基于Logit模型的中小企业成长危机预警
- 格式:pdf
- 大小:374.96 KB
- 文档页数:6
SPSS数据分析基于Logistic上市公司财务危机预警分析财务危机财务危机又称财务困境,是指企业由于营销、决策或不可抗拒因素的影响,使经营循环和财务循环无法正常持续或陷于停滞的状态,具体表现包括持续性亏损、无偿付能力、违约和破产等。
财务危机将给投资者、债权人以及银行等金融机构带来风险,所以他们都希望在投资决策时就能得到关于财务危机的警示。
财务危机给企业和社会带来了严重的影响,适时、准确地对企业财务危机进行预测分析是市场竞争机制的客观要求。
因此利用相关信息构建有效的财务危机预警模型,获得上市公司财务状况恶化的预警信号,对于投资者、债权人、经营者以及监管者等诸多方面都具有重要的现实意义。
logistic回归Martin首次运用多元Logistic模型进行银行破产预测,后来Ohison选取了9个财务变量,又运用该模型来预测企业的财务危机。
Logistic模型在20世纪80年代以后得到了较为广泛的应用,一些学者对其进行了改进和扩展,如Charitou 和Trigeorgis采用Logistic回归方法并结合期权定价模型中的相关变量构建了财务危机判别模型,对1983年到1994年期间的139家美国企业进行了对比检验,结果发现到期债务面值、企业资产的当期市价、企业价值变化的标准差等期权变量在预测破产方面作用显著。
数据来源打开数据概览如下所示:操作步骤依次单击菜单“分析—回归—二元Logistic”执行二元逻辑回归过程。
选择因变量和协变量,方法选择向后有条件。
选择“选项按钮”依次选择分类图、霍斯默—莱梅肖拟合优度、在最后一个步骤、在模型中包含常量。
点击“确定按钮”,输出结果。
结果分析数据摘要信息。
“案例处理摘要”表格给出了原始数据中用于分析的案例、缺失案例的统计信息,显示所有185个案例都用来建模,没有缺失信息。
“因变量编码”表格给出了目标变量的编码取值,06/07首ST的取值为1。
进入模型的变量。
给出了最终模型中包含的和未包含的变量的统计量信息:方程中的变量显著性都小于0.05,而不在方程中的变量显著性都大于0.05,这说明最终回归方程中的各自变量对方程的贡献都是显著的。
基于Logit模型的中小企业信贷风险实证分析【摘要】中小企业普遍存在的“融资难”现象影响了中小企业的发展。
文章分析了中小企业的信贷风险,适当选取2013年上市公司为样本,利用SPSS统计软件,运用因子分析方法对中小企业信贷风险指标进行了筛选,构建了基于Logit回归模型的中小企业信贷风险度量模型。
实证分析表明,模型具有较高的有效性和准确性,可作为中小企业信贷风险评估的科学依据。
【关键词】中小企业;信贷风险;因子分析;Logit回归模型一、引言中小企业在国民经济发展中具有重要地位,在推动技术创新、缓解就业压力、方便群众生活、保持社会稳定等方面发挥着重要作用。
但是,相对于大型企业而言,中小企业一般规模较小、员工素质不高、研发投入不足、把握市场能力较弱,在激烈的市场竞争中缺乏应变能力,使商业银行对其设置了严格的融资约束和限制,普遍出现“融资难”的情况,导致经营状况、财务状况越来越差,进一步加剧了中小企业获取资金的难度。
为了改善中小企业经营环境,促进中小企业健康发展,中国人民银行先后发布了有关服务中小企业的货币信贷政策和指导意见,加大了对中小企业的信贷支持。
工业和信息化部发布的《“十二五”中小企业成长规划》指出,中小企业成长面临着国际和国内经济巨大变革带来的历史机遇和严峻挑战,提出了完善政策、加强金融支持等一系列保障措施。
根据中国人民银行发布的《2013年金融机构贷款投向统计报告》,金融机构(含商业银行及农村合作社、城市信用社和外资银行等)全年中小企业贷款余额增加1.63万亿元,占全部企业新增贷款的43.5%;年末小企业贷款余额13.21万亿元,同比增长14.2%。
因此,研究中小企业面临的信贷风险,分析其来源和表现形式,科学地度量其风险水平,对于提高中小企业风险控制能力具有重要的理论价值和现实意义。
二、中小企业信贷风险分析目前,中小企业财务融资和信贷风险主要表现在:融资渠道单一、融资成本较高、信贷支持不够等方面。
