logistic模型在我国创业板公司财务危机预测中的应用

logistic模型在我国创业板公司财务危机预测中的应用

ID:20923874

大小:89.56 KB

页数:5页

时间:2018-10-17

logistic模型在我国创业板公司财务危机预测中的应用_第1页
logistic模型在我国创业板公司财务危机预测中的应用_第2页
logistic模型在我国创业板公司财务危机预测中的应用_第3页
logistic模型在我国创业板公司财务危机预测中的应用_第4页
logistic模型在我国创业板公司财务危机预测中的应用_第5页
资源描述:

《logistic模型在我国创业板公司财务危机预测中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、屮外企业家2017,21,100-101Logistic模型在我国创业板公司财务危机预测中的应用于海姝龚慧芳黑龙江科技大学理学院导出/参考文献关注分享收藏打印摘要:2009年3月,我国证监会发布了《首次公开发行股票并在创业板上市管理暂行办法》,该条例的正式实施,标志着我国创业板市场的启动。我国创业板市场作为多层次资本市场中的一个关键环节,为我国市场经济的发展提供新的机遇,对于解决中小企业融资难问题,以及促进中小企业壮大具有重要的作用。尽管我国创业板市场经过长达十年的酝酿和准备,吸取了海外创业板市场的重要经验,有着众多优点,但由于受多种因素的限制,创业板上市公司规模较小,

2、抵御风险能力较弱,稳定性较差。创业板上市公司的成长性和自主创新性相对而言比较强,但是与主板和中小板进行比较的话,发展历程还是比较短,而且大多为民营和家族企业。创业板上市公司对于治理结构与内部控制能力较弱,十分容易导致创业板市场股价剧烈波动,不利于股市持续稳定发展。除此之外,由于创业板执行的退市制度十分严格,如果上市公司出现某种重大问题而不得不退市时,投资者将损失惨重。一、研宄背景及主要方法近年来,随着我国市场经济的不断深入改革,创业板市场的运营面临巨大的风险和挑战,往往会由于经营管理不当而导致企业财务状况出现危机。因此,构建一个适合我国创业板上市公司的预测模型,通过这个

3、模型预测出企业未来一段时间的财务状况,具有重要的实际意义与应用价值。截至目前,虽然国内外对上市公司的财务危机预测研宄取得了许多成果,但没有明确的标准鉴定出最优模型。而且在选取预测指标变量上,不同的研究者选取的指标变量不同,在判断预测结果是否准确时无法比较。因此,在借鉴国内外研究成果的同时,不断创新预测模型以及方法,寻求一种符合我国创业板上市公司特点的财务危机预测体系十分重耍。通过研究创业板上市公司财务危机,找出影响上市公司财务状况的主要因素,构建有效的预测模型,及早发现公司的财务问题,有利于决策者作出合理有效的决策,达到资源的优化配置。本文采用的方法是因子分析模型和Lo

4、gistic冋归模型相结合的研宄方法。由于所获得的数据指标间会具有一定的相关性,所以首先对获得的财务指标采用因子分析法,对多个指标进行降维,得出能够综合反映公司财务状况绝大部分信息的主成分因子;然后将因子分析后所得的主成分因子作为建模的变量,利用二分类Logistic回归模型对所获得的变量构建财务危机的预测模型。模型建立后,主要运用R0C曲线来检验模型的准确性。数据来自东方财富网,是我国2016年328家创业板上市公司的相关财务数据。净资产收益率是一个能够反映公司盈利能力的关键指标,是公司税后的利润除以净资产后所获得的百分比,是一个既能够反映盈利能力又能够反映资木安全程

5、度的综合性指标。所以,选取资产收益率作为判别企业是否具冇财务危机的衡量指标具有可行性。参考经济论坛上关于浄资产收益率对企业是否有财务危机的判别值为20%,即净资产收益率高于20%的企业可视为没有产生财务危机,而净资产收益率低于20%的企业视为产生了财务危机。于是将所获得的关于328家企业的净资产收益率变换成一个二分类变量,记作T,作为Logistic模型的因变量。以商业企业盈利状况的相关理论知识,结合我国创业板上市公司的实际情况,选取了7个指标一一每股收益、营业收入、净利润、每股净资产、每股经营现金流量、销售毛利率和营业净利率,分别设为XhXhXhXcXhX。和X7作为

6、Logistic模型的7个自变量。三、因子分析一般说来,所获得的7个指标的数据之间会具有一定的相关性,所以建立模型之前,必须先对7个自变量采取降维。先对数据进行检验是否符合因子分析的条件,釆用SPSS统计软件对328家上市公司的7个指标进行KM0检验和Bartlett球形检验,其中KM0=0.546〉0.5,Bartlett球形检验的Sig.值为0.000,小于0.05,表明财务指标间的相关性较强,适合做因子分析。因子的提取是因子分析过程中比较重要的一个步骤,从结果可以看出变量中的原始信息最高有98.4%被提取的公因子解释,最低有66.3%被解释,说明提取的公因子能很好

7、的解释变量。前三大主成分的特征根均大于1,分别为2.557、1.911、1.322。对应的方差贡献率分别为36.535%、27.302%、18.887%,而且前三大主成分的累积贡献率达到82.724%。这说明提取出來的三个主成分包含了变量82.724%的信息。因此,可以提取前三大主成分作为公因子。对财务数据指标进行方差最大化正交旋转后,可以对这3个主成分因子进行因子载荷分析,并阐释主成分因子的经济含义。第一个因子在X,(每股收益)、X4(每股净资产)、X5(每股经营现金流量)有较大的载荷,反映的是上市公司每股股票的盈利情况。第二个因子在X

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。