中小企业预警指标体系研究_支持向量机

利用SPSS非参数检验中两独立样本检验的Mann-Whitney U检验，对不服从正态分布的95个指标进行非参数检验。以长期偿债能力为例，结果见表1：

由表可知，在显著性水平为0.05的情况下，只有C1、C2、C5、C6、C7、C8、C9这7个指标在区分ST企业和正常企业的时候存在显著差异，其他4个指标予以剔除。其他类指标作类似处理。

最后，经过指标区分度检验，110个指标只有63个指标能够显著区分ST企业和正常企业。

3.3.3 指标间多重相关性检验

通过独立样本T检验和非参数检验，最后剩下的63个指标。这63个指标之间可能存在多重共线性关系，因此必须对剩下的指标进行相关分析，对相关程度高的指标进行合并、剔除，最终剩下的指标作为文章的模型预警指标体系。

本次试验是在SPSS15.0软件下进行，首先对63个指标进行划分：连续型数据指标进行双变量相关分析；离散型的两值数据指标则进行距离分析。这63个指标中只有对外担保、地域因素、审计意见类型、有无简称变更4个指标数据是离散型的两值数据，其他59个指标数据均为连续型数据。

(1)距离分析

采用SPSS里距离分析中的海明相似性测度对两值数据之间的相关性进行分析。对对外担保F6、地域因素F7、审计意见类型F16、有无简称变更F19这4个两值数据指标进行海明相似性测度结果见表2：

由表可知：只有审计意见和有无简称变更两个指标存在高度相关，其他指标间的相关程度均不高，均小于0.5。因此文章删除其中之一的有无简称变更，这是因为审计意见作为非财务指标已经被众多学者所接受，而且有学者论证审计意见作为预警模型指标，对预警的准确率有很大提高，因此文章予以保留。

(2)双变量相关分析

文章的双变量相关分析是采用SPSS里的Pearson简单相关系数分析。为了最大限度筛选指标，优化模型指标体系，取相关度为0.5以上为两指标相关，舍弃其中之一。为了减少指标之间的多重共线性，文章先对各大类指标项之间的指标进行相关分析，按照最大限度保留企业信息，保证各个大类指标项中均有指标，留下更多的不相关指标，保证删除的指标数是最少的，留下那些常用合理的指标，并综合专家意见，剔除指标。几个大类指标相关关系分析完以后，对保留的指标再综合起来进行相关分析，最后剔除相关度高的几个指标。如此处理完以后，最后剩余23个指标，对这剩余的23个指标进行相关分析，发现指标间的相关程度均不高论文格式。另文章为了保证不错删指标，最大化保留指标体系，文章还将所有的59个连续型数据指标一起做相关分析支持向量机，并按照上述方法，筛选指标，最后所得指标与上述方法所得指标一致，因此，这23个指标可以作为模型的预警指标使用。

3.4 预警指标体系

3.4.1 加入非财务指标的预警指标体系

经过关键指标的选择，最终剩余23个指标，包括企业9个方面信息，指标区分ST和正常企业显著，指标之间相关程度不高，可以作为模型的T-3年预警指标体系。这些指标分别为：①长期偿债能力：资产负债率、利息保障倍数、长期资产适合率、流动资产比率；②短期偿债能力：速动比率、营运资金对净资产总额比率；③发展能力：固定资产增长率、总资产增长率、利润总额增长率；④风险水平：综合杠杆；⑤获利能力：每股收益、市盈率、每股公积金；⑥现金流量：现金与利润总额比、每股投资活动现金净流量；⑦盈利能力：营业毛利率、销售净利率；⑧营运能力：营运资金周转率、总资产周转率；⑨非财务指标：大股东资金占用、配股或保盈因素对公司报表的影响、股权集中度、高管持股比例、对外担保、地域因素、审计意见类型；

3.4.2 纯财务指标的预警指标体系

按照3.3关键指标的确定中所述方法，去除非财务指标，对原始的84个财务指标进行K-S检验，独立样本T检验，非参数检验，相关性分析，最后得到的T-3年财务预警指标体系为:加入非财务指标的预警指标体系中，去除非财务指标，还包括营运能力中的现金及现金等价物周转率。这是因为现金及现金等价物周转率与大股东资金占用相关性程度比较高，考虑到非财务指标体系时为了留下更多的非财务指标，剔除了这个财务指标。

四、实证研究

4.1 建立模型

文章采用林智仁等开发的SVM模式识别软件包libsvm来建立模型，使用高斯径向基核函数，其中的参数C和由libsvm自带的软件进行寻参。为了提高模型的可适用性及预测准确率，文章从100家正常企业和29家ST企业中按照80%的比率取80家正常企业和23家ST企业作为建模样本，其他20家正常企业和6家ST企业企业作为预测样本，最后这样随机选取10组企业数据作为建模样本和预测样本，计算每个模型的预测准确率，最后计算模型总体的预测准确率。

