用主成分分析法构建我国上市公司财务预警模型

《用主成分分析法构建我国上市公司财务预警模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、用主成分分析法构建我国上市公司财务预警模型2(脱年12月中国管理信息化Dec.，2∞6第9卷第12期ChinaManagementInfonnationizationVo1.9,No.12责友红1，杨玲2(1.江苏技术师范学院，江苏常州213001;2.武警北京指挥学院，北京100012)H是要]本文以我国的上市公司为样本，运用主成分分析确定主成分指标，建立了我国上市公司的财务预警模型。进一步根据预警模型的预测分位来确定上市公司财务状况的评价区域，对所构建的财务预警模型进行了预警效果检验，表明财务预警模型正确率为8425%。[关键词]财务预警模

2、型;主成分分析;临界值[中图分类号]F270.7;F275[文献标识码]A[文章编号]1673-0194(2∞6)12-0057-04标就是新的变量，是原来多个变量的线性组合，且彼此互不一、引言相关，能反映原来多个变量的信息。综合指标叫做原来变量构建财务预警模型，将危机消灭于萌芽中，是财务管的主成分。该方法的优点是降低数据空间的维度、简化系统理的一项重要内容，也是财务管理制度创新的必然选择。在结构、抓住问题的实质。这方面，国外已建立了一套行之有效的财务预警模型。黄国主成分分析的模型方法的一般为:良(199的等通过实证研究认为一国建立的模型不一定

3、能XX直接适用于另一个国家，因此有必要研究适合我国国情的ZAJn呻1~:r+-P13rT-+Pl;,x;,财务预警模型。本文通过引人一种科学的统计分析方马~21Xl付-pzzX:r+-P-nXrT-+pJm(式1)................法一一主成分分析法来创建我国企业的财务预警模型，期望在财务预警的研究方法上有所创新。Z.FPmlX~.a.X:r+-P..，x汁…-+p;..K;，二、研究样本的选取,.’7..λy=一..ZI←」一马←τj~…:.1~(式2)本研究选取2∞3年54家A股ST上市公司作为财务工人工λaZAB工人危机

4、公司，选取54家非财务困境公司(非ST上市公司)作i=1i=1i=t=为配对公司。在选取54家非ST上市公司时，遵循了可比其中X;见，…，X..为实测变量边，鸟，…，Z;，为主成分;性原则的要求，即考虑同行业、同时期、同规模的且从未被p，(剖，2，…，m;户1，2....，m)为因子载荷，Y表示企业财务特别处理的A股上市公司。;同行业;是指根据中国证监会状况的预测饵，J」表示第i个主成分的贡献率，4是颁布的《上市公司行业分类指引》的分类规定，选取属于同三λ‘一行业的明细板块。;同时期;指的是选取的ST公司被特i=1别处理发生在同一年，ST公司和

5、与之相对应的非ST公司选取的第i个主成分，k是选择主成分的个数。需要指出的的研究变量在时间上具有一致性。此外选取样本时亦体现是，因子载荷p，是第j个实测变量在第i个主成分上的荷了;同规模;的要求，即ST公司被特别处理的公司的总资产载。荷载越大，说明第j个实测变量与第i个主成分上的关与其配对的健康公司的总资产相差不大，不超过10%。本系越密切，反之亦然。文选取的样本公司涵盖了10个主要行业，基本符合我国四、财务预警模型的建立及预警效果分析上市公司的分布情况，有一定的代表性。(一)主成分指标的选定三、主成分分析法概述运用SPSS115forWind

6、ows统计软件，对108家样在实际问题中，研究多指标(变量)问题是经常遇到的本组企业，运用显著性检验筛选了初始研究变量，最终选取由于指标较多，再加上指标之间有一定的相关性，造成信息重叠势必增加了分析问题的复杂性。一旦盲目减少变量又了应收账款周转率X.、总资产周转率X、速动比率X、股东23会损失很多信息，容易产生错误结论。主成分分析(Prin??权益比率X，总资产扩张率X、债务保障率X、主营业务现456cipalComponentAnalysis)，也称主分量分析，它是指将多金比率X、总资产报酬率X、主营业务利润率X等个财9789个指标化为少数互

7、相无关的综合指标的统计方法。综合指务指标作为多元判别分析的研究变量，根据上述已确定的9个研究变量进行主成分分析。从分析结果中得到各主成分对应的特征值与贡献率如表10[收稿日期]2∞5--10-31CHINAMANAGEMENTINFORMA1丁ONIZATIONI57财务管理信怠化表1主成分特征值与贡献率褒协方差阵的特征值因子提取结果主成分序号特征值方差贡献率累积贡献率特征值方差贡献率累积贡献率2934129.341293412.641293412.64121.44116.014453551.44116.0144535531.19413.262

8、1.19413.26258.61658.6164.91468.770.91410.15468.77010.154578.166.846939678.1