【摘要】 文章以財(cái)務(wù)危機(jī)預(yù)警為出發(fā)點(diǎn)，采用Logistic回歸模型和灰色系統(tǒng)理論方法，研究構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警判別模型，對(duì)上市公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行預(yù)測(cè)，并利用此模型進(jìn)行了判別分析，證實(shí)預(yù)測(cè)效果較好，從而為企業(yè)的風(fēng)險(xiǎn)管理提供了新的思路和方法。
　　【關(guān)鍵詞】 裝備制造業(yè)； 財(cái)務(wù)危機(jī)； Logistic回歸； 灰色預(yù)測(cè)
　　
　　一、引言
　　裝備制造業(yè)是為國民經(jīng)濟(jì)和國家安全提供技術(shù)裝備的制造業(yè)的總稱。它覆蓋了機(jī)械、電子、武器彈藥制造業(yè)中生產(chǎn)投資類產(chǎn)品的全部企業(yè)，具體可以分為以下七大類：金屬制品業(yè)、通用機(jī)械制造業(yè)、專用設(shè)備制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、電氣機(jī)械及器材制造業(yè)、電子通信設(shè)備制造業(yè)、儀器儀表和文化辦公用機(jī)械制造業(yè)等。裝備制造業(yè)的發(fā)展已然成為我國經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，就全國范圍來看，西部地區(qū)集中了裝備制造業(yè)中絕大多數(shù)國防產(chǎn)品的生產(chǎn)，這既是西部裝備制造業(yè)的特色，又是西部裝備制造業(yè)最大的優(yōu)勢(shì)?？v觀國家五十多年的建設(shè)，西部地區(qū)的裝備制造業(yè)形成了比較完整的體系，積累了較大的資產(chǎn)存量，但由于種種原因，其綜合經(jīng)濟(jì)效益和利潤率卻遠(yuǎn)遠(yuǎn)落后于同期長江三角洲地區(qū)和珠江三角洲地區(qū)，也明顯低于全國裝備制造業(yè)的平均水平，且不乏個(gè)別企業(yè)陷入財(cái)務(wù)危機(jī)的困境。這些充分說明了西部裝備制造業(yè)資產(chǎn)質(zhì)量低、經(jīng)濟(jì)運(yùn)行效益差、財(cái)務(wù)問題較突出等現(xiàn)實(shí)問題。
　　由此可見，對(duì)西部地區(qū)裝備制造業(yè)的上市公司進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究是十分必要的：一方面從財(cái)務(wù)健康的角度，及早發(fā)現(xiàn)危機(jī)潛在因素，預(yù)防危機(jī)的發(fā)生；另一方面從企業(yè)可持續(xù)發(fā)展的角度，以科學(xué)的方法對(duì)企業(yè)的運(yùn)行狀況進(jìn)行觀察，為企業(yè)的經(jīng)營管理者提供有效信息，規(guī)避風(fēng)險(xiǎn)、提高效率。
　　企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的破產(chǎn)研究最早是國外學(xué)者Beaver（1966）的單變量模型和Altman（1968）的多元判別模型，隨后Logistic回歸模型、人工智能、粗糙集模型等也都廣泛用于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的研究和預(yù)測(cè)中。國內(nèi)很多學(xué)者也結(jié)合我國上市公司披露的有關(guān)資料開展了相關(guān)研究，張玲（2000）、陳靜（1999）、吳世農(nóng)和盧賢義(2001)、黃道利（2006）等人有效地將以上方法運(yùn)用到中國市場(chǎng)建立預(yù)測(cè)模型，并獲得了較高的判別精度，取得了一定的應(yīng)用成果。近幾年，許多專家學(xué)者(黨云霞等，2009)在灰色系統(tǒng)理論的研究基礎(chǔ)下，圍繞企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究展開了廣泛的研究，為本文的研究奠定了一定的基礎(chǔ)，因此本文基于Logistic預(yù)警判別模型和灰色系統(tǒng)理論，對(duì)西北地區(qū)裝備制造業(yè)的上市公司進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的研究，并在研究基期以后的若干期財(cái)務(wù)危機(jī)預(yù)警指標(biāo)進(jìn)行預(yù)測(cè)，從而提前發(fā)現(xiàn)財(cái)務(wù)危機(jī)，及早進(jìn)行預(yù)防和控制，為企業(yè)進(jìn)行風(fēng)險(xiǎn)管理提供了新的思路和方法。
