论文部分内容阅读
摘要:本文以上市公司为研究对象,选取了反映上市公司盈利能力、偿债能力、营运能力、成长能力和公司规模的15个财务指标,区别于传统的建模方法,应用决策树技术建立了中国上市公司的财务困境预警系统。实证结果表明本系统具有较好的预测性,在此领域有着良好的应用前景。
关键字:决策树;财务预警
世界正逐步迈进全球经济一体化,企业所处的经济环境变化日益复杂,市场竞争也日趋激烈,当前企业所需要考虑的关键问题自然是如何能在复杂且竞争激烈的市场环境中获得长存永生,这也是关乎企业能否生存并获得发展的重要大事。尤其是后金融危机时期,企业面临的危机层出不穷,技术环境的瞬息万变,都使企业面临空前巨大的挑战,由此而引发的财务风险更是空前严峻。因此,财务预警系统并顺势而生,财务预警系统的出现使得企业可以更好地应对财务状况的危机,并在危机刚刚显现之时及时财务措施,管理者便可以针对出现的财务危机采取适当的措施,从而可以避免更严重的损失,保证企业在变幻莫测的经济环境立于不败之地。
Beaver于1966年最先提出了财务危机预测模型,主要是采用单变量判别分析和多变量判别分析进行财务危机预警研究。随后,Ohlson与1980年率先将Logistic模型与财务预警模型相结合,1985年Frydman利用决策树进行了财务预警模型的设计。决策树在财务预警模型上具有极大的优势,通过决策树模型的构造,挖掘有效、有价值的信息,提取分类规则,以一种简单、易于理解的形式解决分类问题,为决策者准确进行预测。
运用决策树方法形成一系列规则,对训练数据集进行分类,然后根据形成的规则对训练数据集之外的数据进行分类,应用在财务领域,可以对财务进行预警。本文运用建造决策树,通过实证研究,对国内制造业上市公司进行财务预警分析。
本文选取2015年A股上市公司为研究对象,本文在原始样本的基础上,剔除因其他状况异常被特别处理的公司和存在数据缺失的上市公司,最终得到55家被ST公司,并从2822家正常公司中随机选择495家进行对比,为全面反映企业的财务状况。
本文选取了反映企业偿债能力、经营能力、盈利能力、现金流水平、风险水平及发展能力这六个方面的15个指标构建初始预警指标体系,包括每股收益、净资产收益率、销售净利率、经营现金流量比率、资产负债率、流动比率、速动比率、现金流量利息保障倍数、现金到期债务比、存货周转率、应收账款周转率、固定资产周转率、总资产周转率、营业收入同比增长率、净利润同比增长率。继而对550家公司的15个指标数据进行统计。
以净资产收益率作为树的根结点,把训练集分成了三类,其中净资产收益率在区间{X2|X2>1。545}的公司有440家,而这440家中有430家是属于财务状况表现健康的公司,430/440=0。98,大于1-β。因此,净资产收益率在区间{X2|X2>1。545}之间的等价类财务状况为健康。据此,我们可以认为训练集以外的公司净资产收益率在区间{X2|X2>1。545}的为健康。而且,得出的决策树把大部分被ST的公司分到财务危机的一类,总体分类准确率比较高。
根据决策树形成规则,共计7条规则:
规则1:净资产收益率“差”→财务状况“危机”;
规则2:净资产收益率“一般”→财务状况“预警”;
净资产收益率可衡量公司对股东投入资本的利用效率,即公司所有者权益的投资报酬率,具有很强的综合性,一般认为,企业净资产收益率越高,企业自有资本获取收益的能力越强,运营效益越好,对企业投资人、债权人的保证程度就越好。
规则3:净资产收益率“良好”,流动比率“差”→财务状况“一般”;
规则5:净资产收益率“良好”,流动比率“良好”,净资产同比增长率“一般”→财务状况“良好”;
规则6:净资产收益率“良好”,流动比率“良好”,净资产同比增长率“良好”→财务状况“一般”(虽然从一般意义上讲,上市公司的净资产同比增长率越高越好,但有时候,过高的净资产同比增长率也蕴含着风险,其次,由于区间
{X15|X15<=39。275}内的公司均为正常公司,因此,将净资产收益率处于区间{X15|X15<=39。275}定义为财务状况健康的公司)。
由于存在数据的可得性问题,传统的财务预警研究一般都是把企业财务状况分成ST和非ST两类,分别代表有预警和安全两种。本文运用聚类方法把企业财务状况分成健康、良好、一般、预警和危机5个层次,使得研究过程与企业实际状况更加契合。在此基础上,再以变精度加权平均粗糙度作为构造决策树的分支属性选择标准进行财务预警研究。
决策树实证结果表明,形成了5条决策规则,且形成的决策树中,75%的ST公司被归入了财务状态表现危机的分支,决策树的效果比较好;同时,生成的决策树也通过一系列规则对训练集以外公司的财务状况划分了预警等级。虽然决策中存在一定的误差,但决策树总体分类是比较好的,最终生成的决策树也比较符合实际,分类精度也比较高,且有效地处理了噪声数据。
参考文献:
[1]趙莺莺,姜颖,企业财务风险预警模型国内研究述评[J],价值工程,2018年.
[2]王艺,姚正海,制造业上市公司财务预警体系的构建及比较——基于数据挖掘技术[J],财会月刊,2016年.
[3]鲍新中,傅宏宇,基于变精度加权平均粗糙度决策树的财务预警研究[J],运筹与管理,2015年.
