多元统计分析案例课件.ppt

多元统计分析案例课件 基于主成分分析的财务预警模型 学生指导老师 多元统计分析案例课件 一 引言 当今世界已经进入知识经济和信息经济时代 随着世界经济的一体化和全球化发展 我国企业面临着前所未有的竞争压力以及国内外宏观经济和金融市场变动带来的各种风险 因财务危机导致企业陷入经营困境甚至发生破产的案例屡见不鲜 如何在财务危机到来之前能够预先有所觉察 尽早采取措施消除危机隐患 已成为当前亟待解决的问题 多元统计分析案例课件 本文基于我国制造业上市公司的财务数据 运用主成分分析法构建制造业上市公司财务预警模型 并对其判别效果进行比较分析 多元统计分析案例课件 财务预警模型的作用会受到财务指标和样本选取的限制 各种模型都有财务指标选择的侧重点 从而可能因忽视其他方面财务指标存在一定的片面性 此外 不同行业和研究区间的样本选取也会对财务预警模型的适用性产生影响 多元统计分析案例课件 有鉴于此 本文选取我国制造业上市公司作为研究样本 借鉴国泰安研究服务中心 中国上市公司财务指标分析数据库 中相关指标的设置分类 选择全面反映企业财务状况的盈利能力 成长能力 偿债能力 现金流量能力和营运能力财务指标作为研究对象 采用主成分分析法构建制造业上市公司财务预警模型 并对其判别效果进行分析 多元统计分析案例课件 二 研究设计 一 研究样本选取本文选取我国A股制造业上市公司2006年和2007年新增的46家ST公司 剔除非财务状况引起的ST公司 作为研究样本 并按照1 1的比例选取相同会计年度 资产规模相近 细分行业相同或相近的46家非ST公司作为配对样本 根据统计学原理 当样本容量大于 等于 30时 对总体具有很大程度的代表性 因此 我们将46对公司分为两组 一组30对作为估计样本 另一组16对作为检验样本 样本数据取自国泰安研究服务中心 中国上市公司财务指标分析数据库 为样本公司ST前1年 前2年和前3年的财务比率数据 多元统计分析案例课件 二 财务预警指标选择 为使预测变量的选择范围更加广泛和全面 本文借鉴国泰安研究服务中心 中国上市公司财务指标分析数据库 中相关指标的设置分类 选择全面反映企业盈利能力 成长能力 偿债能力 现金流量能力 营运能力的28个财务指标作为备选变量 根据30家估计样本ST公司前3年的数据 对28个指标分别进行配对样本显著性T检验 共有9个指标在0 05的显著性水平通过检验 包括所有者权益比率 X1 权益对负债比率 X2 流动比率 X3 营运资金对资产总额比率 X4 现金流量对流动负债比率 X5 营业毛利率 X6 资产报酬率 X7 总资产净利润率 X8 和投入资本回报率 X9 检验结果表明 ST公司与非ST公司在偿债能力 盈利能力和现金流量三个方面存在显著差异 上述9个财务指标可用于构建财务预警模型 多元统计分析案例课件 三 模型构建和检验 一 主成分分析预警模型构建为消除不同量纲的影响 在进行主成分分析之前 首先根据标准化公式对估计样本组60家公司的财务指标原始数据进行标准化处理 为检验标准化后的数据是否适宜进行主成分分析 进行KMO统计量与Bartlett球形检验 结果如表1所示 多元统计分析案例课件 表1表明 KMO 0 5 Bartlett检验统计量对应的显著性概率为0 000 适宜进行因子分析 多元统计分析案例课件 我们运用SPSS对估计样本组ST前1年的标准化数据进行主成分分析 计算各主成分的特征值和贡献率 结果如表2所示 多元统计分析案例课件 本文取包含原指标信息含量 累计贡献率 95 53 的前4个主成分 经方差最大化旋转后的4个主成分的贡献率分别为45 94 29 17 11 15 和9 27 4个主成分因子的因子载荷矩阵如表3所示 多元统计分析案例课件 表3显示 主成分1中 X6 X7 X8和X9的负荷量较为明显且集中 主要代表了企业的盈利能力 主成分2中 X2 X3和X4的负荷量明显大于其他比率 代表了企业的偿债能力 主成分3中 X5的负荷量为0 8706 远高于其他指标 代表了企业的现金流量水平 主成分4中 X6的负荷量为0 7786 远高于其他指标 代表了企业的盈力能力水平 多元统计分析案例课件 根据因子得分系数矩阵表 见表4 多元统计分析案例课件 可得到主成分 用F表示 关于财务指标的线性表达式 F1 0 2944X1 0 1352X2 0 1956X3 0 1194X4 0 0131X5 0 2726X6 0 3678X7 0 3787X8 0 197X9F2 0 0855X1 0 4174X2 0 5031X3 0 3939X4 0 2148X5 0 025X6 0 1971X7 0 1682X8 0 1248X9F3 0 1451X1 0 0078X2 0 1593X3 0 458X4 0 1189X5 0 1502X6 0 2635X7 0 1255X8 0 0189X9F4 0 3137X1 0 0585X2 0 174X3 0 1678X4 0 1814X5 1 3878X6 0 3489X7 0 3184X8 0 2026X9 多元统计分析案例课件 根据表2中各主成分因子的贡献率 可以得到制造业上市公司的财务预警模型 Z 0 4594F1 0 2917F2 0 1115F3 0 0927F4其中 F1代表盈利能力 F2代表偿债能力 F3代表现金流量能力 F4代表盈利能力比率中的营业毛利率 将估计样本组标准化后的财务指标代入上述公式 计算各上市公司的预警分布值 并按Z值由大到小进行排序 在保证判别分类错误最小的前提下 确定判别分割点在0 03099和0 01139之间 本文取二者的平均值0 02119作为判别分割点 Z值大于0 02119判定为非ST类公司 否则为ST类公司 多元统计分析案例课件 按照上述方法 可以构建出ST前2年和前3年的预警模型 前2年的模型为 Z 0 3393F1 0 3025F2 0 2048F3 0 0873F4F1 0 1124X1 0 0097X2 0 1544X3 0 2272X4 0 0195X5 0 0724X6 0 3528X7 0 3461X8 0 4454X9F2 0 1763X1 0 3146X2 0 4185X3 0 1455X4 0 5321X5 0 0117X6 0 442X7 0 1347X8 0 0191X9F3 0 6121X1 0 0186X2 0 0954X3 0 6276X4 0 3554X5 0 101X6 0 0404X7 0 1193X8 0 1947X9F4 0 5294X1 0 1621X2 0 2495X3 0 3873X4 0 0736X5 1 0878X6 0 3489X7 0 3184X8 0 2026X9此模型的判别分割点 0 022 多元统计分析案例课件 前3年的模型为 Z 0 3409F1 0 2072F2 0 2051F3 0 1789F4F1 0 0302X1 0 0962X2 0 0935X3 0 0782X4 0 1018X5 0 3732X6 0 3731X7 0 3096X8 0 1371X9F2 0 216X1 0 107X2 0 3201X3 0 6389X4 0 1491X5 0 2433X6 0 1172X7 0 0098X8 0 4985X9F3 0 7335X1 0 3212X2 0 0592X3 0 0346X4 0 1677X5 0 2544X6 0 0056X7 0 0363X8 0 4746X9F4 0 2491X1 0 3195X2 0 1399X3 0 2581X4 0 8017X5 0 2135X6 0 0968