基于判别分析方法的上市公司财务危机预警体系本科毕业论文

摘要构建财务危机预警系统是我国资本市场理想发展的需要，本文从理论依据、经济基础和技术支撑三个方面分析了构建我国上市公司财务危机预警系统的可行性，提出了构建财务危机预警系统的新思路和基本框架，旨在预防和化解上市公司财务危机。关键字上市公司财务危机预警系统ABSTRACTCONSTRUCTINGFINANCIALCRISISPREWARNINGSYSTEMISTHENECESSITYTOTHEDEVELOPMENTOFCAPITALMARKETINCHINATHISPAPERANALYZESTHEPOSSIBILITYOFCONSTRUCTINGFINANCIALCRISISPREWARNINGSYSTEMOFTHELISTEDCOMPANIESFROMTHREEASPECTS,THEORY，ECONOMICSANDTECHNOLOGY,ANDWORKSOUTTHENEWTHOUGHTANDBASICFRAMEWORKOFCONSTRUCTINGFINANCIALCRISISPREWARNINGSYSTEMSOASTOPREVENTANDRESOLVETHEFINANCIALCRISISOFTHELISTEDCOMPANIESKEYWORDLISTEDCOMPANYFINANCIALCRISISPREWARNINGSYSTEM目录1研究方法设计111样本设计112指标选取113建模方法的选择12预警体系的建立221判别函数的建立222判别系数的检验结果223判别分析得到的结果224模型预测准确性检验33SPSS统计结果与分析44预警体系的应用与分析95结论和总结10参考资料111基于判别分析方法的上市公司财务危机预警体系1、研究方法设计11、样本设计本文所指的财务危机公司是被特殊处理的上市公司非财务危机公司是指未被特殊处理的上市公司。考虑到金融机构的财务比率明显异于非金融机构，不能同时进行模型构建A股与B股中存在上市公司重复的情况所以，本文设计从我国沪、深两市A股市场2006年2007年发生ST的非金融类公司中抽取30家作为研究样本，是按照ST的时间排序采用等距离抽样的方法进行抽取的，并按年度从ST公司所处的行业中随机抽取相同数量的正常公司作为配比样本12、指标选取结合我国上市公司的实际情况，参照前人研究成果，本文从上市公司的盈利能力、偿债能力、营运能力、现金流量等各方面选取了1个综合反映上市公司的财务状况的指标见表1。表1财务指标分析项目财务指标盈利能力每股收益（X1）、总资产收益率（X2）、净资产收益率（X3）、主营业务收入毛利润率（X4）偿债能力流动比率（X5）、速动比率（X6）、资产负债率（X7）2营运能力存货周转率（X8）、总资产周转率（X9）、应收帐款周转率（X10）现金流量现金流动负债比率（X11）13、建模方法的选择目前，从财务危机预警研究所采用的各种建模方法来看，一元判别分析简单易行，但是使用单个财务指标可以从不同角度详细反映企业的财务状况，但任何单个指标都无法全面地反映出企业财务的整体特征，不利于不同企业之间的对比，而且分析不同的财务指标可能会得到不同的甚至于相互矛盾的评价结论。而多元逻辑回归对样本量有严格的要求，运用大的样本量建立的模型才比较稳健。考虑到本文的样本量相对较少，本文拟采用多元判别分析作为主要建模方法。其优点是能够包容反映企业财务情况的多个指标，因而在财务危机预测中运用广泛能够包含独立变量可以应用5飞5统计软件建模，使得建模过程变得简便可行一旦完成建立模型之后运用比较容易。当然，该方法也有一些局限它有一定的适用条件。但是相对而言，判别分析在违反这些适用条件时显得非常稳健，它们对结果的影响其实不大。2、预警体系的建立本文在SPSS110统计软件的判别DISCRIMINANT过程中采用费3歇判别法逐步选择变量来建立财务危机预警模型，首先建立被特殊处理前一年的模型21、判别函数的建立经过判别分析过程，从最初的11个特征财务比率中最后推导出只有三个变量的判别函数见公式1YT14742135X10700X90960X1122、判别系数的检验结果表2中WILKSLAMBDA和F统计检验表明3个变量均在0000显著水平上通过。这说明两类公司的特征变量之间存在有显著差异表2判别系数WILKSLAMBDA和F检验结果变量ST公司均值非ST公司均值WILKSLAMBDAF值自由度显著水平SIGX105829031860595839771580000000X902854082890387484632570000000X110162106002037035868356000000023、判别分析得到的结果表3中列出了一部分样本进行判别分析得到的结果。