導(dǎo)語(yǔ)：上市公司財(cái)務(wù)危機(jī)預(yù)警探討一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：本文選取了我國(guó)京津冀104家上市公司作為研究對(duì)象，以京津冀上市公司被特殊處理前兩年作為研究期間，選取反映財(cái)務(wù)狀況經(jīng)營(yíng)成果的21個(gè)財(cái)務(wù)指標(biāo)，首先對(duì)指標(biāo)進(jìn)行分析處理和對(duì)支持向量機(jī)進(jìn)行參數(shù)優(yōu)化的基礎(chǔ)，然后構(gòu)建了基于因子分析和支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警模型，為投資者、債權(quán)人、上市公司和公司監(jiān)管層提供參考。

關(guān)鍵詞：京津冀上市公司；因子分析；支持向量機(jī)；財(cái)務(wù)預(yù)警模型

1引言

精確的預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)，對(duì)上市公司的投資者、債權(quán)人、證券監(jiān)管部門和上市公司自身都具有十分重要的意義：第一，有利于投資者正確鑒別，理性投資。投資者可以運(yùn)用數(shù)據(jù)挖掘模型對(duì)上市公司是否具有風(fēng)險(xiǎn)行為進(jìn)行甄別，理性投資，降低投資風(fēng)險(xiǎn)。第二，有利于債權(quán)人合理評(píng)估，降低信用風(fēng)險(xiǎn)。債權(quán)人可以利用風(fēng)險(xiǎn)模型，判斷上市公司是否存在違約等信用風(fēng)險(xiǎn)，可以隨時(shí)監(jiān)控信用風(fēng)險(xiǎn)，進(jìn)行上市公司貸款控制。第三，為證券監(jiān)管部門提供理論參考，豐富完善財(cái)務(wù)風(fēng)險(xiǎn)政策。政府監(jiān)管部門可以利用財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型，及時(shí)有效的遏制虛假會(huì)計(jì)信息、杜絕財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生，提高監(jiān)管效率。第四，有助于上市公司自身的發(fā)展，提高公司聲譽(yù)。挖掘潛在信號(hào)，對(duì)公司未來(lái)的財(cái)務(wù)狀況進(jìn)行有效預(yù)測(cè)和判斷，為公司提供參考。支持向量機(jī)是解決機(jī)器學(xué)習(xí)問(wèn)題的新工具，是一種精準(zhǔn)的機(jī)器學(xué)習(xí)算法，于上世紀(jì)年代中期提出，這種方法極大提高了模型的泛化能力。越來(lái)越多的上市公司面臨財(cái)務(wù)危機(jī)，本文將支持向量機(jī)模型引入到上市公司財(cái)務(wù)危機(jī)預(yù)警研究領(lǐng)域中，提出一種全新的財(cái)務(wù)危機(jī)預(yù)警模型，即基于因子分析和支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警，這種模型必將提高財(cái)務(wù)危機(jī)預(yù)警的準(zhǔn)確率，為上市公司做出重大的貢獻(xiàn)。

