上市公司，并按照1：1的比例選取同行業、上市時間相同且被實施ST前一年末資產規模相等或者相近的43家非ST公司作為配對樣本。將這86家公司作為研究樣本，運用Logistic同歸方法建立了財務預警模型，并結合上市公司出現財務危機t-3年的數據送行分析和預濺。實驗結果表明，本文提出的上市公司財務預警模型預測的準確率較高，能夠幫助企業經營者有效地應對企業的財務狀況。

上市公司 Logistic回歸 財務預警

引言

所謂企業財務預警，即財務失敗預警，是指借助企業提供的財務報表、經營計劃及其他相關會計資料，利用多種理論和分析方法，對企業的經營活動、財務活動等進行分析預測，以發現企業在經營管理活動中潛在的經營風險和財務風險，并在危機發生之前向企業經營者發出警告，督促企業管理當局采取有效措施，避免潛在的風險演變成損失。因此，進行財務預警分析，建立企業財務預警模型對現代企業具有重要意義。

鑒于此，本文選取了能全面反映上市公司財務狀況的多個財務指標，并采用Logistic回歸分析方法建立了財務預警模型，以便為上市公司財務預警提供有效的參考。

研究設計

（1）樣本選取

本文選取我國2015～2017年首次被實施ST的43家A股上市公司，并按照l：1的比例選取同行業、上市時間相同且被實施ST前一年末資產規模相等或者相近的43家非ST公司作為配對樣本。

將這86家公司分為建模組和檢驗組：建模組有66個，包括33家被ST的上市公司和相對應的33家非ST公司；檢驗組有20個，包括10家被ST的上市公司和與之對應的10家非ST公司。假定上市公司被ST年份為第t年，對建模組樣本t-3年的財務數據利用Logistic回歸分析方法建立財務預警模型，然后利用檢驗組樣本驗證模型的準確度。

樣本數據來自Wlnd數據庫。數據處理軟件為SPSS 20.0。

（2）初始指標選取

本文初步選取了涵蓋上市公司償債能力、營運能力、盈利能力和發展能力4個方面的資產負債率X4、總資產周轉率Xio、現金流量比率X12、主營業務利潤率X14、營業利潤率X16等22個財務指標，基本能夠全面反映上市公司財務狀況和經營狀況。

（3）指標篩選

由于初始指標較多，分析起來比較復雜，而且各指標之間的信息具有重復性，所以需要對22個指標進行配對樣本T檢驗，選出那些能顯著區分ST公司和非ST公司的指標。從結果可以看出，X4、Xio、X12、X14、X16這5個指標的差異比較顯著，因此可以選取這5個變量作進一步的研究和建模。

實證分析

對建模組的t-3年原始數據分別作hgistic二元回歸分析，因變量為“是否被ST”，自變量為X4、X10、X12、X14、X16。在分析時，賦予ST公司的值為l，非ST公司的值為O。可以得出最終的Logistic財務預警模型：

Hosmer和Lemeshow檢驗的Sig.大于0.05，表明Logistic回歸模型的擬合優度較好。

一般選取0.5作為判別分割點，即：p>0.5代表ST公司，p<0.5代表非ST公司。建模組和檢驗組的模型預測結果如下表所示。

從表中可以看出，Logisic回歸模型預測的準確率比較高，在80%以上，說明構建的財務預警模型的預測效果比較理想。

結論與不足

本文選取了上市公司財務指標，并采用Logistic回歸分析方法建立了財務預警模型，然后結合上市公司出現財務危機t-3年的數據進行分析和預測。從分析結果可以看出 Logistic回歸財務預警模型預測的準確率較高，并且操作和計算較簡單，可廣泛應用于上市公司的財務危機預警問題中。

同樣，本文的研究還存在很多不足之處。一是，本文只選取了財務指標，并沒有考慮非財務指標對財務預警模型的影響。二是，本文的指標篩選方法比較簡單，在一定程度上可能也會影響財務預警模型的建立。以上這些不足之處在今后的研究中都會進一步完善。

[1]祝映蘭.Logistic財務危機預警模型分析一一來自A股上市公司的證據[J].全國流通經濟，2017（ 24）：37-39.

[2]李紅梅，田景鮮.公司財務危機預警模型比較研究——以A股制造業上市公司為例[J].財會月刊，2013（ 10）.

[3]宋曉娜，黃業德，張峰.基于Logistic和主成分分析的制造業上市公司財務危機預警[J].財會月刊，2016 （3）：67-71.

[4]連曉麗.我國A股上市公司財務危機預警模型實證研究[D].廈門大學，2014.

[5]阿小燕，趙娟.資源型上市公司財務預警實證分析[J].財會月刊，2018（2）：79-84.