某公司財務知識與財務惡化預警研究管理學(編輯修改稿)
2025-03-23 11:43 本頁面
【文章內(nèi)容簡介】 3和 X1 X1 X15上有較大的載荷，我們將其稱為資本結構與經(jīng)營風險因子；第二個主因子 factor2在 X X X X11上有較大的載荷， 我們稱其為經(jīng)營成本因子；第三個主因子 factor3在 X1 X17上有較大的載荷，稱其為成長能力因子；第四個主因子 factor4 在 X XX12上有較大的載荷，稱其為短期償債能力因子；第五個主因子 factor5 在 X X X18上有較大的載荷，稱其為長期償債能力因子；第六個主因子 factor6 在 X1 X20上有較大的載荷，稱其為獲利能力因子。 下文我們將用這 6個因子作為自變量進行 logistic回歸。 logistic回歸模型為： 其中， y 是實際觀察到的反應變量， y = 1表示財務異常， y = 0表示財 務正常； p 表示公司財務異常的概率 ,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。 四、 Logistic 實證結果分析 （一） Logistic模型回歸結果 本文依據(jù)均值 方差的方法以時間序列的方式，分別以該年前兩年的產(chǎn)險業(yè)財務比率變量的均值加減兩個標準差為上、下限（即 2023年選用 2023年和2023年的相應財務變量的均值和標準差， 2023年選用 2023年和 2023年的相應財務變量的均值和標準差）以及依據(jù) 1號文中財險公司業(yè)務的監(jiān)管指標規(guī)定作為判斷的標準，選取 2023年至 2023年的產(chǎn)險公司為觀察樣本，共計 49個觀察樣本。各個樣本的財務變量若未落入上下限區(qū)間內(nèi)，則認為該樣本公司的該財務變量出現(xiàn)異常，否則就認為正常。將出現(xiàn)異常的財務變量個數(shù)相加，就得到該樣本公司不符合設定標準的財務變量的個數(shù)。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。將 4個模型區(qū)分為正常公司與異常公司的樣本數(shù)匯總為下表 1： 將上述因子分析過程得到的 6個因子全部放入 logistic回歸模型，用逐步回歸的方法進行分析，變量加入和保留的顯著水平分別為 與 ，結果如表 2所示： 表 2至表 5中 HL是 Holmer和 Lemeshow提出的擬合優(yōu)度檢驗指標，可以看出， HL指標的 p值不顯著，表明模型很好地擬合了數(shù)據(jù)。 從前三種 Logistic 回歸模式的結果可知， factor factor factor5和factor6對產(chǎn)險公司的財務惡化狀況有較好的預測能力，即資本結構與經(jīng)營風險因子、短期償債能力、長期償債能力和獲利能力因子涵蓋了各方面財務狀況信息。另外，當指標規(guī)定過于寬松如模式 4下，僅factor1對財務惡化狀況的影響顯著，缺少了償債能力、獲利能力等因素，必然會導致模型整體的預警能力較差。 （二） Logistic回歸模型預測能力分析 由于國內(nèi)外
教學課件相關推薦
鄂ICP備17016276號-1