2財(cái)務(wù)危機(jī)和數(shù)據(jù)挖掘理論

公司陷入財(cái)務(wù)危機(jī)，也就是公司陷入了財(cái)務(wù)困境，表現(xiàn)為公司無(wú)力支付優(yōu)先股股利或無(wú)力償付到期債務(wù)，威脅上市公司生存和發(fā)展，降低上市公司聲譽(yù)。上市公司出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)，陷入財(cái)務(wù)危機(jī)并不是偶然，而是有小及大、循序漸進(jìn)的過(guò)程。依據(jù)國(guó)內(nèi)外參考文獻(xiàn)的定義，財(cái)務(wù)危機(jī)呈現(xiàn)以下幾方面特征：一是客觀累積性。是指財(cái)務(wù)危機(jī)是一個(gè)由小積多、由量變到質(zhì)變的過(guò)程。二是損失性。上市公司發(fā)生財(cái)務(wù)危機(jī)，必將導(dǎo)致融資困難，資金鏈緊張，無(wú)力償付債務(wù)，損害上市公司投資人及債權(quán)人的經(jīng)濟(jì)利益。三是突發(fā)性。上市公司財(cái)務(wù)危機(jī)的發(fā)生是多種因素造成的，既有國(guó)家政策、經(jīng)濟(jì)環(huán)境等外部因素的影響，又有上市公司投融資策略、成本運(yùn)營(yíng)等內(nèi)部因素的影響。四是多樣性。上市公司所處經(jīng)營(yíng)環(huán)境的多變性、政策環(huán)境的復(fù)雜性，都對(duì)公司的財(cái)務(wù)狀況有重大影響。五是預(yù)測(cè)性。在財(cái)務(wù)危機(jī)發(fā)生前，反映上市公司財(cái)務(wù)狀況會(huì)的指標(biāo)會(huì)出現(xiàn)異常。CorinnaCortes和Vapnik于1995年最先提出了支持向量機(jī)（SupportVectorMachine，SVM）理論，它是一種與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型，功能用于識(shí)別模式、分析數(shù)據(jù)，用于分類和回歸分析等。它可以解決小樣本、非線性及高維模式識(shí)別，以及函數(shù)擬合等各種機(jī)器學(xué)習(xí)問(wèn)題中。支持向量機(jī)分為線性支持向量機(jī)和非線性支持向量機(jī)。線性支持向量機(jī)理論由線性可分的最優(yōu)分類面發(fā)展而來(lái)。當(dāng)樣本非線性可分時(shí)，可以通過(guò)非線性變換，將非線性可分問(wèn)題轉(zhuǎn)換為高維空間的線性問(wèn)題。

3研究樣本的選取和指標(biāo)體系的構(gòu)建

3.1樣本公司的選擇。本文將我國(guó)京津冀上市公司作為研究對(duì)象，并按規(guī)模相近同行業(yè)的原則，采用一一配對(duì)的方法，選取了京津冀2013-2018年度被ST或被*ST52家的上市公司和52家財(cái)務(wù)正常上市公司，共104家公司。其中，作為訓(xùn)練樣本的是42家公司的財(cái)務(wù)數(shù)據(jù)，30家公司的財(cái)務(wù)數(shù)據(jù)作為測(cè)試樣本。本文以京津冀上市公司被特殊處理前兩年作為研究期間，財(cái)務(wù)報(bào)表數(shù)據(jù)選擇區(qū)間是T-2年和T-3的。3.2初步構(gòu)建的財(cái)務(wù)預(yù)警模型指標(biāo)體系。按照反映公司財(cái)務(wù)狀況和經(jīng)營(yíng)成果指標(biāo)的全面性、真實(shí)性、可靠性原則，構(gòu)建了公司財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。本文共選取了21個(gè)財(cái)務(wù)指標(biāo)，分別是6個(gè)盈利能力指標(biāo)，即P1每股收益指標(biāo)、P2凈資產(chǎn)收益率指標(biāo)、P3資產(chǎn)報(bào)酬率指標(biāo)、P4銷售凈利率指標(biāo)、P5營(yíng)業(yè)利潤(rùn)率指標(biāo)、P6成本費(fèi)用利潤(rùn)率指標(biāo)；4個(gè)償債能力指標(biāo)，即P7資產(chǎn)負(fù)債率指標(biāo)、P8流動(dòng)比率指標(biāo)、P9現(xiàn)金總負(fù)債比率指標(biāo)、P10現(xiàn)金流動(dòng)負(fù)債比指標(biāo)，5個(gè)成長(zhǎng)能力指標(biāo)，即P11每股收益增長(zhǎng)率指標(biāo)、P12營(yíng)業(yè)收入增長(zhǎng)率指標(biāo)、P13凈利潤(rùn)增長(zhǎng)率指標(biāo)、P14凈資產(chǎn)增長(zhǎng)率指標(biāo)、P15總資產(chǎn)增長(zhǎng)率指標(biāo)；4個(gè)運(yùn)營(yíng)能力指標(biāo)，即P16存貨周轉(zhuǎn)率指標(biāo)、P17流動(dòng)資產(chǎn)周轉(zhuǎn)率指標(biāo)、P18固定資產(chǎn)周轉(zhuǎn)率指標(biāo)、P19總資產(chǎn)周轉(zhuǎn)率指標(biāo)；2個(gè)現(xiàn)金流量指標(biāo)，即P20銷售現(xiàn)金比率指標(biāo)、P21總資產(chǎn)現(xiàn)金回收率指標(biāo)等。

