某公司財務(wù)知識與財務(wù)惡化預警研究管理學-文庫吧在線文庫
【正文】 ％，接近 85%，所以選前 6個因子為主因子。我們將其分為四個等級，分別為異常指標數(shù)目大于 3個、大于 4個、大于 5個、大于 8個，作為區(qū)分正常公司與異常公司的標準，即監(jiān)管標準從嚴格到寬松，相應地得到了4個模型。但若以識別正常公司的正確識別率來看，以預測概率為好，反之，若以識別異常公司的正確識別率而言，則相對以事前概率為好，其原因是因為事前概率的受檢值將隨著異常公司過去所發(fā)生的概率改變，較能反映異常情況的發(fā)生概率。不同模式下發(fā)生兩類錯誤的概率如表 8所示 ? 為了判斷模型的有效性，必須區(qū)分這兩類錯誤的發(fā)生成本。 再進一步作個案探討，以模式 2下的 Logistic事前概率對 2023和 2023年各產(chǎn)險公司進行財務(wù)狀況進行預測，其結(jié)果如圖 1所示。由于事前概率的受檢值隨著異常公司過去所發(fā)生的概率改變，更能反映異常公司的發(fā)生概率，因此以事前概率為受檢值預測異常公司的發(fā)生概率更為合理。 Y公司為 2023年新成立公司，業(yè)務(wù)還不十分穩(wěn)定，財務(wù)指標波動劇烈，成為受關(guān)注的公司。理論上，總體相對成本低的模型更為有效，并易于被接受。在前三種模式下，無論事前概率還是事后預測概率來看，以大于 5個以上指標作為異常公司標準更為合適，其整體正確識別率最高。 （二） Logistic回歸模型預測能力分析 由于國內(nèi)外文獻對于償付能力不足的相關(guān)研究大部份均假設(shè) pi=（臨界值為 ）作為研究基礎(chǔ)，然而，當財務(wù)狀況正常與異常公司的樣本數(shù)不相等時（即 pi≠ ），則須運用事前概率（ prior Probability）的概念，將過去數(shù)據(jù)中異常公司樣本數(shù)占全部樣本數(shù)的比率作為臨界值（ cutoff value），將預測值小于臨界值的樣本歸類為正常公司，反之則歸類為異常公司。 logistic回歸模型為： 其中， y 是實際觀察到的反應變量， y = 1表示財務(wù)異常， y = 0表示財 務(wù)正常； p 表示公司財務(wù)異常的概率 ,α為截距項， β1, β6, L為斜率 參數(shù)， factor1 , L factor6為通過因子分析計算出的 6個主因子。但是，以上指標個數(shù)達 20個，而且各指標之間存在一定的相關(guān)性，因此我們希望用較少的綜合指標綜合存在于各指標中的信息，同時使綜合指標之間彼此不相關(guān)，從而利用該綜合指標對各個觀測進行綜合評價，來獲得比較可信的結(jié)果。 通過上述文獻回顧發(fā)現(xiàn)，財務(wù)預警的主要目的是尋找一套有效預測保險公司財務(wù)狀況的方法，以避免保險公司破產(chǎn)導致社會動蕩與經(jīng)濟發(fā)展不穩(wěn)定等現(xiàn)象。由于以 Logistic模型作為分析工具，需要有實際失去償付能力公司的相關(guān)數(shù)據(jù)，然而目前國內(nèi)產(chǎn)險業(yè)尚無公開的失去償付能力的公司，因而本文擬根據(jù)財務(wù)比率分析中的均值 方差法，將研究樣本依財務(wù)狀況分為兩組，財務(wù)狀況好的公司視為正常公司，反之則視為異常公司。而于保險公司財務(wù)異常狀況的識別和預測可以幫助保險公司管理層確定公司是否面臨經(jīng)營失敗的風險，也可以幫助審計人員判斷公司是否具有持續(xù)經(jīng)營的能力，這對于監(jiān)管機關(guān)、立法部門、保單持有人
教學課件相關(guān)推薦
鄂ICP備17016276號-1