时间序列模型的ST上市公司财务困境预警研究

目前经济改革已经进入攻坚阶段。ST公司是已经面临经营危机,陷入财务困境而被特别处理“的上市公司,其未来的财务状况是各方利益相关者关注的焦点。ST公司财务困境程度的变化具体体现在某些关键财务指标的变化上,可以通过分析这些财务指标的预测值来判论文网断公司未来的财务困境情况。所以在ST公司财务困境进一步恶化前,运用时序预测模型对企业财务状况的变化提前预警,企业的管理者及其投资者可以针对关键财务指标及时采取适当的措施预防。规避。摆脱财务困境,进而使企业跟上经济改革的步伐。

本文使用SQLServer2012中Microsoft时序算法构建时序预测模型。Microsoft时序算法包括ARTXP算法和ARIMA算法,前者针对短期预测进行了优化,后者针对长期预测进行了优化。在SQLSever2012中可以通过自定义AnalysisServices将ARIMA和ARTXP算法混合构建时序预测模型。两种算法混合的起点和权重大小变化的速率是通过设置PREDICTION_SMOOTHING参数来控制的。

1。融合ARTXP算法和ARIMA算法的时序模型实证

首先,选择万得数据库中沪。深两市26家ST上市公司2012-2015年财报面板数据为研究对象。在进行财务预警之前先建立一套财务预警指标体系,然后使用分层聚类对该体系中的指标进行分类,再使用相关性分析剔除相关性较高的指标。第二步,根据周首华Altman的Z-Score模型基础上提出的F-Score模型计算出2012年样本ST企业的F值,并根据F值临界点0。0274将企业的财务困境程度区分为重度困境“和轻度困境“。第三步,使用SPSSmodeler中的C5。0决策树算法构建决策树模型对第二步骤中的财务状况判断结果进行检验分析。找寻能够对样本正确分类的分枝准则和关键节点,从而确定能对公司财务困境程度进行判断的关键财务指标。第四步,结合决策树的判断规则和2013-2015年样本ST公司关键财务指标数值的大小,对2013-2015年ST公司的财务困境程度做出判断。采用SPSSmodeler的分区“节点将2013-2015年的关键财务指标数据分为训练组和测试组,最后采用分析“节点对训练组。测试组模型执行结果进行分析,证明关键指标的波动将严重影响并决定企业的风险程度。执行结果如表1所示。

如上表所示,四个独立样本T检验结果中的F统计量的值分别是0。697。0。830。0。566和1。064,对应的置信水平分别是0。408。0。367。0。456和0。307,均大于5百分号,这说明实际值和预测值方差之间不存在显著差别,所以采用的方法是两样本等方差T检验。4个独立样本T检验中的临界置信水平分别是0。680。0。621。0。979。0。531,均大于5百分号。这说明四个关键财务指标的预测值和实际值没有显著差别。结合决策树模型的判别规则和关键财务指标的预测值判断企业财务困境程度,再与企业2016年第3季度的实际财务困境情况进行对比。得到:2016年第3季度26家样本ST公司财务困境程度预测正确22家,预测错误4家,准确率达84。6百分号,准确率比较理想。

2。总结与讨论

研究发现,存货周转率。固定资产周转率。资产负债率。总资产增长率4项财务指标对ST公司的财务困境程度起到关键作用,它们的波动严重影响并决定企业的财务困境程度。相比于传统的财务困境预警方法,融合了ARTXP算法和ARIMA算法的时间序列模型对数据的要求不高,但是数据处理速度快,预测准确率较理想。因此该方法可以帮助陷入财务困境企业的管理者和投资者对公司财务困境程度进行预测,并采取有针对性的措施帮助企业降低困境程度进而摆脱困境。但是时序预测模型仅仅是根据财务指标的时间序列进行预测和分析,并没有考虑代表公司治理情况的公司董事会结构。股权结构和管理者激励等方面非财务指标。下一步研究将把非财务因素考虑在内并增加样本企业的数量,进而完善财务困境预警体系,提高预测的精确度。

时间序列模型的ST上市公司财务困境预警研究