基于Mixed Logit模型的上市公司财务困境预测实证研究(4)

二、多元逻辑回归和概率比回归分析

由于多变量线性判别模型要求预测变量符合严格的联合正态分布，而现实经济生活中大多数企业的财务比率无法满足这一要求，为了克服这一缺陷，Ｏｈｌｓｏｎ为代表的学者提出用逻辑回归判别方法来提高财务困境的预测能力。

Ｏｈｌｓｏｎ（１９８０）１１２１以１９７０年至１９７６年间破产的１０５家公司和２０５８家公司组成非配对样本，使用了９个自变量，运用条件逻辑模型（ＣｏｎｄｉｔｉｏｎａｌＬｏｇｉｓｔｉｃＭｏｄｅｌ）来建立财务困境预测模型。其研究结果表明，企业规模的大小、财务结构、经营业绩以及流动性等因素与企业发生财务困境的概率具有高度的相关性。在此研究基础上，有学者运用条件逻辑模型，将现金流量的概念运用于财务困境预测模型。研究结果表明，股利现金流量和应收账款是区别失败公司和正常公司的显著因素。

Ｚｍｉｊｅｗｓｋｉ（１９８４）１９１使用Ｐｒｏｂｉｔ分析模型，应用７５个变量对财务困境的预测进行了新的探索。他研究了两组间样本个体数量分配的问题，认为一一配对会使样本中两类公司的比例严重偏离两类公司在实际总体中的比例，从而高估模型的预测能力，特别会高估对破产公司的预测能力。

但以上模型具有统计上的局限性：ｌ、线性回归要求数据服从正态分布并满足独立性假设；２、从单个财务比率看，变量缺乏解释能力；３、采用的统计方法不一定正确。递归分类技术避免了以上的问题，对预测财务危机起了很大的推动作用。

三、现代分析方法

随着近年来计算机技术和信息技术的发展，西方研究人员还将人工神经元网络等现代分析技术引入对财务困境的预测研究。

在１９８０年代末期，神经网络理论（ＮＮ）开始兴起，其影响也及于财务危机预测研究领域。人工神经网络技术解决了上述统计难题，它并不要求变量线性独立，既使不连续和不完整的信息也能被采用，将它用于困境公司分６

１．绪论

析的模型识别具有较好的效果。虽然神经网络判别模型可谓是研究方法上的重大创新，但实际效果却很不稳定。例如，利用Ａｌｔｍａｎ（１９６８）ｔ１０ｊ研究中所确定的５个财务比率建立模型，对９４家财务失败公司和１８８家正常公司运用神经网络模型进行判别时，其研究结果表明从财务困境发生的前两年起，失败公司的财务比率逐年恶化，而与正常公司的财务比率相比，具有明显的差距【１３ｌ。然而，在１９９４年所做的一项研究却并不认为神经网络模型具有比多元判别分析（ＭＤＡ）和Ｌｏｇｉｓｔｉｃ分析明显更佳的预测效果【ｌ引。Ａｌｔｍａｎ（１９９５）在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型＂。

此外，专家系统（ＥＳ）、遗传算法（ＧＡ）、粗糙集（Ｒｓ）、案例推理（ＣＢＲ）等技术也引入对财务困境的预测研究中。这些方法虽然数据挖掘能力强、预测效率高，但运算复杂、需要大量样本、无法进行结果分析，在实用性和可操作性方面，传统的判别分析和Ｌｏｇｉｓｔｉｃ分析仍具有明显优势。

１．２．３国内研究状况

由于种种原因，我国对财务困境预测的研究起步较晚，直到２０世纪９０年代中期才有此方面的评述性文章㈣ｆ１６ｊ［１７１。

周首华等（１９９６）［ｉｓ】利用ＣｏｍｐｕｓｔａｔＰｃＰｌｕｓ会计数据库中１９９０年以来４１６０家公司，使用ＳＰＳＳ统计软件建立了Ｆ分数模式，但他们的研究对象却不是中国的证券市场。直到１９９９年才真正开始了以我国企业数据为基础，一般以上市公司作为研究对象，以其财务状况异常而被特别处理（ＳＴ）作为公司陷入财务困境的标志，建立适合我国国情的预测模型的实证研究。