4.2 结果与分析

对上述纯财务指标和加入非财务指标的两个支持向量机模型的预测结果如下：

纯财务指标的结果见表3：

加入非财务指标的结果见表4：

使用T-3年的年报数据，运用纯财务指标和加入非财务指标的两种指标体系建立的支持向量机模型预测我国中小企业财务危机，其分析结果如下：

(1)：两种指标体系建立的支持向量机模型的预测准确率都是可以接受的，一个总体预测准确率达到87.31%，一个则达到91.16%。相比之下，加入非财务指标的指标体系建立的预警模型预警准确率更高，这说明了，我国中小上市企业的非财务指标中包含着预测财务危机的信息，加入非财务指标预测企业财务危机是必要和可行的。

(2)：通过对建模样本的回代判定，发现无论是单组还是总体预测准确率，两种模型的回代检验准确率都高于对预测样本的预测准确率，但相比之下加入非财务指标的预警模型优于纯财务指标模型，正确判定率下降的更慢，这说明加入非财务指标以后的支持向量机模型的泛化能力更强，容错能力更强。

(3)：无论是对正常企业还是ST企业的预测，加入非财务指标的预警模型预测准确率更优，这说明加入非财务指标的必要性。

(4)：通过10组数据进行的实验支持向量机，发现选取不同的建模样本和预测样本，预测的准确率都是不同的，这说明选择合适的建模样本和预测样本，对提高模型的预测准确率是有帮助的。文章在后续研究中通过将前10组数据预测中的异常样本、不同指标中的最大最小值的企业都加入到建模样本里时，通过最优参数选择，建立的预警模型，预测样本和回代样本的预测准确率都可以得到大幅度提升，其中加入非财务指标建立的预警模型可以达到预测样本和回代样本准确率都达到100%，而纯财务指标建立的预警模型无论怎么取样本，均未能都达到100%，这更加说明了加入非财务指标是必要的。

(5)：通过与其他学者的研究结果进行比较，如文献^[13-14]，同是用纯财务指标和支持向量机进行预警，文章虽然预测样本较少，且样本数据属于不平衡数据，但其预测的准确率却远远高于其模型。这说明文章的预警指标体系是合理的和可行的。

五、结论与展望

文章以我国深沪两市中的中小板企业和部分主板A股企业作为研究对象，利用企业被ST前3年的年报数据，分别建立了一套T-3年纯财务预警指标体系和加入非财务指标的T-3年预警指标体系，构建了适合我国中小企业的财务风险预警模型，为广大投资者、债权人及其他利益相关者预测公司财务状况提供科学的决策手段,同时也为企业防范和化解危机提供了宝贵的时间。实验证明，两个预警指标体系是可行的，构建的两个预警模型均取得了比较好的预警效果。相比纯财务指标，引入非财务指标，更能明显提高企业的风险预警效果。

参考文献
[1]http://www.sina.com.cn 2009年06月28日23:12CCTV《经济半小时》：社科院报告显示我国4成中小企业在生死线上挣扎
[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1994，4：31-38
[3]刘洪，何光军.基于人工神经网络方法的上市公司经营失败预警研究[J].会计研究，2004，2：42-46
[4]杨淑娥，黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践，2005，1：12-26
[5]宋新平，丁永生.基于最优支持向量机模型的经营失败预警研究[J].管理科学，2008，1：115-121
[6]张根明，向晓骥.基于支持向量机的上市公司财务预警模型研究[J].科技管理研究，2007，4：234-242
[7]惠守博，王文杰.基于支持向量机的财务预警模型与应用研究[J].计算机工程与设计，2006，7：1183-1186
[8]胡达沙，王坤华.基于PSO和SVM的上市公司财务危机预警模型[J].管理学报，2007，5：588-592
[9]李志强.财务预警指标拓展研究探析[J].河南大学学报(社会科学版)，2009，3：34-39
[10]桂梦吟，伍硕频.非财务视角下财务困境预警模型研究[J].金融经济，2007，22：132-133
[11]邓晓岚，王宗军，李红侠，杨忠诚.非财务视角下的财务困境预警———对中国上市公司的实证研究[J].管理科学，2006，3：71-80
[12]张海良.颠覆---中小企业生存之道[M].北京:清华大学出版社，2009
[13]宋姣.基于支持向量机的上市公司财务危机预警研究[J].哈尔滨商业大学学报(自然科学版)，2007，5：637-640
[14]黄海轮.基于支持向量机模型的财务预警应用研究[J].长江大学学报(自然版)理工卷，2007，3：85-87
 

 2/2   首页 上一页 1 2