上市公司財務危機預警探討

1、Word參考資料，下載后可編輯上市公司財務危機預警探討 摘要：本文選取了我國京津冀104家上市公司作為研究對象，以京津冀上市公司被特別處理前兩年作為研究期間，選取反映財務狀況經(jīng)營成果的21個財務指標，首先對指標進行分析處理和對支持向量機進行參數(shù)優(yōu)化的根底，然后建立了基于因子分析和支持向量機的財務危機預警模型，為投資者、債權(quán)人、上市公司和公司監(jiān)管層提供參考。 關(guān)鍵詞：京津冀上市公司；因子分析；支持向量機；財務預警模型 1引言 精確的預測財務風險，對上市公司的投資者、債權(quán)人、證券監(jiān)管部門和上市公司自身都具有十分重要的意義：第一，有利于投資者正確鑒別，理性投資。投資者可以運用數(shù)據(jù)挖掘模型對上市公司是

2、否具有風險行為進行甄別，理性投資，降低投資風險。第二，有利于債權(quán)人合理評估，降低信用風險。債權(quán)人可以利用風險模型，推斷上市公司是否存在違約等信用風險，可以隨時監(jiān)控信用風險，進行上市公司貸款操縱。第三，為證券監(jiān)管部門提供理論參考，豐富完善財務風險政策。政府監(jiān)管部門可以利用財務風險識別模型，及時有效的遏制虛假會計信息、杜絕財務風險的發(fā)生，提高監(jiān)管效率。第四，有助于上市公司自身的開展，提高公司聲譽。挖掘潛在信號，對公司將來的財務狀況進行有效預測和推斷，為公司提供參考。支持向量機是解決機器學習問題的新工具，是一種精準的機器學習算法，于上世紀年代中期提出，這種方法極大提高了模型的泛化能力。越來越多的上市

3、公司面臨財務危機，本文將支持向量機模型引入到上市公司財務危機預警研究領(lǐng)域中，提出一種全新的財務危機預警模型，即基于因子分析和支持向量機的財務危機預警，這種模型必將提高財務危機預警的準確率，為上市公司做出重大的奉獻。 2財務危機和數(shù)據(jù)挖掘理論 公司陷入財務危機，也就是公司陷入了財務困境，表現(xiàn)為公司無力支付優(yōu)先股股利或無力償付到期債務，威脅上市公司生存和開展，降低上市公司聲譽。上市公司出現(xiàn)財務風險，陷入財務危機并不是偶然，而是有小及大、循序漸進的過程。依據(jù)國內(nèi)外參考文獻的定義，財務危機呈現(xiàn)以下幾方面特征：一是客觀累積性。是指財務危機是一個由小積多、由量變到質(zhì)變的過程。二是損失性。上市公司發(fā)生財務危

4、機，必將導致融資困難，資金鏈緊張，無力償付債務，損害上市公司投資人及債權(quán)人的經(jīng)濟利益。三是突發(fā)性。上市公司財務危機的發(fā)生是多種因素造成的，既有國家政策、經(jīng)濟環(huán)境等外部因素的影響，又有上市公司投融資策略、本錢運營等內(nèi)部因素的影響。四是多樣性。上市公司所處經(jīng)營環(huán)境的多變性、政策環(huán)境的復雜性，都對公司的財務狀況有重大影響。五是預測性。在財務危機發(fā)生前，反映上市公司財務狀況會的指標會出現(xiàn)異常。CorinnaCortes和Vapnik于1995年最先提出了支持向量機(SupportVectorMachine，SVM)理論，它是一種與相關(guān)的學習算法有關(guān)的監(jiān)督學習模型，功能用于識別模式、分析數(shù)據(jù)，用于分類和

5、回歸分析等。它可以解決小樣本、非線性及高維模式識別，以及函數(shù)擬合等各種機器學習問題中。支持向量機分為線性支持向量機和非線性支持向量機。線性支持向量機理論由線性可分的最優(yōu)分類面開展而來。當樣本非線性可分時，可以通過非線性變換，將非線性可分問題轉(zhuǎn)換為高維空間的線性問題。 3研究樣本的選取和指標體系的建立 3.1樣本公司的選擇。本文將我國京津冀上市公司作為研究對象，并按規(guī)模相近同行業(yè)的原則，采納一一配對的方法，選取了京津冀2013-2018年度被ST或被*ST52家的上市公司和52家財務正常上市公司，共104家公司。其中，作為訓練樣本的是42家公司的財務數(shù)據(jù)，30家公司的財務數(shù)據(jù)作為測試樣本。本文以

