基于Logiissttiicc回归模型的我国化工上市企业财务危机预警研究

程翠凤

基于Logiissttiicc回归模型的我国化工上市企业财务危机预警研究

程翠凤

不同行业的财务指标其特征不同，而这些指标是构建企业财务危机预警模型的基础，因而有必要分行业进行财务危机预警研究。本文以我国化工行业上市公司为研究对象，采用正态性检验、显著性检验和相关性分析对初选的预警指标进行筛选，最终选取10个能显著反映化工上市公司财务状况的指标，运用Logistic回归构建危机预警模型，模型预测准确率达到了91%，具有一定的应用价值。

化工上市企业；财务危机预警；Lo⁃gistic回归

一、引言

世界经济一体化在给我国企业带来机遇的同时也使我国企业的经营环境面临严峻考验，日益复杂的经济环境及激烈的国内外竞争加剧了企业财务危机发生的概率。因此，构建有效的财务危机预警模型，从而使我国企业能及早采取有针对性的措施防范财务危机发生，是一个不容忽视的重大课题。研究表明，基于行业层面的财务危机预警模型其准确率大大高于通用的财务危机预警模型。

化工行业在我国经济建设中发挥着不可替代的重要作用。面对激烈的竞争形势，化工类企业出现了种种财务问题。本文以化工类上市企业为研究对象，在缩小研究范围的同时，一定程度上满足了样本的复杂性，力图模型能满足行业多样性运用。

二、研究设计

1.研究方法

由于多元逻辑回归法Logistic没有预测变量必须严格符合正态分布的要求，同时也不受财务危机组与控制组两组样本之间配对的限制，适用范围较为广泛，预测精度较高，且在理论研究上也最为成熟，因此本文选用此方法对化工行业危机预警进行研究。

Logistic是一种非线性多变量回归模型，其因变量预测值范围在(0，1)区间，其模型曲线图呈“S”或倒“S”型。Logistic预警模型是在采用多元线性判别方法确定Z值的基础上，再推算出企业发生危机的几率有多大。

2.样本及数据来源

为验证所构建模型预测的稳定性，本文选取的样本对象均为在沪深两市上市4年以上的（2012年及以前）化工类上市公司。如果将财务危机爆发（被实施特别处理，即ST，研究样本在摆脱困境后又一次陷入困境的取其第一次被ST的时间作为危机爆发期）当年记为T年，则危机爆发前一年记为T-1年，依此类推，故选取从T-3到T-1年连续3年的数据。为保证数据的有效性，经过多方筛查仅有26家ST公司符合要求，本文建模时选取其中的20家ST公司，剩余的6家作为检验样本，采取1：1配对模式，抽取相同会计期间、资产规模相近的26家财务健康的企业作为配对样本。数据来自于wind数据库、CSMAR数据库和新浪财经、上交所、深交所等网站。

3.财务危机预警指标选择

借鉴国内外相关研究成果和我国化工类上市企业现状，本文将传统的财务指标与现金流量指标相结合，从评价企业盈利能力、成长能力、营运能力、偿债能力和获现能力五个方面初步选取了21个财务指标作为备选预警变量。这21个指标分别为：总资产净利率、成本费用利润率、营业利润率、销售净利率、净资产收益率、主营业务收入增长率、净利润增长率、总资产增长率、应收账款周转率、存货周转率、固定资产周转率、总资产周转率、流动资产周转率、流动比率、速动比率、现金比率、产权比率、资产负债率、经营现金净流量与销售收入的比率、总资产现金回收率和现金流量比率，这21个备选预警指标本文分别用X1、X2、X3……X21表示。

三、实证研究

1.正态性检验

究竟采用哪种方法对指标变量进行显著性检验其前提是判定变量数据是否符合正态分布，T检验适用于数据符合正态分布的显著性检验；若数据不服从正态分布，则需要采用非参数检验法。本文首先借助单样本K-S检验判断初选的预警变量的正态性，K-S检验结果显示，t-3年有X1、X6、X8、X10、X18和X20这6个预警变量符合正态分布；t-2年有X4、X6、X8、X10、X12、X13、X18、X20和X21这9个预警变量符合正态分布；t-1年有X1、X2、X4、X8、X10、X12、X13、X15、X18、X20和X21这11个预警变量符合正态分布，t-3、t-2、t-1中有两年都服从正态性分布的是预警变量X1、X4、X6、X8、X10、X12、X13、X18、X20和X2等10个指标。因而，在进行显著性检验时，本文对服从正态分布的变量用T检验法，对不服从正态分布的变量则采用非参数法。

