（会计学专业论文）基于svm的中国制造业上市公司财务业绩预测.pdf

financial performance prediction of chinese manufacturing listed companies based svm a dissertation submitted for the degree of master candidate yan wenwen supervisor prof zhao guanhua school of accountancy shandong university of finance and economics 中图分类号 中图分类号 密级 公密级 公 开开 学科分类号 学科分类号 论 文 编 号论 文 编 号 kj118222009120201030 硕 士 学 位 论 文 基于 svm 的中国制造业 上市公司财务业绩预测 作 者 姓 名 颜雯雯 申请学位级别 管理学硕士 指导教师姓名 赵冠华 职 称 教 授 学 科 专 业 会计学 研 究 方 向 财务决策支持系统 学 习 时 间 自 2009 年 9 月 1 日起至 2012 年 6 月 30 日止 学位授予单位 山东财经大学 学位授予日期 2012 年 6 月 山东财经大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行研究工作及取得的研究 成果 尽我所知 除了文中特别加以标注和致谢的地方外 论文中不包含其他人已经 发表或撰写过的研究成果 也不包含为获得山东财经大学或其它教育机构的学位或证 书而使用过的材料 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示了谢意 学位论文作者签名 日期 年 月 日 山东财经大学学位论文使用授权声明 本人完全同意山东财经大学有权使用本学位论文 包括但不限于其印刷版和电子 版 使用方式包括但不限于 保留学位论文 按规定向国家有关部门 机构 送交 学位论文 以学术交流为目的赠送和交换学位论文 允许学位论文被查阅 借阅和复 印 将学位论文的全部或部分内容编入有关数据库进行检索 采用影印 缩印或其他 复制手段保存学位论文 保密学位论文在解密后的使用授权同上 学位论文作者签名 日期 年 月 日 指导教师签名 日期 年 月 日 山东财经大学硕士学位论文 i 摘 要 公司财务业绩的下降给公司带来的影响是巨大的 它不仅有可能使公司陷入财务 困境 而且会给公司的各种利益相关者带来不同程度的影响 因此 建立一套科学的 财务业绩预测系统 及时发现企业运营中的潜在风险并采取相应的措施 避免或者减 少不必要的损失是十分必要的 本文的研究目的 就是希望能够提出一种科学的 适 合我国制造业上市公司的 并且可以广泛应用的财务业绩预测的方法 从而在公司业 绩下滑时能够及时地反映给公司自身及其利益相关者 为其提供科学的决策信息 本文主要分为五个部分 第一部分主要介绍了本文的研究背景和研究方法并梳理 了国内外学者关于企业财务困境预测的相关文献 第二部分主要介绍了财务业绩预测 的相关理论 第三部分选取了本文研究所需要的财务指标 并对原始指标进行预处理 得到代入模型的最终指标 第四部分是本文的主要贡献 主要构建了用于企业财务业 绩预测的 logit 回归模型和支持向量机模型 第五部分对本文的研究工作进行总结 并指出本文研究的不足以及对未来研究趋势的展望 通过本文的实证研究可以得到以下结论 第一 本文所构建的企业财务业绩预测 模型具有一定的实用价值 尽管本文只是对财务业绩的变化趋势进行预测 并没有对 财务业绩的具体变化数值进行预测 但是根据财务业绩的变化趋势 企业自身及其利 益相关者已经可以了解到企业未来是会盈利或者亏损 第二 财务业绩预测的正确率 并不高 无论是回代结果还是预测结果 logit 回归模型和支持向量机模型的预测准 确率都不高 误判率在 40 左右 财务业绩预测的准确率远低于财务困境预测的准确 率 第三 支持向量机模型的预测性能要优于 logit 回归模型的预测性能 无论是回 代结果还是预测结果 支持向量机模型的预测准确率都高于 logit 回归模型的预测准 确率 这与学者关于财务困境预警研究所得出的结论是一致的 第四 支持向量机模 型更适用于财务业绩预测 实证研究显示 无论是回代结果还是预测结果 支持向量 机模型对财务业绩下降公司的识别准确率都明显高于 logit 回归模型 关键词 财务业绩预测 支持向量机 logit 回归模型 制造业上市公司 abstract ii abstract the fall of the company s financial performance has considerable influence on the corporation it not only make the enterprise into financial distress but also bring the influence in different level for various stakeholders of the company therefore setting up a scientific financial performance prediction system