Logit模型在上市公司财务困境预测中的应用研究.docVIP

Logit模型在上市公司财务困境预测中的应用研究 1 岳意定 刘志仁 庄永友 中南大学商学院，湖南长沙（410083） 摘要：本文以我国上市公司为研究对象，选取了 2003 年－2005 年被 ST 的 108 家公司和非 ST 的 108 公司共 216 家为样本，分别应用一般 logit 回归和主成分 logit 回归对样本公司 进行研究。研究结果表明 logit 回归分析在上市公司财务困境预测的准确率较高。 关键词：财务困境，Logit 回归，主成分分析 中图分类号：F802.2 1. 引言 Logit 模型最早是由 Martin 在 1977 年用于预测公司的破产及违约概率。他从 1970－ 1977 年间大约 5700 家美联储成员银行中界定出 58家困境银行，并从 25 个财务指标中选取 8 个财务比率，用来预测公司的破产及违约概率，建立了 Logit 回归模型，并且发现 Logit 回归模型优于 Z-Score 模型和 ZETA 模型。Ohlson(1980 也将 Logit 模型分析了 1970－1976 年间破产的 105 家公司和 2058 家公司组成的非配对样本，发现公司规模、资本结构、业绩 和当前的变现能力进行财务危机的预测准确率达到 96.12%。Zavgren(1985)尝试构造 Logit 财务困境预警模型。Huffman amp; Ward(1996)运用 logit 模型对 1977－1991 年间违约的 171 家企业的高收益债券进行了预测研究，发现企业资产增长率、营运资本及其增长率、营业利 润等指标是影响高收益债券违约的主要因素。Laitinen amp; Laitinen(2000)探索了泰勒级数 展开在 logit 回归方法预测企业违约破产分析中的应用，发现现金比率、现金流比率和股东 权益比率是影响违约风险高低的最重要指标。David West(2000)建立了 5种神经网络模型与 5 种统计分量模型，分别对德国和澳大利亚两组财务数据进行两类模式分类。他的研究结果 表明，Logit 模型在这 10种模型中的判别准确率最高，分别为 76.3%和 87.25%。 国内的研究起步较晚，主要是利用国外的方法来建立中国的预测模型。吴世农和卢贤义 (2001)首先选择 4 个财务指标为例估计了单变量判定模型，然后又选择 6 个指标，分别采用 判别分析和 Logit 回归方法建立和估计了预警模型，并比较了各种方法的预测效果，得出 Logit 模型的判定准确性最高。刘旻(2001)利用 Logit 分析方法对我们 ST 公司建立预警模 型，对上市公司发生财务异常的前 3 年进行预测，得到整体预测概率为 86.7%。姜秀华(2002) 和齐治平(2002)也利用 Logit 模型对我国上市公司进行信用风险分析。李萌(2005)以不良贷 款率作为信用风险衡量标准，构造商业银行信用风险评估的 logit 模型，并结合 t检验和主 成分分析法对模型进行实证。 2. 实证分析 2.1 样本的采集 从 2003 年 1 月 1 日到 2005 年 12 月 31 日为止，沪深两市共出现 148 家被 ST 的公司。 我们选择样本时剔除了以下几种情况的 ST 公司：1、上市两年内就进入特别处理的公司。 原因是财务数据过少和存在严重的包装上市的嫌疑，因此与样本中的其他公司不具有同质 性。2、因巨额或有负债进行特别处理的公司。排除原因是或有负债属偶然事件，不是由企 业正常经营造成的，与样本中的其他公司不具有同质性。3、因自然灾害、重大事故等进行 ① 本课题得到高等学校博士学科点专项科研基金（项目编号：20030533017）的资助 //. 2 特别处理的公司。属“出现其他异常状况”原因。4、指标数据存在异常值的公司。因与其 他公司的同一指标数据存在巨大差异而被排除。5、被注册会计师出具无法表示意见或否定 意见的审计报告，或是在法定期限内未依法披露定期报告。我们剔除了以上因素导致“ST” 的公司 40 家。被 ST 公司有效样本变为 108 家。我们根据研究期间一致、行业类型相同或 相近、规模相当的原则按 1：1 的比例选择非 ST 的上市公司作为配对样本：因此本文确定了 216 个研究样本，样本公司来自 18个行业部门，包括 6 家建筑业、120 家制造业、6家房地 产、10 家信息技术等等，占了证监会划分的上市公司所有部门的绝大部分，具有较强的代 表性。 2.2 初始预测变量的选择 本文研究所采用的初始预测变量主要参考国内外研究学者所采用的财务指标。所选的财 务指标见表 1，有如下特点：(1) 财务指标比较全面。所选出的财务指标涵盖了所有平常遇 到的财务指标，分别从流动性、盈利性、营运性、成长性等不同的角度选择财