2.显著性检验

显著性检验是检查财务危机公司与财务健康公司预警变量是否具有显著性差异，筛选出具有显著性差异的指标，以便进行进一步分析。

显著性检验是提前对样本总体的分布做出一个假设，即所有选取的指标都符合正态性分布，都可以运用T检验的方法，以上通过检验的10个变量符合做T检验的要求，未通过的11个变量用非参数Mann－Whitney。总之，通过这一步骤可以得到ST与非ST企业的预警指标是否存在差异，从而方便进一步筛选变量建模。（1）T检验。对以上通过K-S检验的10个服从正态分布的变量进行配对T检验的结果如表1所示。可见，三年都具有显著性差异的指标分别是X1、X6、X8、X10、X18和X21。

表1 服从正态分布的预警变量T检验

（2）非参数Mann-Whitney检验。对K-S检验中不符合正态分布的变量使用Mann-Whitney非参数检验，检验结果如表2所示。

表2 不符合正态分布的预警变量Mann-Whitney检验

表2显示，有5个变量通过了显著性检验，分别是X2、X3、X7、X11和X14。

3.相关性检验

经过上面的初步筛选，对通过显著性检验的11个预警变量进行Spearman相关性检验，这里不采用Pearson检验是因为它适合正态分布的等间隔测度的变量，相关性检验时我们发现X1、X2相关系数高达0.951，综合考虑指标的意义和重要性程度，本文在11个备选变量中剔除了X2。

4.建立Logistic危机预警模型

将经过层层筛选的10个预警变量作为解释变量，公司是否发生财务危机作为被解释变量Y（建模时，将陷入财务危机的ST企业Y值定义为“1”，财务正常的健康企业Y值定义为“0”），进行Logistic逻辑回归，回归结果见表3。

四、结论及研究局限性

表3 Logistic回归结果

根据表3 Logistic回归结果，可以得到我国化工上市企业财务危机预警模型，如式（1）所示。

5.模型拟合度检验

模型的拟合度检验结果显示，模型的（-2）倍的对数似然函数值（即-2 Log like⁃lihood）为9.606，表明回归模型的拟合度较好，Cox＆Snell和Nagelkerke可决系数分别是0.701和0.814，说明变量与模型的拟合度较好。

6.预警模型适用性检验

本文利用Logistic回归分析法对我国化工上市企业财务危机构建预警模型，基于公司出现财务危机前3年的财务数据展开实证分析，研究发现，总资产净利率、营业利润率、主营收入增长率、净利润增长率、总资产增长率、存货周转率、固定资产周转率、流动比率、资产负债率和现金流量比率这10个变量对化工企业是否发生财务危机作用显著。

表4 预警模型分类检验效果

我国化工企业可以运用此预警模型作为防范财务危机发生的一种有效方式，及早发现财务危机，并适时、有效地调整财务、经营战略，提高企业风险管控和危机预判能力，真正做到防患于未然；投资人借助此模型可以预测拟投资企业未来的财务状况走势，为规避投资决策失误风险提供有益的借鉴；债权人则可以利用此模型评判贷款及债权投资的安全保障性，为其权衡是否为上市企业提供融资提供决策支持。

本文在建模指标选取上，一是出于数据可得性的考虑，评价指标侧重选取财务指标，而未将非财务指标纳入财务危机预警模型中；二是初步选取的预警指标较少，只是在反映企业财务状况的每个特征中选取最为重要的三至五个指标，不排除遗漏一些重要的可能性，但实证部分构建的预警模型应该是可靠和可行的；三是在实际财务危机预警时，需要将定性与定量方法结合起来，以提高判正率，而本文由于篇幅限制，未作定性分析。

参考财政部企业司编的《企业财务风险管理》，Logistic模型一般选择0.5作为阈值即分割点，当p＞0.5时，为财务危机公司；否则，为财务状况正常公司，分别将建模组和检验组T-1、T-2和T-3年样本数据回代模型进行预测检验，结果显示，预判综合准确率达到了91%。ST公司一般是由于前2年连续亏损，第3年被证监会实施特别处理（即ST）予以警示。在T-1年、T-2年内，Logistic预警模型的判正率均可保持在83%以上，且在T-1年的预判精度能够达到100%。从表4可见，离财务危机发生年度越接近，模型预测精度越高，可见该模型有较好的预测效果，可以应用于化工行业上市企业财务危机预警实际中。

[1]王君萍，白琼琼.我国能源上市企业财务危机预警研究[J].经济问题，2015（1）：109-113.

[2]张占胜.制造业上市公司财务危机预警模型构建[J].财会通讯，2015（17）：83-85.

（作者单位：盐城工学院）

10.16653/j.cnki.32-1034/f.2016.23.005

江苏省高校哲学社会科学研究基金资助项目“江苏制造业产业结构升级与经济效益研究”（项目编号：2010SJB790034）]