and timely discover potential risks and take appropriate measure to prevent or reduce unnecessary loss the purpose of this paper is to put forward a method of scientific performance prediction which is suitable for listed companies in china and widely used so that it can provide scientific information which is used for making decision for companies and their stakeholders when the company appear the fall of financial performance this paper is mainly divided into five parts the first part mainly introduces the background and the method of the research and summarizes the domestic and foreign scholars about the enterprise financial distress prediction literature the second part mainly introduces the financial performance prediction theory the third part selects the required financial indicators of this paper studies and then pretreats the original index so as to get the ultimate indicator to get into the model the fourth part is the main contribution of this paper which constructs for financial performance prediction of logit regression model and support vector machine model the fifth part summarizes this research work of this paper and pointed out that the disadvantages of the research and the future research trend through the empirical study can get the following conclusions first the construction of enterprise financial performance prediction model has a certain practical value although this is only on financial performance trend forecast not on the financial performance of specific changes in numerical prediction but according to financial performance trend enterprise and its stakeholders can understand whether the company s future will gain or loss second financial performance prediction accuracy is not high either the return result or prediction outcome the logit regression model and support vector machine model prediction accuracy is not high the rate of miscarriage of justice is in 40 or so the accuracy of financial performance forecast is much lower than the financial 山东财经大学硕士毕业论文 iii distress prediction accuracy in third the predict effect of support vector machine model is superior to the logit regression model both the return result and prediction outcome the prediction accuracy of support vector machine model is