4基于因子分析和支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警模型

本文初步構(gòu)建的預(yù)警指標(biāo)體系包含的數(shù)目較多，為減少模型訓(xùn)練的復(fù)雜性，有必要對(duì)指標(biāo)進(jìn)行降維處理，采用因子分析法對(duì)通過(guò)顯著性檢驗(yàn)的指標(biāo)進(jìn)行分析。因子分析是一種統(tǒng)計(jì)分析技術(shù)，從變量群中提取共性因子。因子分析可將相同本質(zhì)的變量歸入一個(gè)因子，在許多變量中找出隱藏的具有代表性的因子，提取主成分，歸納出具有代表性的指標(biāo)，起到約簡(jiǎn)指標(biāo)數(shù)目降維的作用，還可檢驗(yàn)變量間關(guān)系的假設(shè)，進(jìn)一步消除指標(biāo)之間的多重共線性。4.1KMO和Bartlett檢驗(yàn)。為了判斷檢驗(yàn)所選的21個(gè)指標(biāo)是否適合采用因子分析法，需要對(duì)原始變量進(jìn)行KMO檢驗(yàn)與Bartlett球形檢驗(yàn)。KMO（Kaiser-Meyer-Olkin）檢驗(yàn)統(tǒng)計(jì)量是用于比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)。當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1。KMO值越接近于1，意味著變量間的相關(guān)性越強(qiáng)，表示原有變量越適合作因子分析；當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和接近0時(shí)，KMO值接近0。KMO值越接近于0，意味著變量間的相關(guān)性越弱，表明原有變量越不適合作因子分析。本文利用SPSS19.0統(tǒng)計(jì)分析軟件，對(duì)選定的21個(gè)財(cái)務(wù)指標(biāo)進(jìn)行KMO檢驗(yàn)和bartlett球形檢驗(yàn)，檢驗(yàn)結(jié)果表明，KMO值為0.650，大于0.5；Bartlett值為0.000，小于0.05。因此，選定的指標(biāo)適合因子分析。4.2提取主成分。實(shí)驗(yàn)表明，前8個(gè)因子的累計(jì)方差貢獻(xiàn)率為92.898%，原始21個(gè)財(cái)務(wù)指標(biāo)的絕大部分信息可以由這八個(gè)因子表示。由因子碎石圖也可以看出，需要提取8個(gè)主成分。P1每股收益、P2凈資產(chǎn)收益率、P3資產(chǎn)報(bào)酬率、P4銷售凈利率、P5營(yíng)業(yè)利潤(rùn)率、P6成本費(fèi)用利潤(rùn)率為盈利能力指標(biāo)，用于表示第一因子，P7資產(chǎn)負(fù)債率、P8流動(dòng)比率、P9現(xiàn)金總負(fù)債比率、P10現(xiàn)金流動(dòng)負(fù)債比為償債能力指標(biāo)，用于表示第二因子，其它以此類推。運(yùn)用旋轉(zhuǎn)成分矩陣，對(duì)原數(shù)據(jù)進(jìn)行換算，形成新的預(yù)警因子。因子計(jì)算公式為：4.3支持向量機(jī)財(cái)務(wù)預(yù)警模型。本文將研究樣本分為ST公司和非ST公司，本文共選擇了104家京津冀上市公司為研究樣本，42家公司作為訓(xùn)練樣本，30家公司作為測(cè)試樣本，其中包括ST公司15家，非ST公司15家。支持向量機(jī)選用RBF核函數(shù)，輸出為1代表財(cái)務(wù)正常，輸出為-1代表財(cái)務(wù)危機(jī)。本實(shí)驗(yàn)是基于“線性空間不可分問(wèn)題”及“非線性問(wèn)題”建立SVM模型，在這種模型下，需要選定兩個(gè)參數(shù)：“RBF核函數(shù)密度”和“懲罰因子C”。最后，利用選定的參數(shù)及規(guī)整后的數(shù)據(jù)，進(jìn)行SVM模型訓(xùn)練，即可得出結(jié)果。結(jié)果顯示，SVM訓(xùn)練集識(shí)別結(jié)果ST公司準(zhǔn)確率86.5%，非ST公司準(zhǔn)確率89.2%，平均準(zhǔn)確率87.85%，SVM測(cè)試集識(shí)別結(jié)果ST公司準(zhǔn)確率87.43%，非ST公司準(zhǔn)確率85.91%，平均準(zhǔn)確率86.67%。4.4研究結(jié)論。本文將因子分析和支持向量機(jī)算法相結(jié)合，分析京津冀上市公司財(cái)務(wù)危機(jī)情況，研究結(jié)果表明財(cái)務(wù)危機(jī)的發(fā)生是可以提前預(yù)測(cè)的，實(shí)驗(yàn)結(jié)果表明財(cái)務(wù)危機(jī)的發(fā)生是由多種因素共同作用的結(jié)果。結(jié)合非財(cái)務(wù)量化指標(biāo)，深層次挖掘上市公司財(cái)務(wù)報(bào)表信息，對(duì)存在財(cái)務(wù)風(fēng)險(xiǎn)公司提出預(yù)警，預(yù)測(cè)結(jié)果可以使上市公司經(jīng)營(yíng)管理者及時(shí)調(diào)整策略，改變公司經(jīng)營(yíng)模式，減少或避免損失；投資者洞察上市公司發(fā)展前景并進(jìn)行理性投資；債權(quán)人可以規(guī)避貸款風(fēng)險(xiǎn)；此外也為證券監(jiān)管部門提供依據(jù)，使其對(duì)存在風(fēng)險(xiǎn)的上市公司加強(qiáng)監(jiān)管力度，對(duì)保證上市公司、證券市場(chǎng)、國(guó)家經(jīng)濟(jì)平穩(wěn)運(yùn)行有著重要的經(jīng)濟(jì)和社會(huì)意義。