　　
　　二、相關(guān)理論概述
　?。ㄒ唬㎜ogitic回歸模型
　　在研究企業(yè)財(cái)務(wù)危機(jī)預(yù)警中，Logistic回歸被認(rèn)為是預(yù)測(cè)精度比較理想的模型，而且對(duì)數(shù)據(jù)與假設(shè)條件要求很少，且Logistic回歸的穩(wěn)健性比較好，能適用于不同的檢驗(yàn)樣本，可以對(duì)財(cái)務(wù)危機(jī)發(fā)生概率與特征變量之間的關(guān)系進(jìn)行定量分析，能分辨出哪些變量與發(fā)生財(cái)務(wù)危機(jī)有密切的關(guān)系。
　　Logistic回歸的基本原理為假設(shè)以P表示事件發(fā)生的概率，即p=P（Y=1），事件未發(fā)生的概率為（1-p）。引入p的Logistic變換，即：
　　Y=1，存財(cái)務(wù)危機(jī)0，沒有財(cái)務(wù)危機(jī) ，
　　θ（P）=logit（P）=ln［P/（1-P）］=?茁0+?茁1X1+?茁2X2+?茁3X3+…+?茁nXn+?孜
　　將p表示為：
　　很明顯，θ（P）以Logist（0.5）=0為中心對(duì)稱，θ（P）在p=0或p=1的附近從-∞變到∞。該模型的最大優(yōu)點(diǎn)是不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性，具有廣泛的應(yīng)用范圍。
　?。ǘ┗疑到y(tǒng)理論
　　灰色系統(tǒng)理論是鄧聚龍教授于1982年提出的，主要是對(duì)“部分信息已知，部分信息未知”的“小樣本”、“貧信息”的不確定性問題，運(yùn)用數(shù)學(xué)方法進(jìn)行描述。而灰色預(yù)測(cè)是灰色系統(tǒng)理論的重要組成部分，包括灰色數(shù)列預(yù)測(cè)、灰色災(zāi)變預(yù)測(cè)、灰色系統(tǒng)預(yù)測(cè)等。這些類型的預(yù)測(cè)雖然各具特色，但就其本質(zhì)而言，都是灰色GM（1，1）模型的擴(kuò)展，其基本方法是用指數(shù)曲線擬合原始點(diǎn)列，并由此對(duì)原始點(diǎn)列進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果精度較高，但也有些預(yù)測(cè)不符合實(shí)際的情況。
　　灰色理論建模及預(yù)測(cè)原理如下：
　　1.原始數(shù)據(jù)序列為：X(0)=（x(0)（1），x(0)（2），x(0)（3），……，x（0）（n））；
　　
　　三、財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建
　?。ㄒ唬┭芯繕颖局笜?biāo)的選取
　　在研究中，本文以中國證監(jiān)會(huì)公布的《上市公司行業(yè)分類指引》為行業(yè)分類標(biāo)準(zhǔn)，選取了西部地區(qū)17家裝備制造業(yè)上市公司2008—2009年的年報(bào)和半年報(bào)4期的財(cái)務(wù)數(shù)據(jù)，根據(jù)指標(biāo)選取的相關(guān)原則、財(cái)務(wù)管理的理論和研究對(duì)象的特點(diǎn)，在閱讀了大量相關(guān)文獻(xiàn)，參考證監(jiān)會(huì)對(duì)上市公司績效考評(píng)的相關(guān)文件和相關(guān)網(wǎng)站后，選取能夠反映公司財(cái)務(wù)狀況的償債能力指標(biāo)、盈利能力指標(biāo)、成長能力指標(biāo)、資產(chǎn)管理能力指標(biāo)和現(xiàn)金流量指標(biāo)等5大類26個(gè)指標(biāo)，并在此基礎(chǔ)上，將上市公司的股權(quán)結(jié)構(gòu)、公司治理等方面的5個(gè)非財(cái)務(wù)指標(biāo)引入了本次研究的預(yù)警指標(biāo)體系。
　　本文的研究以2009年為時(shí)間基點(diǎn)（即T期數(shù)據(jù)），以半年時(shí)間為等時(shí)距，選取了四期上市公司年報(bào)數(shù)據(jù)，即2009年半年期為T-1期，2008年為T-2期，2008年半年期為T-3期。驗(yàn)證所取的為2010年半年期數(shù)據(jù)，定義為T+1期，以此類推。本文所有財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)數(shù)據(jù)一部分是根據(jù)上市公司年報(bào)、半年報(bào)提供的財(cái)務(wù)報(bào)表計(jì)算得出，一部分根據(jù)證券之星網(wǎng)站上提供的數(shù)據(jù)直接取得。