higher than that of the logit regression model the conclusion is consistent with the scholars study on the financial distress in fourth support vector machine model is more suitable for financial performance prediction empirical research shows that whether the return result or prediction outcome the accuracy to recognize the decline companies of support vector machine model is obviously higher than that in the logit regression model key words financial performance prediction support vector manchine logit regression model listed companies of manufacturing industry 目录 iv 目目 录录 第 1 章 绪论 1 1 1 研究背景及意义 1 1 1 1 研究背景 1 1 1 2 研究意义 2 1 2 文献综述 4 1 2 1 传统统计类预测模型 4 1 2 2 人工智能型预测模型 9 1 3 研究方法和研究内容 13 1 3 1 研究方法 13 1 3 2 研究内容 13 1 3 3 主要创新点 14 第 2 章 财务业绩预测相关理论 16 2 1 危机管理理论 16 2 2 支持向量机理论 16 2 2 1 支持向量机概述 16 2 2 2 支持向量机的原理 17 2 2 3 支持向量机用于财务业绩预测的过程 24 2 3 财务业绩预测框架 25 2 3 1 财务业绩预测过程框架 25 2 3 2 财务业绩预测方法框架 26 第 3 章 预测指标的选取及预处理 27 3 1 预测指标的选取 27 3 1 1 构建总体预测指标体系的原则 27 3 1 2 总体指标体系的构建 28 3 2 预测指标的预处理 30 3 2 1 指标数据的正态分布检验 30 3 2 2 指标数据的显著性差异检验 31 3 2 3 指标数据的多重共线性检验 32 3 3 预测指标的分析 38 山东财经大学硕士毕业论文 v 第 4 章 财务业绩预测的实证研究 39 4 1 研究样本与数据来源 39 4 1 1 变量的选择 39 4 1 2 数据来源 40 4 1 3 模型输入变量的获取 40 4 2 预测模型的构建及实证研究 41 4 2 1 logit 模型的建立 41 4 2 2 svm 模型的建立 46 4 3 实证结果的对比分析 47 第 5 章 研究结论及展望 49 5 1 研究结论 49 5 2 研究不足及展望 50 参考文献 52 附 录 54 攻读硕士学位期间取得的学术成果 58 致 谢 59 图表清单 vi 图清单图清单 图序号 图名称 页码 图 2 1 线性分类函数示意图 18 图 2 2 线性可分支持向量机示意图 19 图 2 3 企业财务业绩预测过程框架 25 图 2 4 企业财务业绩预测模型框架 26 表清单表清单 表序号 表名称 页码 表 3 1 本文构建的财务指标体系 28 表 3 2 预测财务指标数据的正态分布检验结果 31 表 3 3 预测指标变量的显著性差异检验结果 32 表 3 4 财务指标数据相关系数矩阵 34 表 3 5 指标数据的 kmo 与 bartlett 球形检验值 34 表 3 6 指标变量的共同度 35 表 3 7 用于业绩预测的指标相关系数矩阵的特征值 方差贡献率 累积方差贡献率 35 表 3 8 用于业绩预测的指标初始因子载荷阵 36 表 3 9 用于业绩预测的指标旋转后的因子载荷阵 36 表 3 10 财务指标公共因子命名 37 表 3 11 财务指标因子得分系数矩阵 37 表 4 1 logit 回归模型整体的显著性检验结果 44 表 4 2 logit 回归模型拟合优度评价结果 44 表 4 3 logit 回归系数估计值及其显著性检验结果 44 表 4 4 业绩预测 logit 回归模型回代结果 45 表 4 5 业绩预测 logit 回归模型预测结果 45 表 4 6 业绩预测支持向量机模型回代结果 46 表 4 7 业绩预测支持向量机模型预测结果 46 表 4 8 logit 回归模型与支持向量机模型回代结果的比较 47 表 4 9 logit 回归模型与支持向量机模型预测结果的比较 47 山东财经大学硕士学位论文 1 第 1 章 绪论 公司财务业绩的下降给公司带来的影响是巨大的 它不仅有可能使企业陷入财 务困境 而且会给公司的各种利益相关者带来不同程度的影响 因此对财务业绩进 行及时地预测具有重要的理论意义和现实意义 本章作为本文的开篇部分 首先介 绍了本文的研究背景与研究意义 其次对国内外有关财务困境预测模型的研究进行 了述评 最后介绍了本文的研究方法 研究内容和主要的创新点 1 1 研究背景及意义 1 1 1 研究背景 江泽民同志在 