5京津冀上市公司財(cái)務(wù)危機(jī)預(yù)警防范措施

（1）在制度上，健全內(nèi)部控制機(jī)制。完善科學(xué)的制度對(duì)提升公司財(cái)務(wù)危機(jī)預(yù)警體系具有重要意義，公司要明確工作人員崗位責(zé)任，確保責(zé)任制度在公司內(nèi)部控制中的貫徹落實(shí)。使其能夠有法可依、有法可循，落實(shí)工作要求，執(zhí)行崗位任務(wù)。對(duì)于財(cái)務(wù)危機(jī)的產(chǎn)生，上市公司要及時(shí)完善公司結(jié)構(gòu)和管理方式。根據(jù)國(guó)家政策和市場(chǎng)環(huán)境，制定合適的經(jīng)營(yíng)管理模式。在資金方面，不斷對(duì)資產(chǎn)、負(fù)債、利潤(rùn)情況進(jìn)行調(diào)整，要定期組織和抽查上市公司財(cái)務(wù)報(bào)表，控制財(cái)務(wù)風(fēng)險(xiǎn)，優(yōu)化財(cái)務(wù)結(jié)構(gòu)。在不增加風(fēng)險(xiǎn)的前提下，選擇合適的財(cái)務(wù)比例，充分利用和投資者債權(quán)人之間的關(guān)系，控制財(cái)務(wù)風(fēng)險(xiǎn)。（2）在體系上，擴(kuò)展指標(biāo)覆蓋范圍。為增強(qiáng)公司財(cái)務(wù)危機(jī)預(yù)警體系的完整性、科學(xué)性和實(shí)用性，公司使用定量和定性分析相結(jié)合的方法，分析財(cái)務(wù)信息和非財(cái)務(wù)信息，評(píng)估財(cái)務(wù)風(fēng)險(xiǎn)因素，構(gòu)建完善的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，進(jìn)行財(cái)務(wù)危機(jī)預(yù)警體系指標(biāo)范圍的拓展。上市公司在構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系時(shí)遵循重要性、靈敏性、真實(shí)性、一致性、可預(yù)見性原則，從償債能力，營(yíng)運(yùn)能力，盈利能力及成長(zhǎng)能力、現(xiàn)金流量等方面構(gòu)建財(cái)務(wù)指標(biāo)體系，也要從股權(quán)結(jié)構(gòu)、公司治理、資產(chǎn)規(guī)模、年報(bào)披露、外部審計(jì)、高管背景等方面構(gòu)建非財(cái)務(wù)指標(biāo)。（3）在指標(biāo)上，建立動(dòng)態(tài)預(yù)警體系。高風(fēng)險(xiǎn)性、可防控性、動(dòng)態(tài)變化性是財(cái)務(wù)危機(jī)的顯著特征，上市公司的經(jīng)營(yíng)活動(dòng)不是在一個(gè)時(shí)間點(diǎn)上進(jìn)行截面預(yù)測(cè)，不是靜態(tài)的，而是不斷變化的，所以上市公司要建立動(dòng)態(tài)財(cái)務(wù)預(yù)警分析系統(tǒng)。