经济学家

 找回密码
 快速注册
查看: 592|回复: 1

基于支持向量机的上市公司财务危机预警实证研究

[复制链接]
发表于 2012-5-5 01:24 | 显示全部楼层 |阅读模式
                                  
                                  
                                  

                    
                        
                      [摘 要] 本文以在上海证券交易所和深圳证券交易所挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的2003年至2006年的上市公司财务报表中的相关数据,运用支持向量机模型进行了实证研究。研究表明,在小样本数据条件下,与其他预警模型相比,支持向量机模型在预测上市公司是否会发生财务危机方面预测精确度远远高于其他方法,具有其他方法所不具有的优越性。
  [关键词] 财务危机 财务危机预警 支持向量机
  
  一、引言
  
  1929年的世界经济大萧条成为国际上企业预警研究的触发根源。随着企业经济环境、竞争环境和经营情况的复杂化和多样化,国际上许多著名专家学者都进行了企业危机、企业风险管理等方面的研究,目前企业财务危机预警已成为企业管理研究的一个热点。
  支持向量机(SVM)采用结构风险最小化准则,与传统的人工神经网络相比,它不仅结构简单,而且泛化能力明显提高。这一优点在小样本学习中更为突出。它避免了人工神经网络等方法的网络结构难于确定、过学习和欠学习以及局部极小等问题,被认为是目前针对小样本的分类、回归等问题的最佳理论。由于支持向量机具有全局收敛性和良好的推广能力,近来各国学者也开始将其应用在企业财务危机预警中。
  
  二、文献回顾
  
  国外与财务危机预警相关的研究可以追溯到20世纪30年代初,菲茨.帕特里克(1932)以19家公司作为样本,用单个财务比率将样本划分为破产和非破产两组。芝加哥大学教授比弗(1966)运用统计方法建立了单变量判别模型,发现现金流量与负债总额的比率能够最好地判断公司的财务状况,在破产前一年的预测正确率可以达到87%。接着,美国学者Altman在1968年将多元线性判别模型引入到财务危机预警研究中,并得出了著名的Z-Score模型。但是这些线性模型均存在假设上的局限性。因此,以欧尔森(1980)为代表的一些研究者采用了条件概率模型,主要有对数成败比率模型(LOGIT)和概率单位模型(PROBIT)。
  近几年对人工神经网络的研究表明,由于它的非线性、非参数、自适应学习等特征,可作为模式判别的强有力的工具,它已成功解决了许多金融、财务等方面的问题,包括财务危机预测问题,如Salchenberger等人在1992年使用神经网络分析方法对金融企业的财务失败进行判断,1988年Messier和Hansen,1993年Fletcher和Gross都用这一方法对企业破产进行了分析。这些研究与以往的线性分析模型相比都取得了较好的结果。
  我国的相关研究是从20世纪80年代开始的。西安交通大学的杨淑娥教授(2003、2005)采用主成分分析法,建立了上市公司财务预警Y分数模型;采用BP神经网络方法,建立了财务预警模型。刘凤娇在系统阐述奥特曼的“Z-Score”模型的基础上,有针对性地选取沪、深两市共80家企业A股作为样本,对上市公司财务风险进行了实证分析。王永生,李洁对Z-score预警模型进行了新的研究,对模型中各财务比率的权数及常数项进行调查,并对各模型预测概率进行比较,以获得其预测准确率,然后在此基础上提出P模型。
  
  三、支持向量机
  
  支持向量机是数据挖掘的一项新技术,是借助于最优化方法解决机器学习问题的新工具,它最初于20世纪90年代中期由Cortes&Vapnik提出,近年来在其理论研究和算法实现等方面都取得了突破性进展,是机器学习研究的一项重大成果。财务预警是一个非线性问题,可以通过非线性变换转化为某个高维空间中的线性问题,在变换空间求最优分类面。
  引入松弛变量,使超平面满足
  (1)
  当时样本点xi仍旧被正确分类,而当时样本点xi被错分。为此,引入以下目标函数
   (2)
  其中C是一个正整数,称为惩罚因子,此时SVM可以通过二次规划来实现。这种变换比较复杂,在一般情况下不易实现。但是在高维空间实际上只需进行内积运算,这种内积运算是可以用原空间中的函数实现的。因此,在最优分类面中采用适当的内积函数,就可以实现某一非线性变换后的线性分类,而计算复杂度却没有增加。SVM中不同的内积核函数将形成不同的算法,目前研究最多的核函数有:多项式核函数、径向基函数(RBF)、Sigmoid函数,通过实验数据的对比,本文选择Gaussion RBF函数作为内积核函数进行建模。内积函数采用Gaussion RBF核函数
  