证券知识读本 的批语中写道 中国证券市场是社会主义市场 经济的必要组成部分 对促进国民经济发展具有重要的作用 证券市场在社会资源 的优化配置中发挥着重要的作用 引导资本向优势企业流动 从而实现资源的合理 配置 从上海 深圳证券交易所先后成立开始 我国证券市场得到了蓬勃发展 截 至 2011 年年底 我国共有上市公司 2342 家 总市值高达 21 48 万亿元 名列全球 第 3 位 面对这样一个蓬勃发展的市场 如果能够借助某种方法 建立一套科学的 上市公司财务业绩预测系统对公司财务业绩进行监控 及时地发现公司财务业绩的 下滑趋势并采取相应措施 扭转形势以避免造成不必要的损失 这不仅有利于证券 市场的稳定发展 而且有利于保证上市公司及其利益相关者的合法权益 制造业作 为一个国家经济的物质基础 不仅仅是富国强民的根本 更是一个国家综合竞争力 的重要体现 在我国 制造业作为我国经济增长的主导部门 不仅支撑了整个社会 主义市场经济的发展 带动了其他相关经济产业的发展 更是我国经济社会发展的 重要支柱 对促进城镇就业起到了不可忽视的作用 对于这样一个国民经济的支柱 产业 其行业内公司经营状况的恶化所带来的影响必定是十分残酷的 因此 建立 一套科学的财务业绩预测系统对于制造业而言更是非常必要的 国内外学者从 20 世纪 30 年代就开始针对企业在日常运营过程所出现的财务危 机进行预警研究 到目前为止已经取得了比较成熟的研究成果 相关文献也比较丰 富 但是关于财务业绩预测的研究却比较少 本文所要进行的业绩预测研究和财务 困境预警研究相类似 实质上都是一个分类问题 因此 学者关于困境预警研究所 使用的模型适合于本文的业绩预测研究 因此本文拟在以往学者研究的基础上 建 第 1 章 绪论 2 立一种科学的 适合我国制造业上市公司的财务业绩预测模型 向公司及公司的利 益相关者揭示公司的财务业绩变化趋势 以便在财务业绩下滑时能够使经营者有所 警觉 及时地调整扭转下滑趋势 同时也对上市公司利益相关者起到警示作用 促 进证券市场的健康发展 1 1 2 研究意义 公司财务业绩下降所带来的影响是巨大的 不仅可能使企业自身陷入财务困 境 也会给公司的各种利益相关者包括投资者 债权人 供应商 员工以及政府监 管部门等带来不同程度的影响 因此财务业绩预测的研究具有十分重要的理论意义 和现实意义 1 理论意义 有利于促进财务管理科学的发展和完善 财务业绩预测属于财务管理的范 畴 财务业绩预测的实证研究必然会带动财务业绩预测理论的发展 这也必然会促 进财务管理理论的发展 另外 在对公司进行财务业绩预测时 会用到许多科学技 术方法和现代化的管理方法 如果公司想要采用新的科学技术和现代化的管理手 段 就必须对公司财务管理人员进行培训和继续教育 财务管理人员素质的提高也 会促进财务管理水平的提高 促进财务管理理论进一步发展 因此说 对企业财务 业绩预测进行研究 对于丰富和完善我国财务管理理论有着十分显著的意义 有利于丰富危机管理理论 对于现代企业来说 财务危机是企业必然会面临 的一种状态 尤其是 2008 年席卷全球的金融危机给企业敲响了提高危机管理意识 的警钟 如果企业在日常的经营过程中重视财务危机的管理 及时地分析企业经营 中所存在问题并采取相应的措施 就有可能逆转企业业绩下滑趋势 减少或者避免 不必要的损失 因此财务业绩预测的研究对于危机管理理论的丰富和发展有着重要 的作用 有利于丰富和发展支持向量机应用研究理论 就目前的研究现状而言 关于 支持向量机应用的研究远远滞后于其理论研究 因此如果能够将支持向量机运用到 一定的领域来解决实际应用问题 那无疑是支持向量机应用研究的一个新突破 因 而 近年来很多学者开始致力于支持向量机应用研究 主要应用于模式识别领域 数据挖掘领域和非线性系统控制领域 毋庸置疑 学者的研究必然会推动支持向量 机应用研究理论的丰富和发展 山东财经大学硕士学位论文 3 2 现实意义 对于公司自身而言 有助于提高公司的管理水平 财务业绩预测属于财务管 理的范畴 对于公司管理者来说 借助财务业绩预测模型对公司财务业绩进行及时 有效地预测 有利于揭示公司经营过程中的潜在风险 及时发现公司经营状况的不 良变化 并找出造成这种变化的症结所在 从而能够有针对性地采取财务防范和化 解风险的必要措施 扭转公司经营状况恶化的趋势 以避免陷入财务危机 对于投资者而言 有利于投资者作出正确的投资决策 保护投资者的合法权 益 投资者之所以投资于上市公司 主要是因为看好公司未来的发展前景 公司未 来良好的业绩 是投资者丰厚回报的有力保障 有效的财务业绩预测能够帮助投资 者通过对公司财务信息的分析 预测出公司未来的财务状况 评价其投资价值和发 展前景 防范投资风险 减少投资损失 对银行和公司债券持有者等债权人而言 通过对企业经营状况的分析与预 测 及早地发现企业财务业绩下降的讯号 有利于债权人合理地做出借贷决策 通 过对公司财务业绩进行及时有效的分析和预测 评价贷款人的经营风险和财务风险 从而确定贷款额度 了解贷款人偿还本金 支付利息的可能性 对与公司有业务往来的公司来说 如供应商 其应收账款的收回与公司的经 营状况密切相连 公司的供应商投入大量的人力 财力 物力来拓展公司商品的销 售渠道 商品售出 账款却不能收回 直接影响到供应商的资金流 因此若能及时 的了解到与自己有业务联系的公司经营出现了问题 