6、京津冀上市公司被特別處理前兩年作為研究期間，財務報表數(shù)據(jù)選擇區(qū)間是T-2年和T-3的。3.2初步建立的財務預警模型指標體系。按照反映公司財務狀況和經(jīng)營成果指標的全面性、真實性、可靠性原則，建立了公司財務危機預警指標體系。本文共選取了21個財務指標，分別是6個盈利能力指標，即P1每股收益指標、P2凈資產(chǎn)收益率指標、P3資產(chǎn)酬勞率指標、P4銷售凈利率指標、P5營業(yè)利潤率指標、P6本錢費用利潤率指標；4個償債能力指標，即P7資產(chǎn)負債率指標、P8流淌比率指標、P9現(xiàn)金總負債比率指標、P10現(xiàn)金流淌負債比指標，5個成長能力指標，即P11每股收益增長率指標、P12營業(yè)收入增長率指標、P13凈利潤增長率指標

7、、P14凈資產(chǎn)增長率指標、P15總資產(chǎn)增長率指標；4個運營能力指標，即P16存貨周轉(zhuǎn)率指標、P17流淌資產(chǎn)周轉(zhuǎn)率指標、P18固定資產(chǎn)周轉(zhuǎn)率指標、P19總資產(chǎn)周轉(zhuǎn)率指標；2個現(xiàn)金流量指標，即P20銷售現(xiàn)金比率指標、P21總資產(chǎn)現(xiàn)金回收率指標等。 4基于因子分析和支持向量機的財務危機預警模型 本文初步建立的預警指標體系包含的數(shù)目較多，為減少模型訓練的復雜性，有必要對指標進行降維處理，采納因子分析法對通過顯著性檢驗的指標進行分析。因子分析是一種統(tǒng)計分析技術(shù)，從變量群中提取共性因子。因子分析可將相同本質(zhì)的變量歸入一個因子，在許多變量中找出隱藏的具有代表性的因子，提取主成分，歸納出具有代表性的指標，起到

8、約簡指標數(shù)目降維的作用，還可檢驗變量間關(guān)系的假如，進一步消除指標之間的多重共線性。4.1KMO和Bartlett檢驗。為了推斷檢驗所選的21個指標是否適合采納因子分析法，需要對原始變量進行KMO檢驗與Bartlett球形檢驗。KMO(Kaiser-Meyer-Olkin)檢驗統(tǒng)計量是用于比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標。當所有變量間的簡單相關(guān)系數(shù)平方和遠遠大于偏相關(guān)系數(shù)平方和時，KMO值接近1。KMO值越接近于1，意味著變量間的相關(guān)性越強，表示原有變量越適合作因子分析；當所有變量間的簡單相關(guān)系數(shù)平方和接近0時，KMO值接近0。KMO值越接近于0，意味著變量間的相關(guān)性越弱，講明原有變量越

9、不適合作因子分析。本文利用SPSS19.0統(tǒng)計分析軟件，對選定的21個財務指標進行KMO檢驗和bartlett球形檢驗，檢驗結(jié)果講明，KMO值為0.650，大于0.5；Bartlett值為0.000，小于0.05。因此，選定的指標適合因子分析。4.2提取主成分。實驗講明，前8個因子的累計方差奉獻率為92.898%，原始21個財務指標的絕大局部信息可以由這八個因子表示。由因子碎石圖也可以看出，需要提取8個主成分。P1每股收益、P2凈資產(chǎn)收益率、P3資產(chǎn)酬勞率、P4銷售凈利率、P5營業(yè)利潤率、P6本錢費用利潤率為盈利能力指標，用于表示第一因子，P7資產(chǎn)負債率、P8流淌比率、P9現(xiàn)金總負債比率、P1

10、0現(xiàn)金流淌負債比為償債能力指標，用于表示第二因子，其它以此類推。運用旋轉(zhuǎn)成分矩陣，對原數(shù)據(jù)進行換算，形成新的預警因子。因子計算公式為：4.3支持向量機財務預警模型。本文將研究樣本分為ST公司和非ST公司，本文共選擇了104家京津冀上市公司為研究樣本，42家公司作為訓練樣本，30家公司作為測試樣本，其中包括ST公司15家，非ST公司15家。支持向量機選用RBF核函數(shù)，輸出為1代表財務正常，輸出為-1代表財務危機。本實驗是基于“線性空間不可分問題”及“非線性問題”建立SVM模型，在這種模型下，需要選定兩個參數(shù)：“RBF核函數(shù)密度”和“懲處因子C”。最后，利用選定的參數(shù)及規(guī)整后的數(shù)據(jù)，進行SVM模型

