网站首页  词典首页

请输入您要查询的论文:

 

标题 基于主成分
范文

    摘 要:纺织行业健康平稳的发展,关系着国计民生和社会稳定的大局。目前我国纺织企业急需一套有效合理的财务预警系统来保障企业长期稳定的发展。本文以我国纺织上市公司为研究样本,构建了纺织企业财务风险预警的主成分-Logistic模型,为纺织企业发展提供帮助。

    关键词:纺织企业;财务预警;Logistic模型

    一、引言

    纺织行业在我国经济发展中起着重要的作用,它促进了我国的就业,扩大了外贸出口,它的健康平稳的发展,对国计民生和社会稳定至关重要。然而受国际市场需求的下降、产业转型升级步伐加快、成本增加等因素的影响,纺织企业的生存发展遇到了最严峻的挑战。为了保障企业长期稳定的发展,我国纺织企业迫切需要建立一套有效合理的财务预警系统,及时预测纺织企业的财务状况,及早发出预警风险信号,提高纺织企业抗风险能力。本文结合财务预警相关理论,选取部分上市纺织公司进行实证研究,构建了一套适合我国纺织行业的主成分-Logistic财务风险预警的模型,以保障纺织企业长期安全稳定运营和发展。

    二、研究设计

    1.样本的选取

    本文将上市公司中的“*ST类”公司定义为“存在财务风险”企业。根据同花顺软件的数据,截止2015年4月,在我国 A股市场上共计39家纺织制造业上市公司。其中被界定为*ST纺织制造公司的有3家,*ST中毅(600610),*ST新民(002127),*ST派神(000779),然后再随机抽取12家纺织上市公司作为研究样本(如表1),研究这些公司2011年-2013年的财务数据。

    表1 研究样本

    

    2.财务指标的选择

    在财务预警指标的选择上,本文首先参考了国泰安“中国上市公司财务指标分析数据库”中对财务指标设置的分类,然后结合纺织企业实际情况和财务数据的可获得性,最后选取了反映企业偿债能力、盈利能力、成长能力、营运能力、现金流量能力五个方面的10个财务指标来构建纺织行业财务指标预警模型,如表2所示。

    表2 财务危机预警指标

    

    3.模型的选取

    本文采用的预警模型为主成分—Logistic回归模型。首先,采用主成分分析法,将多个解释变量(财务指标)化为少数几个相互无关的综合指标,实现降维,然后再把综合指标引入Logistic模型进行回归分析。该模型不要求研究的数据符合正态分布,只判别上市公司是否出现财务危机情况。定义如下:

    假设用p表示事件发生的概率,即P=P(Y=1),事件未发生的概率为(1-p)。引入p的Logistic变换,即:

    

    

    

    以logit(0.5)=0为中心对称,当p≥0.5时,就可以认为上市公司发生了财务危机,而当p<0.5时,则认为上市公司没有发生财务危机。主成分—Logistic回归模型以k个主成分作为Logistic分析的解释变量,克服了单纯采用Logistic分析的共线性和原始变量数据丢失信息等问题,具有比较高的判断正确率。

    三、模型的构建和检验

    1.预警模型的构建

    本文采用主成分分析法提取影响纺织行业财务运作的关键因子。首先,采用SPSS20.0把原始数据标准化,然后对标准化后的数据进行KMO统计量与Bartlett球形检验,以检验其是否适合进行主成分分析,如表3所示。

    表3 KMO和Bartlett检验

    

    KMO统计量的值介于0和1之间。一般情况下,KMO大于0.5表明适合进行主成分分析。从表3可以看出,KMO值为0.737,大于0.5,Barlett检验的近似卡方统计值的显著性概率为0.000<0.05,所以,我们认为样本数据较适合做主成分分析。

    其次,采用SPSS20.0对标准化后的数据进行主成分分析。结果如表4所示。从表4中,我们可以看到前4个主成分的累计贡献率达到87.933%,也就是说,这4个主成分包含了87.933%的原指标信息,因此,我们选择这4个主成分来代替原来的10个解释变量。

    表4 主成分特征值及方差贡献率

    

    提取方法:主成分分析法

    由因子载荷矩阵可知:X1、X2在第一主成分上有较高载荷,主要反映了偿债能力;X10在第二主成分上有较高载荷,主要反映了现金流量能力;X3、X4、X5、X9在第三主成分上载荷较高,主要反映了盈利能力;X6、X7、X8在第四主成分上有较高的载荷,主要反映了企业的成长能力和营运能力。我们用提取的四个主成分代替原来的10个变量,并将原始变量X1,X2,…,X10的值代入,即可计算出各样本的4个主成分值F1、F2、F3、F4,然后再对F1、F2、F3、F4四个主成分进行Logistic回归分析,得到纺织企业财务危机预警模型为:

    

    

    

    

    

    

    

    

    

    从回归系数的绝对值可以看出,F1、F2两个主成分对P值的影响大于F3、F4,这就意味着,在纺织企业财务预警方面,偿债能力指标和现金流量能力指标比成长能力指标、营运能力指标更有效。

    2.模型的检验

    将研究样本的数据代入所建立的财务危机预警模型,结果如表5所示。从表5可以看出,该模型的预测准确度为91.11%,我们可以得出如下结论:该模型对纺织行业具有较好的整体预警作用。

    表5 逻辑回归判别结果

    

    四、研究结论

    1.主成分-Logistic模型具有较强的准确性和实用性。该模型通过对综合指标的回归分析,避免了原始数据信息的丢失,使得模型预警结果的准确性和合理性提高。本文研究的数据来自纺织服装业上市公司,因此,本模型的结果对纺织服装行业的预测性较高,其他行业的适用性有待验证。

    2.主成分-Logistic模型仍需要进一步修正。在建立纺织企业财务风险预警模型时,本文并未考虑定性方面的影响因素,仅仅采用定量分析法对财务指标进行了研究。在以后的研究中,应当综合考虑定性指标对模型进行修正,使得模型更加符合实际,更加有效。

    参考文献:

    [1]曹秀俊.后经济危机下中国纺织行业上市公司财务预警的实证研究[J].商业会计,2014(3):45-47.

    [2]刘青,王瑞雪.纺织业上市公司财务危机预警模型的构建[J].辽宁师范大学学报,2013(9):329-333.

    [3]赵息,肖铮.Logistic模型在上市公司财务预警中的应用研究[J].西安电子科技大学学报,2007(3):21-24.

    [4]李建中,武铁梅.基于因子—Logistic模型的房地产业上市公司财务预警分析[J].哈尔滨商业大学学报,2010(5):89-93.

    [5]张爱民,祝春山.上市公司财务失败的主成分预测模型及其实证研究[J].金融研究,2001(3):10-25.

    

    

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/21 18:46:19