如果得到的函数值大于0，则说明该上市公司在下一年度发生财务危机的概率比4较小反之则应提高警惕，该上市公司在下一年度发生财务危机的可能性比较大，且数值越小，发生财务危机的可能性越大。表3判别结果和聚类结果财务危机公司非财务危机公司代码简称类别预测类别Y聚类结果代码简称类别预测类别Y聚类结果000005ST星源000672600832东方明珠110733000505ST珠江001112600823世贸股份11061324模型预测准确性检验5本文拟采用自身验证和交互验证两种方法来对模型预测准确性进行检验表4。但是，自身验证的效果好并不能说明该函数用来判别外部数据的效果也很好。而交互验证是近年来逐渐发展起来的一种非常重要的判别效果验证技术，对模型预测能力的判断是稳定无偏，具有可信度本模型自身验证的预测正确率为983，而且交互验证的预测准确率与自身验证一致，可见该判别函数是稳定的。之后，可以用相同的方法分别对前几年的数据建立预警模型，如下前2年建立的模型YT204982220X11096X92前3年建立的模型YT315024034X11181X93前4年建立的模型YT418922495X91072X114前5年的数据中的变量都没有通过WILKSLAMBDA和F统计检验，未能建立模型，也就是说在ST发生的前5年不能预测公司未来的财务状况。通过对该年的原始数据进行两组样本均值的一致性检验发现，本文选取的11个指标在10的显著性水平下两类上市公司间不存在着显著性的差异，说明当时两类公司的财务状况不相上下。表4不同时期建立模型的检验结果汇总表变WILKSF值自由度显著水平自身验交互验6量LAMBDASIG证证X1075501015800000前2年X905432162570000093339333X1081218915800000前3年X907313682570000080008000X90878804615800001前4年X1108156464257000007167716773、SPSS统计结果与分析判别分析的数据如下其分析结果如下ANALYSISCASEPROCESSINGSUMMARYUNWEIGHTEDCASESNPERCENTVALID91000EXCLUDEDMISSINGOROUTOFRANGEGROUPCODES008ATLEASTONEMISSINGDISCRIMINATINGVARIABLE00BOTHMISSINGOROUTOFRANGEGROUPCODESANDATLEASTONEMISSINGDISCRIMINATINGVARIABLE00TOTAL00TOTAL91000GROUPSTATISTICSVALIDNLISTWISEVAR00001UNWEIGHTEDWEIGHTEDX133000100X2330009X633000X533000X433000X333000X122000X222000X622000X522000X422000200X322000X122000X222000X622000X522000X422000300X322000X122000X222000X622000400X52200010X422000X322000X199000X299000X699000X599000X499000TOTALX399000VARIABLESFAILINGTOLERANCETESTAWITHINGROUPSVARIANCETOLERANCEMINIMUMTOLERANCEX312889000000ALLVARIABLESPASSINGTHETOLERANCECRITERIAAREENTEREDSIMULTANEOUSLY11VARIABLESFAILINGTOLERANCETESTAWITHINGROUPSVARIANCETOLERANCEMINIMUMTOLERANCEX312889000000ALLVARIABLESPASSINGTHETOLERANCECRITERIAAREENTEREDSIMULTANEOUSLYAMINIMUMTOLERANCELEVELIS001EIGENVALUESFUNCTIONEIGENVALUEOFVARIANCECUMULATIVECANONICALCORRELATION16857654A98098010002140322A2010009961232243A01000832AFIRST3CANONICALDISCRIMINANTFUNCTIONSWEREUSEDINTHEANALYSISWILKSLAMBDATESTOFFUNCTIONSWILKSLAMBDACHISQUAREDFSIG1THROUGH300052362150002THROUGH3002214468006330841