供应商则能降低其投入 减小 损失程度 对政府监管部门而言 有利于资源的优化配置 政府通过对企业财务业绩的 分析与预测 可以对企业的经营业绩做出有效的评价 全面分析与预测公司的发展 前景 从而作出利于资源优化配置的决策 而且政府可以在企业陷入财务困境前 针对企业存在的问题给与相应的政策扶持 尽量避免企业破产的发生 避免造成大 规模的工人失业 对公司的员工而言 公司的经营状况会直接影响到员工的工资收入 公司的 经营状况良好 员工的收入也会比较有保障 反之 公司经营状况恶化或亏损 员 工的收入和未来发展也会受到威胁 因此 员工可以通过对财务业绩的分析从而对 自己收入的保障程度和未来的发展机遇做出判断 第 1 章 绪论 4 1 2 文献综述 目前国内外学者关于财务困境分析与预测的研究已经比较成熟 研究文献也比 较丰富 但是针对财务业绩预测的研究比较少 财务困境预测是根据所研究公司的 多项财务指标或非财务指标来判断公司是否陷入财务危机 而本文所要研究的财务 业绩预测是根据反映公司业绩的指标来判断公司财务业绩的变化趋势 因此 本文 认为财务困境预测的方法适用于财务业绩预测 企业财务困境分析与预测的方法包括定量和定性预测两种 本文拟采用多元逻 辑回归 logit 模型和支持向量机 support vector machine 简称 svm 模型两种 定量方法来进行财务业绩预测 因此 下面对关于定量分析预测方法的文献进行简 要的述评 定量分析预测方法就是利用数学和计算机技术构建业绩预测模型 对公司的财 务指标进行系统分析来预测公司财务业绩的变化趋势 定量预测模型较定性分析预 测方法能够提供更好的预测能力 因此它已经成为财务困境分析与预测的主要方 法 从目前国内外的研究情况来看 财务困境预测模型主要分为两类 传统统计类 预测模型和人工智能型预测模型 1 2 1 传统统计类预测模型 传统统计类预测模型主要包括 一元判别分析模型 多元判别分析模型 线性 概率模型 多元概率比回归模型以及多元逻辑回归模型等 1 一元判别分析模型 一元判别分析模型是指只将一项财务指标代入预测模型来判断企业是否陷入 财务困境 fitzpatrick 1932 是最早利用一元判别分析模型来进行财务危机预警研 究的学者 他选取了破产组和非破产组共 19 家公司的样本数据 逐次将财务指标 代入模型进行判别 最终的研究结果表明净资产收益率和债权股权比率这两个指标 具有较好的预测性能 1 beaver 1966 根据资产规模相同这一配对原则 选择158个样本公司 79家经 营失败企业和79家经营成功企业 进行一元判定预测 研究结果发现并对两类企业的 30个财务指标进行显著性差异比较 最终研究发现误判率最低的财务指标依次为现金 流量 负债总额 资产收益率和资产负债率 而且离经营失败日越近 预测准确率越 高 2 山东财经大学硕士学位论文 5 陈静 1999 是国内最早采用一元判别分析模型进行财务困境预警研究的学者 她选取 27 家 st 公司和同行业同规模的 27 家正常公司 资产负债率 总资产收益 率 流动比率和净资产收益率 4 个财务指标 分别对公司被 st 的前 1 年 前 2 年 前 3 年的财务数据进行了业绩预测 研究显示资产负债率和流动比率公司宣布被 st 的前 1 年的预测准确率高达 100 同时 研究也发现 离宣布被 st 的时点越近 误判率越低 3 尽管一元判别分析只用一项财务指标就能获得较高的预测正确率 易于使用 便于推广 但是一元判别分析模型也存在着一定的局限性 首先 单个财务指标只 能反映企业财务状态的某一方面 无法全面反映企业整体的财务特征 其次 单个 指标更容易被粉饰和操纵 因此会影响结论的可信度 最后 不同的指标得出的判 别结果可能互相矛盾 从而可能影响对企业真实财务状况的判断 2 多元判别分析模型 多元判别分析模型是指用所选样本公司的多个财务比率构建一个判别函数 根 据判别函数值来对企业财务业绩进行预测分析 为了使判别结果更准确 通常情况 下将样本数据分为两个集合 训练样本集和测试样本集 训练集主要用于推导判别 函数 而测试集用于进一步检验分类结果的正确性 美国学者 altman 1968 首次将多元判别分析模型应用到财务危机预警的研究 中 他以 33 家破产公司和 33 家相同资产规模的非破产公司为样本 利用其财务指 标拟合出一个判别函数 建立了著名的 z 分模型 54321 999 0006 0033 0014 0012 0xxxxxz 其中 1 x 营运资金 资产 总额 2 x 保留盈余 资产总额 3 x 息税前利润 资产总额 4 x 普通股 优 先股市场价值总额 负债账面价值总额 5 x 销售收入 资产总额 如果 z 值大 于 2 99 则表明公司财务状况良好 如果 z 值小于 1 81 则表明公司破产的可能性 比较大 如果 z 值介于 1 81 至 2 99 间则说明公司财务状况不明朗 研究结果表明 z 分模型在破产前一年预测正确率高达 95 45 明显优于一元判别分析模型 4 周首华 杨济华等 1996 以 31 家破产公司和同行业 同年度销售净额的 31 家非破产公司为研究样本 选取了若干财务指标 利用多元判别分析模型进行实证 研究 建立了著名的财务困境预警的 f 分数模型 即 第 1 章 绪论 6 54321 4961 