當(dāng)上市公司出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)，要結(jié)合公司內(nèi)外部情況，采取最直接有效和經(jīng)濟(jì)合適的動(dòng)態(tài)預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，使預(yù)警系統(tǒng)發(fā)揮應(yīng)有的效果。此外，善于利用信息技術(shù)構(gòu)建財(cái)務(wù)信息系統(tǒng)，提升財(cái)務(wù)數(shù)據(jù)的全面性、安全性和完整性，促進(jìn)各部門之間的信息共享和溝通。（4）在思想上，增強(qiáng)風(fēng)險(xiǎn)防范意識(shí)，實(shí)時(shí)關(guān)注上市公司財(cái)務(wù)的變化情況。京津冀上市公司首先應(yīng)當(dāng)成立自己的財(cái)務(wù)預(yù)警分析部門，及時(shí)分析公司每個(gè)月份、每個(gè)季度產(chǎn)生的籌資風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)、經(jīng)營(yíng)風(fēng)險(xiǎn)、現(xiàn)金流量風(fēng)險(xiǎn)等，及時(shí)進(jìn)行風(fēng)險(xiǎn)預(yù)警。上市公司的管理者要及時(shí)關(guān)注上市公司財(cái)務(wù)指標(biāo)的變化，及時(shí)分析、預(yù)測(cè)公司經(jīng)營(yíng)活動(dòng)中產(chǎn)生的財(cái)務(wù)問(wèn)題并提出解決方案，加強(qiáng)風(fēng)險(xiǎn)防范意識(shí)。財(cái)務(wù)部門應(yīng)當(dāng)引入具有統(tǒng)計(jì)學(xué)和運(yùn)籌學(xué)等復(fù)合學(xué)科背景的專業(yè)人才，隨時(shí)匯總公司近期的財(cái)務(wù)數(shù)據(jù)，定期計(jì)算和分析公司的財(cái)務(wù)指標(biāo)，判斷各個(gè)財(cái)務(wù)指標(biāo)風(fēng)險(xiǎn)的大小，分析可能存在風(fēng)險(xiǎn)并及時(shí)向上級(jí)匯報(bào)。

參考文獻(xiàn)

[1]王園.基于支持向量機(jī)AdaBoost模型的上市公司退市預(yù)警研究[D].華南理工大學(xué)，2018.

[2]潘央迪.基于支持向量機(jī)的上市公司退市風(fēng)險(xiǎn)預(yù)警方法研究[D].浙江工業(yè)大學(xué)，2017.

[3]FitzPatrickPJ.Acomparisonofratioofsuccessfulindustrialen-terpriseswiththoseoffailedfirms[J].CertifiedPublicAccountant，2016（2）：589-605.

作者:張曉萍 張若望 王麗媛 崔維康 胡安琴 劉虹雨 單位:河北金融學(xué)院