　　為了更好地反映企業(yè)的財(cái)務(wù)狀況，使財(cái)務(wù)危機(jī)預(yù)警模型更好地發(fā)揮作用，將這31個(gè)預(yù)警指標(biāo)進(jìn)行一系列的檢驗(yàn)和降維。具體分為以下幾個(gè)步驟：
　　1.對(duì)初選的31個(gè)預(yù)警指標(biāo)，運(yùn)用軟件進(jìn)行T檢驗(yàn)，目的是為了剔除那些反映重復(fù)信息或者沒有顯著性的預(yù)警指標(biāo)。
　　2.對(duì)剩余的指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。這樣做，一方面是為了減少由于指標(biāo)的量綱不同、數(shù)量級(jí)別不同而造成的數(shù)據(jù)分析誤差；另一方面是在運(yùn)用灰色系統(tǒng)軟件，做灰色預(yù)測(cè)時(shí)對(duì)方便預(yù)警指標(biāo)進(jìn)行ex函數(shù)處理。
　　3.對(duì)進(jìn)行標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行相關(guān)性分析，得出相關(guān)系數(shù)矩陣，將不符合條件的預(yù)警指標(biāo)進(jìn)行刪除，剩下的最后指標(biāo)為最終本文需要的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。
　　（二）數(shù)據(jù)分析
　　在本研究中，將第T期、T-1期、T-2期和T-3期的預(yù)警指標(biāo)進(jìn)行顯著性檢驗(yàn)，并將4期共同的顯著性指標(biāo)篩選出來，使預(yù)警指標(biāo)具有共通性，適合企業(yè)進(jìn)行長期預(yù)測(cè)；接著對(duì)上述預(yù)警指標(biāo)進(jìn)行相關(guān)性分析，最終確定西部地區(qū)裝備制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系（見表1）。
　?。ㄈ┗疑A(yù)測(cè)數(shù)據(jù)分析
　　在本研究的預(yù)測(cè)中，運(yùn)用灰色系統(tǒng)理論中的數(shù)據(jù)GM（1，1）灰色預(yù)測(cè)模型，將西北地區(qū)裝備制造業(yè)上市公司的第T期、T-1期、T-2期和T-3期樣本數(shù)據(jù)輸入模型，得到經(jīng)過軟件預(yù)測(cè)出樣本的第T+1期、T+2期和T+3期的預(yù)警指標(biāo)數(shù)據(jù)，并將這些數(shù)據(jù)代入到Logistic回歸模型中，進(jìn)行西部地區(qū)制造業(yè)上市公司的財(cái)務(wù)危機(jī)預(yù)警判斷。
　?。ㄋ模㎜ogistic回歸模型的構(gòu)建
　　本研究中，運(yùn)用SPSS17.0軟件，將最近一期的預(yù)警指標(biāo)數(shù)據(jù)（即T期）進(jìn)行了Logistic回歸模型檢驗(yàn)，結(jié)果中Cox & Snell R2和Nagelkerke R2統(tǒng)計(jì)量分別為0.711、0.938，說明了模型擬合優(yōu)度較高。從模型分類表中可以看到回歸模型采用的數(shù)據(jù)完整（見表2）。
　　
　　通過表2可以看到，觀測(cè)值和預(yù)測(cè)值的校正百分比均為100%，說明在模型中的數(shù)據(jù)變量沒有缺失。經(jīng)過軟件的計(jì)算得出了Logistic回歸模型的常數(shù)項(xiàng)和系數(shù)，具體數(shù)據(jù)如表3所示。
　　將預(yù)測(cè)數(shù)據(jù)代入模型中，可以得出第T+1期、T+2期和T+3期西部地區(qū)裝備制造業(yè)上市公司的財(cái)務(wù)狀況。在本文中，T+1期的上市公司財(cái)務(wù)指標(biāo)已經(jīng)公布，可以將實(shí)際值與預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，得到預(yù)測(cè)準(zhǔn)確率（見表4），而第T+2期和第T+3期的預(yù)測(cè)準(zhǔn)確率要參考第T+1期的結(jié)果，并根據(jù)未來經(jīng)濟(jì)發(fā)展趨勢(shì)進(jìn)行綜合判斷，從而對(duì)上市公司的發(fā)展趨勢(shì)作出準(zhǔn)確判斷。具體結(jié)果如表5所示。