00302 09271 11074 01091 11774 0xxxxxf 其中 1 x 期 末流动资产 期末流动负债 期末总资产 2 x 期末留存收益 期末总资产 3 x 净利润 折旧 平均总负债 4 x 期末股东权益的市场价值 期末总负债 5 x 净利润 折旧 利息 平均总资产 当 f 值小于 0 0274 时 企业就面临着陷入财 务困境的风险 5 张玲 2000 以 30 家 st 和 30 家非 st 上市公司为训练样本 从 15 个特征财 务比率变量中筛选出 4 个变量构建判别函数 所建立的判别函数分类准确率高达 100 然后用所建立的判别函数对 60 个新样本进行预测 进一步验证了模型的判 别效果 并验证了 0 5 为决策经验数据即 0 5 为两类公司的分水岭 研究还发现 模型具有超前的预测效果 在公司发生亏损前两年模型就可以预知公司的未来发展 前景 6 杨淑娥 徐伟刚 2003 以67家st公司和67家同行业分布的非st公司为样本 在z分数模型的基础上运用主成分分析方法 对我国上市公司财务状况进行实证研究 建立了我国上市公司的财务困境预警的y分数模型 并确定了企业财务状况的评价区 域 研究表明 y分数模型在预测上市公司是否会陷入财务困境方面具有较高的可信 度 而且如果利用此模型对上市公司的财务指标进行动态的观测分析 会取得更好的 预测效果 7 虽然多元判别分析模型较一元判别分析模型具有更高的预测准确率 但是它同 样也存在一定的局限性 第一 多元判别分析模型多要求自变量服从正态分布 而 在实际的研究中 财务指标总体大多不呈正态分布或近似正态分布 因此会影响到 预测的准确率 第二 尽管配对样本的选择大多按照同行业或同资产规模的配对原 则 但是并没有一个严格的统一的标准 这在一定程度上也会影响预测效果 3 线性概率模型 meyer 1970 首次将线性概率模型用于银行企业的破产预测研究 他选取了 1948 1965 年间的 39 家破产银行 按照同时间 同地区 同行业的配对原则选取了 39 家财务正常银行作为配对样本 将营运资金 资产总额 保留盈余 资产总额 息税前利润 资产总额 普通股优先股市场价值总额 负债账面价值总额以及销售 收入 资产总额五个财务指标分别代入回归模型 找到时间影响因素 再利用线性 概率模型构建判别函数 研究结果表明 在银行破产前一年至两年间预测准确率最 山东财经大学硕士学位论文 7 高 达到 80 8 线性概率模型有一个很大的缺点就是它的拟合概率值可能大于 1 或者小于 0 而且概率值必须要求在 0 和 1 之间 4 多元概率比逻辑回归模型 zmijeski 1984 使用多元概率比逻辑回归模型建立财务困境预警模型 研究 采用的是非配对样本 分析了财务失败企业和财务正常企业在破产概率区间上的分 布及两类错误和模型阈值之间的关系 9 多元概率比逻辑回归模型要求样本数据必须要符合正态分布 而且在计算式有 较多的近似处理 这会在一定程度上影响模型的预测准确率 5 多元逻辑回归模型 多元逻辑回归模型和多元概率比逻辑回归模型的研究思路基本一致 仅在具体 的假设条件和参数计算方法上存在一定的差异 主要表现在以下三个方面 第一 假设前提不同 多元概率比逻辑回归模型要求自变量总体服从正态分布 多元逻辑 回归模型则没有这一要求 第二 参数的计算方法不同 多元概率比逻辑回归模型 采用极大似然函数求极值的方法求解 多元逻辑回归模型采用线性回归方法求解 第三 判别概率的求解方法不同 多元概率比逻辑回归模型采用积分的方法 多元 逻辑回归模型采用取对数的方法 martin 1977 是首位构建多元逻辑回归模型进行财务困境预警研究的学者 他以美联储 58 家困境银行为样本 选取了 25 个财务指标构建预测模型 来预测两 年后银行倒闭的风险 研究结果表明 预测性能较好的六个财务指标依次为净利 总资产 坏账 营业净利 费用 营业收入 总放款 总资产 商业放款 总放款 总资 产 风险性资产 10 ohlson 1980 选择了 105 家破产公司和 2058 家非破产公司 采用多元逻辑 回归方法 构建了三个预测模型 分别用来预测第一年会破产的公司 第一年未破 产而在第二年破产的公司 一年到两年内破产的公司 研究结果表明 公司规模 资本结构和变现能力等指标的误判率最低 预测准确率达到 96 12 11 陈晓 陈治鸿 2000 是我国最先运用多元逻辑回归模型进行财务困境预测的 学者 他们以我国 38 家 st 上市公司和 132 家非 st 上市公司为样本 选取了应收 账款周转率 负债 权益比等财务指标来构建财务困境预测模型 实证结果表明应收 账款周转率对财务困境预测的准确率最高 12 第 1 章 绪论 8 吴世农 卢贤义 2001 以 1998 至 2000 年间的我国 70 家 st 上市公司和 70 家非 st 上市公司为样本 从企业的偿债能力 盈利能力 营运能力 成长能力和 企业规模等方面选取了 21 个财务指标 分别运用判别模型 多元线性回归模型和 多元逻辑回归模型三种方法进行困境预测 实证结果表明 多元逻辑回归模型的预 测准确率最高 13 姜秀华 孙铮 2001 以 42 家 st 公司和 42 家非 st 公司为研究样本 选择了 13 个变量 运用多元逻辑回归分别构建了 st 前一年和 st 前两年的上市公司财务 危机预警模型 