论文部分内容阅读
构建上市公司财务风险预警模型一直是理论界和实务界关注的热点问题。要采用合理的财务指标，构建合适的模型是风险预警的关键。通过半个多世纪的探索与发展，财务预警模型日益完善和成熟，到目前为止，已经有了不少的财务预警模型，其中不乏一些学者的经典模型。但是由于大量财务风险预警模型的前提条件存在大量过于苛刻的假设条件，所以当今上市公司财务风险预警模型还是存在很多缺陷。本文采用当今较为主流的logistic模型进行研究。
在本文中笔者首先采用2001年至2006年的制造业一金属非金属板块和旅游业板块的数据运用因子分析法进行对比研究。之所以采用这两个行业板块，是因为这两个板块属于两个完全不同的行业，其生产、运营方式，企业财务结构，盈利方式等等都有着很大的区别，这有助于我们验证不同的行业必须构建不同的模型的原假设，进而进一步验证之前的学者在研究上市公司财务风险中，采用所有行业的样本数据来构建一个模型的做法是有一定的缺陷的，从而影响模型的精度。笔者运用因子分析法，借助于SPSS软件对数据进行比对分析，发现经过旋转过后的两个行业的7个主因子中只有第一个出现比较大的相似，而第一主因子中的财务指标刚好是一些掌握着企业财务情况命脉的公认的企业财务指标，如：利润率、净利润率、净资产收益率、总资产收益率、净利润等最直接反映企业财务状况的财务指标，但是他们在后面2—7的公共因子中的财务指标出入则很大，显然如果采用不同行业的数据构建同一个财务风险模型是不科学的。然后笔者采用2001年至2006年制造业一金属非金属板块的数据运用logistic模型和基于因子分析的logistic模型分别进行实证对比。在这里之所以采用制造也金属非金属版块的样本，是因为在这个板块中总体样本比较多，同时退市的股票所占的比重相对比较大，这有助于我们利用具有代表性的样本来进行模型的改进比对研究，这样有助于对之前的研究学者对logistic共线性问题的忽略以及除去部分指标来消除共线性导致信息丢失的两个问题进行改进。同样，借助SPSS软件，首先对未剔除共线性影响的logistic 模型进行分析，发现由于大量财务指标共线性的影响导致模型直接失效。之后通过剔除一些与其他很多财务指标都高度线性相关的财务指标基本剔除共线性影响之后，再进行logistic回归，发现由于大量有用信息的丢失，导致留下的少量财务指标不能正确反映企业的财务风险状况，所以精度虽然达到89％，但是还是会出现误判的现象。之后笔者采用因子分析法构建logistic模型，结果发现通过因子分析后的logistic模型在精度和适用范围上都有了很大的改进。