　　從表4可以看到T+1期的預(yù)測(cè)結(jié)果準(zhǔn)備率分別為88%、100%，效果較好。
　　從表5可以看到T+2期和T+3期的預(yù)測(cè)結(jié)果較T+1期有所降低，預(yù)測(cè)綜合準(zhǔn)確率分別為70%、60%。
　　四、結(jié)果分析
　　通過以上分析，可以得出：1.采用Logistic回歸模型和灰色預(yù)測(cè)理論對(duì)裝備制造業(yè)上市公司的財(cái)務(wù)危機(jī)預(yù)警的研究是有效可行的，且可以通過調(diào)整財(cái)務(wù)危機(jī)預(yù)警指標(biāo)的選取，推廣到其他非上市公司進(jìn)行整體預(yù)警，提高西部地區(qū)裝備制造業(yè)的整體實(shí)力；2.隨著預(yù)測(cè)期數(shù)的增加，預(yù)測(cè)的準(zhǔn)確率是呈下降的趨勢(shì)，也就是說，距離預(yù)測(cè)時(shí)點(diǎn)越接近的結(jié)果，預(yù)測(cè)準(zhǔn)確率就越高，在T+1期的預(yù)測(cè)綜合準(zhǔn)確率達(dá)到了88%以上，可以基本采信預(yù)測(cè)結(jié)果；3.在進(jìn)行財(cái)務(wù)危機(jī)預(yù)警預(yù)測(cè)的過程中，由于個(gè)別原因造成財(cái)務(wù)指標(biāo)數(shù)據(jù)的不真實(shí)或不準(zhǔn)確的情況存在，從而造成預(yù)測(cè)結(jié)果的不準(zhǔn)確性，因此在進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)預(yù)警的同時(shí)，也應(yīng)當(dāng)結(jié)合當(dāng)時(shí)的經(jīng)濟(jì)政策和金融環(huán)境，以及企業(yè)自身的發(fā)展?fàn)顩r進(jìn)行綜合判斷，避免出現(xiàn)誤判或漏判。
　　
　　五、結(jié)論
　　企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)是一個(gè)具有高度復(fù)雜性、多元性和綜合性的系統(tǒng)，想要建立一個(gè)真正有效的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)是一個(gè)漫長的過程。筆者根據(jù)以上的研究結(jié)果分析后，對(duì)西部地區(qū)裝備制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警研究提出以下建議：1.應(yīng)該建立完善的財(cái)務(wù)控制系統(tǒng)。內(nèi)部控制制度是為了保護(hù)經(jīng)濟(jì)主體的資產(chǎn)完整，保證會(huì)計(jì)資料真實(shí)、正確，從而直接影響到財(cái)務(wù)預(yù)警模型中各種指標(biāo)、財(cái)務(wù)比率計(jì)算的真實(shí)性。2.加強(qiáng)市場(chǎng)監(jiān)管力度。加強(qiáng)對(duì)上市公司的財(cái)務(wù)監(jiān)管除了要建立傳統(tǒng)的財(cái)務(wù)評(píng)價(jià)體系，還必須建立財(cái)務(wù)預(yù)警分析機(jī)制，二者相輔相成、相互促進(jìn)，而財(cái)務(wù)評(píng)價(jià)體系和財(cái)務(wù)分析機(jī)制正好是財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的核心子系統(tǒng)。3.強(qiáng)化全員風(fēng)險(xiǎn)意識(shí)。風(fēng)險(xiǎn)防范意識(shí)是企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)得以成功建立并有效運(yùn)行的前提。財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)不能是虛設(shè)的系統(tǒng)，只有得到高度重視才能發(fā)揮其功效。這就要求企業(yè)全體員工特別是管理層在思想上要保持高度警惕，隨時(shí)注意企業(yè)經(jīng)營過程中出現(xiàn)的問題和潛在的危機(jī)，一旦發(fā)現(xiàn)苗頭，立即采取有效措施予以消除。
　　
　　【參考文獻(xiàn)】
　?。?］ Lu Bing. Financial crisis and sustainable development of Chinese manufacturing industry［J］. Ecological Economy（2009）5:38-49.
　?。?］ Hyewon Yo