作者简介:姜丁文(1995—),女,山西临汾人,山西财经大学2016(会计学)学术硕士研究生,研究方向:管理会计.
关键字:决策树;财务预警
世界正逐步迈进全球经济一体化,企业所处的经济环境变化日益复杂,市场竞争也日趋激烈,当前企业所需要考虑的关键问题自然是如何能在复杂且竞争激烈的市场环境中获得长存永生,这也是关乎企业能否生存并获得发展的重要大事。尤其是后金融危机时期,企业面临的危机层出不穷,技术环境的瞬息万变,都使企业面临空前巨大的挑战,由此而引发的财务风险更是空前严峻。因此,财务预警系统并顺势而生,财务预警系统的出现使得企业可以更好地应对财务状况的危机,并在危机刚刚显现之时及时财务措施,管理者便可以针对出现的财务危机采取适当的措施,从而可以避免更严重的损失,保证企业在变幻莫测的经济环境立于不败之地。
Beaver于1966年最先提出了财务危机预测模型,主要是采用单变量判别分析和多变量判别分析进行财务危机预警研究。随后,Ohlson与1980年率先将Logistic模型与财务预警模型相结合,1985年Frydman利用决策树进行了财务预警模型的设计。决策树在财务预警模型上具有极大的优势,通过决策树模型的构造,挖掘有效、有价值的信息,提取分类规则,以一种简单、易于理解的形式解决分类问题,为决策者准确进行预测。
运用决策树方法形成一系列规则,对训练数据集进行分类,然后根据形成的规则对训练数据集之外的数据进行分类,应用在财务领域,可以对财务进行预警。本文运用建造决策树,通过实证研究,对国内制造业上市公司进行财务预警分析。
本文选取2015年A股上市公司为研究对象,本文在原始样本的基础上,剔除因其他状况异常被特别处理的公司和存在数据缺失的上市公司,最终得到55家被ST公司,并从2822家正常公司中随机选择495家进行对比,为全面反映企业的财务状况。
本文选取了反映企业偿债能力、经营能力、盈利能力、现金流水平、风险水平及发展能力这六个方面的15个指标构建初始预警指标体系,包括每股收益、净资产收益率、销售净利率、经营现金流量比率、资产负债率、流动比率、速动比率、现金流量利息保障倍数、现金到期债务比、存货周转率、应收账款周转率、固定资产周转率、总资产周转率、营业收入同比增长率、净利润同比增长率。继而对550家公司的15个指标数据进行统计。
以净资产收益率作为树的根结点,把训练集分成了三类,其中净资产收益率在区间{X2|X2>1。545}的公司有440家,而这440家中有430家是属于财务状况表现健康的公司,430/440=0。98,大于1-β。因此,净资产收益率在区间{X2|X2>1。545}之间的等价类财务状况为健康。据此,我们可以认为训练集以外的公司净资产收益率在区间{X2|X2>1。545}的为健康。而且,得出的决策树把大部分被ST的公司分到财务危机的一类,总体分类准确率比较高。
根据决策树形成规则,共计7条规则:
规则1:净资产收益率“差”→财务状况“危机”;
规则2:净资产收益率“一般”→财务状况“预警”;
净资产收益率可衡量公司对股东投入资本的利用效率,即公司所有者权益的投资报酬率,具有很强的综合性,一般认为,企业净资产收益率越高,企业自有资本获取收益的能力越强,运营效益越好,对企业投资人、债权人的保证程度就越好。
规则3:净资产收益率“良好”,流动比率“差”→财务状况“一般”;
规则5:净资产收益率“良好”,流动比率“良好”,净资产同比增长率“一般”→财务状况“良好”;
规则6:净资产收益率“良好”,流动比率“良好”,净资产同比增长率“良好”→财务状况“一般”(虽然从一般意义上讲,上市公司的净资产同比增长率越高越好,但有时候,过高的净资产同比增长率也蕴含着风险,其次,由于区间
{X15|X15<=39。275}内的公司均为正常公司,因此,将净资产收益率处于区间{X15|X15<=39。275}定义为财务状况健康的公司)。
由于存在数据的可得性问题,传统的财务预警研究一般都是把企业财务状况分成ST和非ST两类,分别代表有预警和安全两种。本文运用聚类方法把企业财务状况分成健康、良好、一般、预警和危机5个层次,使得研究过程与企业实际状况更加契合。在此基础上,再以变精度加权平均粗糙度作为构造决策树的分支属性选择标准进行财务预警研究。
决策树实证结果表明,形成了5条决策规则,且形成的决策树中,75%的ST公司被归入了财务状态表现危机的分支,决策树的效果比较好;同时,生成的决策树也通过一系列规则对训练集以外公司的财务状况划分了预警等级。虽然决策中存在一定的误差,但决策树总体分类是比较好的,最终生成的决策树也比较符合实际,分类精度也比较高,且有效地处理了噪声数据。
参考文献:
[1]趙莺莺,姜颖,企业财务风险预警模型国内研究述评[J],价值工程,2018年.
[2]王艺,姚正海,制造业上市公司财务预警体系的构建及比较——基于数据挖掘技术[J],财会月刊,2016年.
[3]鲍新中,傅宏宇,基于变精度加权平均粗糙度决策树的财务预警研究[J],运筹与管理,2015年.
作者简介:姜丁文(1995—),女,山西临汾人,山西财经大学2016(会计学)学术硕士研究生,研究方向:管理会计.