中小企业财务危机预警模型设计及实证研究

《中小企业财务危机预警模型设计及实证研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、构不合理、财务信息不完善、内部控制制度落后、风险意识薄弱等，因此中小企?I很难抵挡外部环境引发的风险。目前，很多中小型企业尚未意识到财务风险危机，也并未采取相关措施进行防治，直接导致很多中小企业连年亏损，甚至出现破产。建立一套完善可行的中小企业危机预警方法，成为当前学者们的研究热点。国外学者采用多元概率比回归分析法、现金流量信息预测分析法和混合模型分析法对中小企业财务风险开展了大量研宄，并取得了一定成果。Zmijcwski［1］采用概率回归分析法对3800家正常企业和76家破产企业进行研究，建立了Probit财务预瞥

2、模型；Aziz［2］通过对比破产和非破产企业的现金流景均值及公司纳税情况，提出Y现金流量信息模型；Hongkynetal.［3］采用破产预警混合模型，对韩国破产企业和正常企业进行了实证研宄，验证了混合模型分析法的可行性。任惠光等［4］采用DEA数据包络分析法、Logistic模型和模糊神经网络模型，选取了财务、公司管理、效益等51个技术指标，对378家上市公司进行实证研究，提出一种跨期财务综合危机预警模型；杨潇［5］结合传统Logistic财务预警模型和随机欠抽样不均衡分析方法，建立了RU-Logistic财务预警模

3、型，采用主成分分析法对我国上市电力公司开展研究。虽然近年来国内外针对企业财务危机预警进行了大量研究，但是仍存在以下不足：（1）现有财务危机预警主要针对大型企业，对中小企业的相关研究还不多见；（2）国内现右相关研究很少考虑我国国情，国外一些基本假设未必符合我国市场体制；（3）财务预警评价体系还不完善，很少考虑非财务指标对企业危机的影响。本文针对这些不足之处，选取80家中小企业上市公司为研究对象，采用Logistic方法建立了两种不同的中小型企业财务危机预警回归模型，并对比了两种模型的企业财务危机预警准确率。研究成果可为

4、中小企业财务危机预警提供参考。二、企业财务危机预警模型设计（一）模型特点与针对性Logistic回归模型是一种概率回归广义线性模型，可用于描述和推断一组变量与多分类因变量之间的关系。Logistic回归模型参数估计主要采用非条件最大似然法，通过建立似然函数和对数似然函数，获得对数似然函数的最大特征根相关参数，得出各个参数的最大似然估计值。本文采用Logistic回归来进行中小企业财务危机预警研宄，主要因为Logistic回归模型具有以下特点[6-7]:（1）Logistic回归模型的自变量与因变量存在非线性关系；（2

5、）Logistic回归模型无需假设方差不变，对自变量分布无特殊耍求，各个自变量可以是连续值或离散值，甚至可以为虚拟值，即不需要假设自变量间存在多元正态分布；（3）Logistic回归模型的因变量为分类变量，预测精度较高。基于Logistic回归模型上述特点，认为其可以进行中小企业财务危机预警研究。将中小企业是否陷入财务危机作为因变景，其状态可以用0和1表示。当中小企业陷入财务危机时，因变量取1;当中小企业财务状况良好时，因变量取0。在进行数据预处理时发现自变量（包括财务指标和非财务指标）不服从正态分布，因此选用不需要

6、假设自变量间存在多元正态分布的Logistic回归模型进行中小企业财务危机预警研究。（二）研究样本鉴于我国大多中小企业并未上市，很多财务信息存在虚假情况且财务数据搜集较为困难，本文研究的中小企业主要来自沪深两市中小企业板块。采用与国内外学者类似的研宄方法，以上市公司是否处于ST状态为判断财务危机的标准，共选取80家非金融类中小型上市公司，其中69家非ST企业和11家ST企业，分为非财务危机组和财务危机组开展研究。考虑到行业等因素对研究结果的影响，非财务危机组所处行业和资产规模尽量与财务危机组相近，所搜集数据均来自20

7、12-2016年沪深两市的公幵财务报表。（三）研究变量选取1.财务变量选取企业财务状况与其运营能力、管理能力、盈利能力息息相关，目前仍没右形成完善的企业财务危机预测变量选取依据。本文基于现存研究基础，认为预警模型财务变量需满足如下条件：（1）变量指标相关数据容易获得；（2）能够显示中小企业短期偿债能力；（3）可以体现中小企业的经营现状和发展状态；（4）可以体现中小企业投资水平的合理性；（5）可以体现中小企业成长能力。参考中国上市公司财务指标分析数据库中的相关指标选择本文分析所需的财务变量［8］。根据中小企业特点，确定

8、偿债能力指标、盈利能力指标、营运能力指标、发展能力指标和现金流指标为财务危机预警的一级指标，具体二级指标及其计算方法见表1。1.非财务变量选取中小企业财务危机不仅受到财务变量影响，还会受到宏观经济、社会环境、行、Ik.因素等非财务变量影响。与财务变量不同，非财务变量收集难度大、成本高。国外研究人员大多选择宏观经济指标和行业指标作为非财务变量，但