11、訓練，即可得出結(jié)果。結(jié)果顯示，SVM訓練集識別結(jié)果ST公司準確率86.5%，非ST公司準確率89.2%，平均準確率87.85%，SVM測試集識別結(jié)果ST公司準確率87.43%，非ST公司準確率85.91%，平均準確率86.67%。4.4研究結(jié)論。本文將因子分析和支持向量機算法相結(jié)合，分析京津冀上市公司財務危機情況，研究結(jié)果講明財務危機的發(fā)生是可以提前預測的，實驗結(jié)果講明財務危機的發(fā)生是由多種因素共同作用的結(jié)果。結(jié)合非財務量化指標，深層次挖掘上市公司財務報表信息，對存在財務風險公司提出預警，預測結(jié)果可以使上市公司經(jīng)營管理者及時調(diào)整策略，改變公司經(jīng)營模式，減少或防止損失；投資者洞察上市公司開展前景

12、并進行理性投資；債權(quán)人可以躲避貸款風險；此外也為證券監(jiān)管部門提供依據(jù)，使其對存在風險的上市公司加強監(jiān)管力度，對保證上市公司、證券市場、國家經(jīng)濟平穩(wěn)運行有著重要的經(jīng)濟和社會意義。 5京津冀上市公司財務危機預警防范措施 (1)在制度上，健全內(nèi)部操縱機制。完善科學的制度對提升公司財務危機預警體系具有重要意義，公司要明確工作人員崗位責任，確保責任制度在公司內(nèi)部操縱中的貫徹。使其能夠有法可依、有法可循，落實工作要求，執(zhí)行崗位任務。對于財務危機的產(chǎn)生，上市公司要及時完善公司結(jié)構(gòu)和管理方式。依據(jù)國家政策和市場環(huán)境，制定適合的經(jīng)營管理模式。在資金方面，不斷對資產(chǎn)、負債、利潤情況進行調(diào)整，要定期組織和抽查上市公

13、司財務報表，操縱財務風險，優(yōu)化財務結(jié)構(gòu)。在不增加風險的前提下，選擇適合的財務比例，充分利用和投資者債權(quán)人之間的關(guān)系，操縱財務風險。(2)在體系上，擴展指標覆蓋范圍。為增強公司財務危機預警體系的完整性、科學性和有用性，公司使用定量和定性分析相結(jié)合的方法，分析財務信息和非財務信息，評估財務風險因素，建立完善的財務風險預警體系，進行財務危機預警體系指標范圍的拓展。上市公司在建立財務風險評價指標體系時遵循重要性、靈敏性、真實性、一致性、可預見性原則，從償債能力，營運能力，盈利能力及成長能力、現(xiàn)金流量等方面建立財務指標體系，也要從股權(quán)結(jié)構(gòu)、公司治理、資產(chǎn)規(guī)模、年報披露、外部審計、高管背景等方面建立非財務

14、指標。(3)在指標上，建立動態(tài)預警體系。高風險性、可防控性、動態(tài)變化性是財務危機的顯著特征，上市公司的經(jīng)營活動不是在一個時間點上進行截面預測，不是靜態(tài)的，而是不斷變化的，所以上市公司要建立動態(tài)財務預警分析系統(tǒng)。當上市公司出現(xiàn)財務風險時，要結(jié)合公司內(nèi)外部情況，采取最直接有效和經(jīng)濟適合的動態(tài)預測方法進行預測，使預警系統(tǒng)發(fā)揮應有的效果。此外，善于利用信息技術(shù)建立財務信息系統(tǒng)，提升財務數(shù)據(jù)的全面性、安全性和完整性，推動各部門之間的信息共享和溝通。(4)在思想上，增強風險防范意識，實時關(guān)注上市公司財務的變化情況。京津冀上市公司首先應當成立自己的財務預警分析部門，及時分析公司每個月份、每個季度產(chǎn)生的籌資風險、投資風險、經(jīng)營風險、現(xiàn)金流量風險等，及時進行風險預警。上市公司的管理者要及時關(guān)注上市公司財務指標的變化，及時分析、預測公司經(jīng)營活動中產(chǎn)生的財務問題并提出解決方案，加強風險防范意識。財務部門應當引入具有統(tǒng)計學和運籌學等復合學科背景的專業(yè)人才，隨時匯總公司近期的財務數(shù)據(jù)，定期計算和分析公司的財務指標，推斷各個財務指標風險的大小，分析可能存在風險并及時