一、单变量模型

陈静（１９９９）【１９】首次对我国上市公司的财务困境进行了实证分析。运用Ｆｉｓｈｅｒ判别结合１９９５—１９９７年年报数据，进行了单变量分析和多元线性判定分析。在单变量判定分析中，发现在资产负债比率、流动比率、总资产收益率、净资产收益率４个财务指标中，流动比率与资产负债比率的误判率最低；在多元线性判定分析中，发现由资产负债率、净资产收益率、总资产报酬率、流动比率、营运资金／总资产、总资产周转率６个指标构建的模型，在ＳＴ发生的前３年能较好地预测ＳＴ。７

基于ＭｉｘｅｄＬｏｇｉｔ模型的上市公司财务困境预测实证研究

二、多变量模型

张玲（２０００）［２０１采用Ｚ值计分判别法，使用６０家公司的财务数据估计二类线性判别分析，并使用另外６０家公司进行检验，选取资产负债比率、营运资金与总资产比率、总资产利润率、留成收益与资产总额比率４个财务变量，本模型可在ＳＴ公司戴帽前４年或ＳＴ公司开始出现亏损的前２年就可预知公司的未来前景，但是准确率只有６０％。

陈晓和陈治鸿（２０００）［２１１选取３７家ＳＴ公司和３７家非ＳＴ公司配对，通过１２６０种变量组合实验，发现负债／权益比率、应收账款周转率、主营利润／总资产比率、留存收益／总资产４个比率对上市公司财务危机有着显著的预示效应，他们的最优模型能够从上年ＲＯＥ公告小于５％的上市公司中预测出７３．６８％下一年会进入ＳＴ，总体判别正确率为７８，２４％。

高培业（２０００）［２２１等把能否偿还银行贷款本息作为企业发生财务困境的标志，以深市国有企业为样本，１６１家制造类不同行业企业和非制造类１４０家企业为研究对象，得到了满意的预测结果。研究结果表明企业成功与否主要取决于负债比率（对制造业企业）和营运资金比率（对非制造业企业）或获利能力。

张鸣等（２００４）［２３】运用自己推导的现金存量模型，结合前人研究的财务预测模型建立了综合预测模型，然后引入审计意见变量进行修正。

三、逻辑模型

孙铮（２００２）凹】选取４２家ＳＴ公司作为样本容量，在分析１３个变量的基础上，运用Ｌｏｇｉｔ回归给出了判别上市公司财务危机的一个模型。这一模型包括四个变量：毛利率、其它应收款与总资产的比率、短期借款与总资产的比率、股权集中系数。该模型的判别率为８４．５２％，而对２０００年新增加的ＳＴ公司的判别准确率则达到了９５．４５％。

吴世农和卢贤义（２００１）【２５】对我国上市公司财务困境的预测模型问题进行了一项综合研究，他们以１９９８年－－２０００年沪深两市的１４０家上市公司为研究对象，构建了逻辑回归模型，其判别结果显示该模型可以准确判别９２．７５％的ＳＴ公司和９４．２９％的非ＳＴ公司，总体正确率为９３．５３％。研究得出的主要结论是：１、我国上市公司的财务指标包含着财务困境的预测信息，因此其财务困境具有可预测性；２、在我国上市公司陷入财务困境的前一年和前二年，各单个财务指标预测财务困境的准确率不同，其中以净资产报酬率的判定效８

１．绪论

栗较好；３、多变量模式优予单变量模式；４、比较多变量模式下的三种计量模型的效果表明，Ｌｏｇｉｓｔｉｃ模型的判定准确率最高。

刘曼（２００４）［２６Ｊ运用Ｌｏｇｉｔ模型对我国上市公司是否会被ＳＴ进行预警，作者按照逐步回归的方法选择指标变量，最终从ｎ个财务指标中确定了主营业务利润率、净资产收益率、以及资产负债率３个指标。用企业失败前一年的数据进行检验时，模型的正确分类率达到了９０。４％。

彭韶兵（２００５ …… 此处隐藏：2214字，全部文档内容请下载后查看。喜欢就下载吧 ……