173249STANDARDIZEDCANONICALDISCRIMINANTFUNCTIONCOEFFICIENTS13FUNCTION123X12994193223X2111091422075X6113776911419X514686880791X422355363867STRUCTUREMATRIXFUNCTION123X3A161788099X2020777527X1035408025X5048387716X6016211215X401003009614POOLEDWITHINGROUPSCORRELATIONSBETWEENDISCRIMINATINGVARIABLESANDSTANDARDIZEDCANONICALDISCRIMINANTFUNCTIONSVARIABLESORDEREDBYABSOLUTESIZEOFCORRELATIONWITHINFUNCTIONATHISVARIABLENOTUSEDINTHEANALYSISLARGESTABSOLUTECORRELATIONBETWEENEACHVARIABLEANDANYDISCRIMINANTFUNCTIONFUNCTIONSATGROUPCENTROIDSFUNCTIONVAR000011231007052573580031520089957702296230034989368019354001915814379968UNSTANDARDIZEDCANONICALDISCRIMINANTFUNCTIONSEVALUATEDATGROUPMEANSPRIORPROBABILITIESFORGROUPSCASESUSEDINANALYSISVAR00001PRIORUNWEIGHTEDWEIGHTED1002503300020025022000300250220004002502200016PRIORPROBABILITIESFORGROUPSVAR00001PRIORCASESUSEDINANALYSISUNWEIGHTEDWEIGHTED10025033000200250220003002502200040025022000TOTAL100099000CLASSIFICATIONFUNCTIONCOEFFICIENTSVAR00001100200300400X12688147078984205011317X267835716309451108222575411296X649271107277513339603X524668558950373329191482X43240740414975725736CONSTANT1122191412330564645992003836FISHERSLINEARDISCRIMINANTFUNCTIONS判别分析仅能说明上市公司在未来发生财务危机的概率有多大，于是本文考虑利用判别分析得出的判别函数值进行聚类分析来具体确定各个上市公司经营所处的位置，再根据此确定各个上市公司的预警程度。表5预警程度表样本个数最小值最大值平均值方差预警程度第一类15479129220089巨警第二1411100505902重警18类9第三类25011175097053轻警第四类6248345286037无警本文将上市公司的预警程度分为4个级别分别为巨警类、重警类、轻警类、无警类。从财务管理的角度来看预警程度为巨警和重警这两类公司是经营业绩差的上市公司未来发生财务危机的可能性很大，尤其是巨警类的上市公司，投资者应回避这两类公司，监管层应进行严密监管轻警类的公司是经营业绩中等的上市公司，有发生财务危机的可能，监管层应加强监管，对这类公司的再融资方案严加审核，防范有些公司可能出现盲目再融资行为，投资者对这类公司应保持高度的警惕，避免可能造成的投资风险，投资银行应密切关注这类公司的发展动态从而保证其发放贷款的安全性和收益性，该上市公司应当及时的发现问题的所在，解决问题，做到防患于未然无警类的公司是经营业绩好的上市公司，发生财务危机的可能性小。投资者、投资银行应该多挖掘这类财务状况非常好的公司，从而可以减少潜在的风险。4、预警体系的应用与分析本文所建立的上市公司财务危机预警体系应用时简便易行，只需要X1、X9、X11这3个指标就可以比较准确地预测出各个上市公司在未来的财务状况，方便在实践中操作使用。具体操作步骤是将这3个指标的值代入到本文所建立的财务危机预警模型中得到一个判别函数值。之后以聚类分析产生的类别为分类标准，再次进行判别分19析来具体确定该上市公司的预警程度并参考相关的操作性建议。5、结论和总结第一,从总体上说，我国上市公司的财务数据能够预测其未来发生财务危机的概率,从这一角度来说是有效的,也就是说,我国上市公司财务数据的使用者能够根