浅析上市公司的财务状况与风险防范

作者：王徐瑶 邹国昊 王梦洁

来源：《现代经济信息》 2018年第19期

摘要：现如今我国上市公司的财务危机时有发生，对于投资者来说，能够准确预知企业财务危机并做出应对是十分必要的。本文主要目的是在总结前人研究后，遵循相关原则选取了2016 年已标记的“*ST”和正常上市公司企业的财务指标数据进行分析，并用Matlab 模型与Logistic 回归模型进行对比。从实证结果可以看出，相关分析可以有效帮助企业规避风险的发生，増进金融市场的稳健性[1]。

关键词：上市公司；财务状况；Logistic 回归模型；Matlab 模型

中图分类号：F275 文献识别码：A 文章编号：1001-828X(2018)028-0165-02

一、引言

经济全球化促使上市公司在获取经济资源的同时承担着市场巨大的竞争压力，加之存在了某些不确定因素，上市公司所面临的经营、财务等风险也随之增加。现行研究的模型虽然一定程度上可以帮助企业进行财务预警，但是单变量模型、多变量模型与Logistic回归模型准确性较低，同时，神经网络模型过于复杂，分析机制难以把握。但是Matlab 模型可以弥补现有模型的缺点，更好的进行财务风险预警。本文从数据技术层面上探讨了利用Matlab 方法建立企业财务风险评价模型的问题，总体上采取了从阐述理论支持到进行实证分析的研究思路。

二、模型分析

( 一) 样本选择

本文选取了2016 年年度报告已标记的“*ST”和非“*ST”的上市公司的财务数据，本文使用的数据均来自同花顺数据库。所选取的上市公司按照中国证监会行业有关规定划分，样本分布如下表所示：

本文通过对前者的研究深思后，遵从指标选择的全面性、代表性、可比性、重要性与科学性原则出发，从上市公司的营运能力、偿债能力、盈利能力、现金流量和成长能力等五个方面选取财务指标，建立上市公司财务预警模型，如下表所示：

由于我国上市公司各行各业都有显著的行业差异，本文在对建立财务预警模型选择财务指标时，已经摘除行业之间不符合可比性原则的数据，最大限度消除影响。

确定了自变量，建立基础Matlab 模型的财务预警模型，选取“*ST”上市公司和财务正常公司大致以一比五关系，分析每个财务指标的作用，输出部分依赖图。

运行结果如下：

( 二) 部分依赖图

1. 自变量X1( 净资产收益率ROE)

如图所示，随着净资产收益率ROE 越来越高，上市公司的财务风险越来越小，当净资产收益率ROE 高到一定值时，上市公司的财务状况达到平衡。

2. 自变量X2( 总资产报酬率ROA)

如图所示，随着总资产报酬率ROA 越来越高，上市公司的财务风险越来越小，当总资产报酬率ROA 高到一定值时，上市公司的财务状况达到最安全状态。

3. 自变量X3( 每股净资产BPS)

如图所示，随着每股净资产BPS 越来越高，上市公司的财务风险越来越小，当每股净资产BPS 高到一定值时，上市公司的财务状况达到最安全状态。

4. 自变量X4( 每股收益EPS)

( 三) 对比验证

为了进一步确定Matlab 模型对上市公司财务预警的准确性，本文也建立了Logistic 逻辑回归模型，所选数据和以上Matlab 模型使用数据一样，所选财务指标变量也相同。

从拟合结果可以看出，由于部分变量之间存在一定的共线性，因此只有自变量X3 的P 值

小于0.05，说明模型拟合度较差。利用Matlab 和logistic 回归模型， 可以得到“*ST 企业” 和“非*ST 企业”的预测判断概率结果。对于所有企业的预测概率，当其小于0.3 时，将其作为“非*ST 企业”进行归类，当其大于0.7 时，将其作为“*ST 企业”进行归类，对于预测概率介于0.3—0.7 的企业，将其作为“无法判断”进行分类。

三、结语

本文采取实证研究方法将上市公司的财务状况判断导入到模型中，结合了前人的研究，将其结果与Logistic 逻辑回归模型的结果进行对比验证，经分析，模型研究可以更加完善准确的预测财务风险，有效帮助企业规避危机的发生，増进金融市场的稳健性。同时积极从虚拟社区视角预警风险，公司小规模社区能够对参与其中的个体产生规范性影响和信息性影响，而社区成员的信息整合共享的能力一定程度上也决定了虚拟社区的规范性以及安全性[2]，从而规避公司风险。

由于本文选取的数据只有2016 年上市公司的部

分财务指标，样本可能存在一定的选择性误差。希望之后对于建立Matlab 模型来预测财

务风险时能够选取多年的样本数据，最大可能消除数据量不足引起的结果误差，弥补这一问题。