研究发现st前一年模型的预测准确率明显高于st前两年的准确率 高达 95 45 另外 研究结果还显示概率 0 1 为多元逻辑回归模型的最优分割点概 率 14 顾银宽 2005 引入jackknife检验方法 选取了103家财务亏损企业和103家非财 务亏损企业构建多元逻辑回归模型 实证结果显示 0 5是模型的最优判别点概率 此时模型的预测准确率达到71 3 15 陈士龙 2011 以我国电力行业30家上市公司为样本 选取了净资产收益率 总 资产报酬率 资产负债率 总资产周转率 流动资产周转率 已获利息倍数 销售增 长率 资本积累率八个指标 先对初始变量进行因子分析 并将得到的公共因子代入 多元逻辑回归模型 实证结果表明模型预测的准确率较高 16 田中禾 张娇 2011 以我国48家st上市公司和252家正常公司为样本 运用主 成分分析法对所选取的28个财务指标进行降维 将降维后所得到的12个综合指标代入 模型进行建模 实证结果显示模型能够有效的预测公司是否会陷入财务危机 预测准 确率高达93 17 刘芳 2011 以2001年前在沪深两市挂牌交易的142家装备制造业上市公司为样 本 选取了反映公司偿债能力 成长能力 盈利能力 现金流量能力 营运能力等5 个方面的30个财务指标 建立了上市公司财务困境预警的多元逻辑回归模型 实证结 果表明模型的预测准确率较高 18 多元逻辑回归模型的优点主要有两点 一是它不要求数据服从正态分布 这就避 免了多远概率比回归模型的正态分布假设问题 二是不要求两组样本的协方差矩阵相 等 鉴于多元逻辑回归模型的优点 关于传统统计类模型 本文拟采用多元逻辑回归 模型进行财务业绩预测 山东财经大学硕士学位论文 9 1 2 2 人工智能型预测模型 人工智能技术是在已有的知识基础上 借助于专家系统进行学习 推导 从而 达到或接近人类智能的水平 人工智能技术根据持续不断输入的数据 学习 调整 完善学习算法 从而保证最终判别结果的可靠性 因此在进行公司财务业绩预测时 若能及时地 持续地更新与企业财务状况相关的数据 对预测模型进行不断地修正 调整 模型的预测准确率会大大提高 因此 人工智能技术被广泛应用于财务困境 预测中 人工智能型预测模型主要包括 人工神经网络模型 遗传算法模型 粗集理论 模型 递归划分分析模型以及支持向量机模型 1 人工神经网络模型 前向三层 bp 神经网络是目前人工神经网络模型中应用最广泛的一类 它由三 层神经元构成 输入层 隐藏层 输出层 在进行财务业绩预测 神经网络接收到 输入数据时会作出反应 并自动的与预期反应相比较 如果误判率较高 超过可以 接受的范围 神经网络会自动调整 开始新的学习过程 直到将误判率降低到可以 接受的低水平 这样反复循环学习的过程结束后 神经网络模型就可以用于困境预 测了 近年来 ann 被广泛应用于经济 金融 管理领域 尤其是财务困境预测 研究领域 19 odom 1990 将人工神经网络模型和传统的多元判别分析模型进行实证对比 分析 研究结果显示人工神经网络模型具有更高的预测准确率 而且鲁棒性也更强 20 coats etc 1993 选取了 47 家财务危机公司和 47 家正常公司构建人工神经网 络模型进行财务困境预测 并与多元判别分析模型进行比较 研究结果表明多元判 别分析模型的预测准确率为 72 而人工神经网络模型的预测准确率则高达 91 明显优于多元判别分析模型 21 吴德胜 梁樑 殷尹 2004 选取了 32 家公司作为建模样本 16 家公司作为 检验样本 分别构建了多元判别分析模型和人工神经网络模型 并针对短期和中期 预测效果进行了比较分析 实证结果表明 多元判别分析模型的短期预测正确率为 81 25 中期预测正确率为 62 5 人工神经网络模型的短期预测正确率为 87 5 中期预测正确率为 75 明显高于多元判别分析模型 22 杨淑娥 黄礼 2005 以 120 家上市公司为建模样本 同期 60 家公司为检验 第 1 章 绪论 10 样本 选取反映公司偿债能力 盈利能力等 6 个方面 15 个财务指标 借助 bp 人工 神经网络工具 构建了财务困境预警模型 研究结果表明 建模样本的预测正确率 高达 90 8 而检验样本的预测正确率为 90 同时与采用主成分分析法构建的模 型相比较 实证发现人工神经网络模型的预测精度明显优于采用主成分分析法构建 的模型 23 人工神经网络模型优势在于不仅它能够同时处理定性变量和定量变量 而且不 需要考虑变量之间的统计关系 但它也存在一定的局限性 如模型计算量较大 判 别效果不太理想等 2 遗传算法模型 遗传算法是一种借鉴生物界的优胜劣汰遗传机制进化规律演化而来的随机 化搜索方法 varetto franco 1998 率先用遗传算法模型进行财务业绩预测 实证 结果表明 尽管遗传算法提取的线性函数与多元判别分析模型相比 用时较少 并 且受研究人员的主观影响较小 但是判别效果不如多元判别分析模型 24 遗传算法模型直接对结构对象进行操作 不存在求导和函数连续性的限定 具有内在的隐并行性和更好的全局寻优能力 采用概率化的寻优方法 能自动 获取和指导优化的搜索空间 自动地调整搜索方向 不需要确定的规则 鉴于 遗传算法的这些特点 遗传算法模型被人们广泛地应用于金融 财务等研究领域 3 粗集理论模型 粗集理论模型的基本原理就是运用若干具有不同价值属性的变量来描述研究 