  四、研究样本与变量
  
  1.样本选择与数据来源
  本文的数据全部来自“证券之星”(http://www.stockstar.com)、“泰阳证券”(http://www.sunsc.com.cn)等网站。沪深证券交易所在2006年(截至11月底)共有55家被ST的公司,在2005年共有32家被ST的公司。本文另外随机挑选了70家非ST的公司数据和2006年55家被ST的公司数据一起作为训练样本,另外再随机挑选了32家非ST的公司数据和05年32家被ST的公司数据一起作为测试样本。这些公司都是2002年以前上市的,到目前为止都至少有五年的报表数据。
  2.研究变量
  预警指标的选择目前还没有一套成熟的标准。企业经营绩效主要由企业的盈利能力、权益乘数(负债结构)和周转能力共同决定,以上任何一方面发生问题均可能导致企业财务绩效下降并可能导致财务危机的发生。按照这种分析,上市公司的净资产收益率、销售净利率、销售毛利率、总资产收益率、主营业务利润率、流动比率、速动比率、超速动比率、资产负债率、利息保障倍数、长期负债比率、流动负债比率、股东权益比率、存货周转率、应收账款周转率、流动资产周转率、固定资产周转率、总资产周转率十八个财务指标基本涵盖了上市公司盈利能力、权益乘数(负债结构)和周转能力的主要方面。对于上述十八个财务指标,杨朝军教授等人使用了Kuskal-Wallis H非参数检验判断财务危机上市公司与非财务危机上市公司之间在这些指标上是否存在显著差异。结果表明,在财务危机发生前3年内均有显著差异的财务指标只有总资产收益率、主营业务利润率、超速动比率、资产负债率、流动负债比率、存货周转率、应收账款周转率、流动资产周转率和总资产周转率,因此,这些指标可能适
  合作为上市公司财务危机预警指标。本文也选择这9个指标作为预警指标。
  
  五、基于支持向量机的实证研究
  
  在进行相关性分析时,我们发现资产负债率与总资产收益率、流动负债比率与总资产收益率、流动负债比率与资产负债率、总资产周转率与流动资产周转率这几对指标的相关系数都比较大。虽然SVM有比较坚实的理论基础和严格的理论分析,但是其中从理论到应用都还有很多尚未得到充分研究和解决的问题,并且有些问题仅仅依靠SVM本身的知识很难得到彻底解决,训练数据中多元变量的共线性问题就是其中之一。因此本文首先利用主成分分析法通过线性变换,将原来的多个指标组合成相互独立的能充分反映总体信息的指标,从而在不丢掉主要信息的前提下避开了变量间共线性的问题。
  本文应用了Matlab的SVM_SteveGunn工具箱,参数C=300。提前3年、提前2年、提前1年的预测结果见表。
  表 SVM模型的预测结果
  
  六、结论
  
  从表的结果可以看出,基于支持向量机的预警模型提前时间越短预测准确率越高,提前1年、提前2年、提前3年的总的准确率分别为93.55%、85.48%、71.67%;非ST公司的预测准确率普遍比ST公司的预测准确率高。上海交通大学的杨朝军教授等人建立的企业财务危机预警的生存分析模型—Cox模型,提前1年的准确率为80%左右、提前2年的准确率为70%左右、提前3年的准确率为65%左右。由此可以看出基于支持向量机的预警模型比Cox模型的准确率要好很多。
  另外,从实证分析过程来看,SVM模型摆脱了单元和多元判别模型方法的局限,突破了依赖线性函数建立判别模型的限制,克服使用BP神经网络必须获得充分大量训练样本的困难,用非线性函数更好地拟和了样本数据,实现了方法上的创新。从结果来看,在小样本数据条件下,SVM预测精度远远高于其他方法,具有其他方法所不具有的优越性。
  
  参考文献:
  [1]陈为民马超群:金融经济.支持向量机方法及其在金融中的应用与前景,2006,(5):114-115
  [2]Ohlson J.Financial ratios and probabilistic prediction of bankruptcy. Journal of Accounting Research.1980,(19): 109-130
  [3]刘姝伶颜玉英:国外财务预警的现状概论.沿海企业与科技,2006,(4):107-108
  [4]杨淑娥黄礼:系统工程理论与实践.基于BP神经网络的上市公司财务预警模型,2004,(4):18-20
  [5]刘凤娇:“Z - Score”模型在企业财务预警分析中应用的研究.经济师,2006,(5):223-226
  [6]王永生李洁:Z-score预警模型的研究与分析.财会通讯,2006(5):52-55
  [7]宋雪枫杨朝军:财务危机预警模型在商业银行信贷风险管理中的应用.国际金融研究,2006,(5):14-20
  
  注:“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”

                        
发表于 2012-7-29 10:05 | 显示全部楼层
了解!
回复 支持 反对

使用道具 举报

关闭

广告上一条 /1 下一条


免责申明:本站为非盈利性质的个人学术网站,网站资源仅供教学、研究使用,不得用于商业用途,请下载后24小时内自行删除,私自传播后果自负。
本站所有资源来自互联网由网友提供,我们不对资源的正确性、有效性、安全性负责,不对会员的言论负责,也不对资源的版权负责、上传前请确认该资源
是否是没有版权的或者您自己拥有版权。如有会员侵犯您的权利,请您联系admin并提供相关权利证据,确认属实后我们会及时删除。
投诉、广告、合作请联系:jjxjorg#qq.com #换成@

小黑屋|手机版|aoc|南康家具|家具批发|整体橱柜|经济学家 赣ICP备11002034号

GMT+8, 2017-4-26 15:56 , Processed in 0.534879 second(s), 18 queries .

Powered by Discuz! X3.3

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表