財務預警模型的分類(參考版)
2025-04-10 22:16本頁面
【正文】 我國學者吳世農(nóng)、盧賢義建立的財務預警模型具有樣本新、容量大的特點，他們在２００１年對經(jīng)過嚴格檢驗的同一套樣本指標分別用判別分析方法和ｌｏｇｉｔ方法進行財務預測，結果發(fā)現(xiàn)ｌｏｇｉｔ模型的預測精度（９３．６％）要明顯優(yōu)于判別分析方法的預測精度（８９．９％）。Ａｌｔｍａｎ２０００年用判別分析方法建立的預警模型，其預測精度仍高達９６％。此方法目前被廣泛運用。簡單線性概率模型有四個缺陷：①殘差不滿足正態(tài)分布，而是二項分布；②具有異方差；③一般樣本決定系數(shù)太小，回歸方程擬合程度低；④難以保證回歸值在［０，１］區(qū)間，因此，用此方法建立的財務預警模型，其預警判別能力不如其他方法。 利用主成分分析方法建立財務預警模型有一個明顯的缺陷：即綜合評分式權重的確定以及判定區(qū)間的確定都具有較大的主觀性和不準確性，尤其是后者受樣本數(shù)據(jù)分布的影響很大。一般要求數(shù)據(jù)服從正態(tài)分布和兩組總體間協(xié)方差矩陣相等。 ２．各種統(tǒng)計方法建立財務預警模型的比較。簡單的線性概率模型和ｌｏｇｉｔ概率模型都屬于回歸分析方法，其目的是研究模型中各解釋變量與被解釋變量之間的特定的關系，尤其是數(shù)值關系。判別分析和主成分分析方法屬于多元統(tǒng)計分析，其中，判別分析方法主要研究在已知研究對象分成若干類型并已取得各類樣品觀測數(shù)據(jù)的基礎上，如何判別一個新樣品的歸類問題，即判別分析的宗旨就是判斷新的案例的類別。因此，目前在財務預警模型方面仍然以傳統(tǒng)的統(tǒng)計方法為主，而動態(tài)模型尚不夠成熟，對它的應用仍處于探索、實驗階段。而傳統(tǒng)的統(tǒng)計模型發(fā)展得比較成熟，計算也相對簡單，應用也較為廣泛。另外，這種模型要求擁有大量的學習訓練樣本以供分析，如果樣本數(shù)量積累得不足、沒有足夠的代表性和廣泛的覆蓋面，則會大大地影響系統(tǒng)的分析和預測的結果。動態(tài)模型如神經(jīng)網(wǎng)絡模型等的分布是自由的，當變量從未知分布取出和協(xié)方差結構不相等（企業(yè)失敗樣本中的常態(tài)）時，神經(jīng)網(wǎng)絡能夠提供準確的分類。并且，由于動態(tài)預警模型具有高度的自我學習能力，對錯誤資料的輸入具有很強的容錯性，因而更具有實用價值。并且，靜態(tài)統(tǒng)計模型對錯誤資料的輸入不具有容錯性，無法自我學習和調整。靜態(tài)統(tǒng)計模型只是根據(jù)以前的樣本資料建立起來的，樣本資料一旦確定，便難以再予調整，除非重新建立模型。
公司管理相關推薦
鄂ICP備17016276號-1