对象 在企业财务困境预测中 就是可以用多个反映企业财务状况的财务指标来预 测企业陷入财务危机的可能性 franeis 1999 研究表明 粗集理论模型能发现潜藏在数据中的事实 并能形 成一组有案例决策支持的决策规则 不仅能节省决策形成的时间和成本 而且将决 策者的知识背景也考虑进去 适合用于集成决策支持系统 25 张 华 伦 孙 毅 2006 构 建 了 一 种 基 于 粗 糙 模 糊 神 经 网 络 模 型 rough fuzzy ann 简称 rfa 进行财务困境预警 研究表明 rfa 模型预测准 确率高 学习和泛化能力较强 具有广泛的适应性 实用性 为企业财务业绩的动 态预测开辟了一条新的途径 26 4 递归划分分析模型 frydman 首次采用递归划分分析建立预警模型 他以财务比率为判别点建立二 山东财经大学硕士学位论文 11 叉分类树 以最低误判成本为标准对样本企业进行分类预测 结果发现犯 类错误 破产企业误判为非破产企业 的概率高于犯 类错误 非破产企业误判为破产企 业 的概率 多元判别分析模型对研究样本的期望误判成本明显高于递归划分分析 模型 在递归划分分析模型中可以选用非财务指标和定性指标 但复杂的分类树结 构可能引起样本的过度适应 预测风险高 因此分类树结构宜简不宜繁 便于灵活 应用 27 5 支持向量机模型 支持向量机是根据结构风险最小化原理构造而成的一个通用的学习机器 由于 它在学习方面具有良好的性能和高实用性 因而被广泛的应用到金融 财务等领域 fan a etc 2000 首次构建了基于支持向量机的财务危机预警模型 关于预测 指标的筛选 他采用欧氏距离方式处理变量间的距离 研究结果显示 尽管这种筛 选指标的方法并不能保证所构建的支持向量机模型的预测效果最好 但是计算成本 比较低 用时较少 28 van gestel t etc 2003 采用最小二乘法构建了基于最小二乘支持向量机 least squares support vector machine 简称 ls svm 的财务困境预警模型 实证结果显 示模型的预测准确率高达 89 91 29 jae h min young chan lee 2005 借助表格搜索技术优化支持向量机核函数 参数 使得所构建的支持向量机模型的预测性能明显优于多元判别模型 线性概率 模型和 bp 神经网络模型 30 kyung shik shin etc 2005 利用其构建的基于支持向量机的财务危机预警模 型 对韩国中型制造业企业进行实证研究 并与人工神经网络模型的预测效果进行 比较 研究结果表明 支持向量机模型预测的准确率高于人工神经网络模型 同时 还发现支持向量机模型具有较高的泛化能力 31 李贺 冯天谨 2005 选取了我国烟酒行业 50 家上市公司 利用支持向量机 模型和人工神经网络网模型进行财务危机预警 结果表明 支持向量机模型的预测 效果优于人工神经网络模型 32 徐晓燕 2006 以我国上市公司为研究样本 分别构建了短期预测指标体系和 中长期预测指标体系 此外她还将多元逻辑回归与支持向量机相结合提出了一种新 的集成预测方法 即 lr svm 而且实证结果证明该方法的预测效果明显优于一般 的支持向量机模型 33 第 1 章 绪论 12 姚宏善 2006 以沪深两市 a 股上市公司中 58 家 st 公司和 58 家非 st 公司 为样本 选择了反映公司偿债能力 发展能力等 7 个方面的 20 个财务指标 分别 建立了多元判别分析模型和支持向量机模型 实证研究表明 支持向量机模型的预 测效果明显优于多元判别分析模型 而且对训练样本的预测准确率均为 100 对 测试样本的预测正确率在 st 前一年至 st 前五年的预测准确率分别为 95 85 100 96 15 84 6 和 70 34 谢赤 罗长青 王蓓 2007 以我国沪深两市 70 家在 2005 年和 2006 被 st 的 制造业上市公司和 70 家非 st 公司为样本 选取了反映公司偿债能力 盈利能力 营运能力 成长能力和现金流量状况四个方面的财务指标 分别构建了支持向量机 财务困境预警模型和多元判别分析预警模型 实证结果表明 支持向量机模型的预 测正确率明显高于多元判别分析模型 35 宋姣 2007 以我国上市公司为样本 选取了 9 个财务指标 分别对 st 前一 年 st 前二年 st 前三年构建了基于支持向量机的上市公司财务危机预警模型 研究结果表明 支持向量机克服了人工神经网络等方法过学习或欠学习的问题 而 且在只有少量训练样本的条件下 所构建的支持向量机模型的预测准确率远远高于 其他方法 36 蒋艳霞 徐程兴 2009 用 adaboost 算法改进支持向量机 并采用实验法来 选择支持向量机的核函数 对每个核函数及其相关参数的预测效果逐一进行测算 研究表明支持向量机模型的预测准确率远远高于其它方法 而且研究发现径向基核 函数的预测效果最好 37 赵冠华 2009 提出了一种基于 renyi 熵的最小二乘支持向量机的增长记忆算 法 且将将基于生物遗传机理的遗传算法参数优化技术应用于企业财务困境分析与 预测 研究结果表明 遗传算法确实能在更大范围内自动寻优 能显著提高模型预 测的正确率 尤其是将遗传算法应用于基于 renyi 熵的最小二乘支持向量机增长记 忆算法模型 使得在