摘要:文章以中小型企业为研究对象,筛选了甘肃省的120家中小型企业作为研究样本,构建了基于20个常用的财务指标的logistic回归预警模型,进而对中小型企业的信用风险进行预测分析. 研究结果表明模型具有良好的预测效果,预测准确率达到92.5%,可以较好的为企业内部进行风险预警,并为银行系统提供企业信用风险状况和信贷决策依据.关键词:中小型企业;信用风险;logistic回归模型1.引言信用风险评估是定性和定量的方法对可能引起信用风险的因素进行分析,将评估对象分为正常类和违约类,或直接计算出借款人的违约概率,为担保机构是否承保和银行贷款提供依据.近几年,我国中小型企业占规模以上企业99%,由于银行贷款为其主要的融资方式,这无疑为商业银行提供了很大的业务市场.然而由于中小企业规模小、抗风险能力弱、生命周期短、信息透明度差等特点,银行对其的借贷条件较为苛刻,为中小型企业获得银行间接融资带来一定障碍.综上所述情况,使得建立能够准确预测中小型企业信用风险模型势在必行.本文的研究主要是沿着两个方向进行:基于中小型企业在我国经济中的重要地位以及研究数据的可取得性,选取中小型企业作为研究对象;同时,在充分借鉴前人研究成果的基础上,在确定了科学的样本和指标选择方法之后,采用logistic回归模型对企业信用风险进行研究,使模型建立在可信的数理基础之上,预警效果更为理想.2.实证研究2.1 研究样本和指标选取本文以甘肃省120家中小型企业2011年的财务数据为研究样本,数据来源于联合信用管理有限责任公司甘肃分公司,并根据其评级级别分为风险组以及正常组.本文在财务指标的选取上,主要倚重盈利能力、现金流量、偿债能力、营运能力、成长能力五个方面,初始选取被使用最频繁的20个指标作为研究变量:流动比率、速动比率、资产负债率、总资产收益率、销售净利润、主营业务利润率、净资产收益率、应收账款周转率、总资产周转率、流动资产周转率、存货增长率、销售现金比率、现金收入比、总资产、主营业务收入增长率、净资产增长率、流动负债率、固定资产比率.2.2模型指标的筛选根据上表可以看出,用分析样本数据的预测准确率为93.8%.从预测结果来看,以上模型作为一个信用风险的预警模型无论从历史数据的拟合优度,还是对未来预测来说,均较为理想.4. 结论本文所使用的数据均是真实有效的,所建模型具有较强的预测能力,辨别能力高达92.5%,结果较为理想.并且在预测指标的选择过程中可以发现盈利能力、现金流量、偿债能力和成长能力四类财务指标对判别企业信用风险效果显著.然而本文亦存在很多不足之处,首先所使用数据全部为甘肃省的中小型企业,在对其他地区中小型企业进行分析时,模型或许会有一定的局限性;其次本文仅研究了20个预警指标,并未包括所有的财务指标和非财务指标,而且由于搜集资料途径限制,对于很多有可能影响企业信用状况的指标没有纳入研究.对于以上问题,待以后的工作中会继续研究.参考文献:[2] altman e.financial ratios,discriminant analysis and the prediction of corporate bankruptcy[j].the journal of finance.1968,(23):589-609.[4]hamer m. failure prediction:sensitivity of classification accuracy to alternative statistical methods and variable sets[j], journal of accounting and public policy, 1983,(2): 289-307.[5]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[j].经济研究,2001,6:46-55.[6]张玲.财务危机预警分析判别模型[j].数量经济技术经济研究,2000,(3):51-53.[7]张尧庭等. 定性资料的统计分析[m].广西师范大学出版社, 1991.作者简介:高金玲(1988-),女,内蒙古赤峰,硕士,研究方向:应用统计与精算学。
基于logit模型的中小企业信贷风险评估管理【摘要】本文基于logit模型探讨了中小企业信贷风险评估管理。
在研究背景指出中小企业信贷风险管理的重要性,研究目的是构建有效的风险评估模型,研究意义在于提高中小企业融资效率。
正文部分首先介绍了Logit模型的理论基础,然后详细分析了中小企业信贷风险评估方法和Logit模型的应用,接着阐述了模型构建与变量选择的关键步骤,最后讨论了模型评价与优化策略。
结论部分总结了研究结论,提出了相关的管理启示,并展望了未来研究的方向。
通过本文的研究,可以为中小企业信贷风险管理提供重要的理论指导和实践参考。
【关键词】关键词:logit模型、中小企业、信贷风险评估、管理、理论基础、方法、应用、模型构建、变量选择、评价、优化、结论、管理启示、未来展望1. 引言1.1 研究背景中小企业在经济社会中发挥着重要作用,对于促进经济增长、增加就业机会等方面具有重要意义。
由于中小企业自身特点以及市场环境的不确定性,其信贷风险相对较高。
在金融机构进行信贷决策时,需要对中小企业进行风险评估,以降低风险并提高贷款的成功率。
传统的中小企业信贷风险评估方法主要依靠经验判断和财务比率分析,存在主观性强、依赖数据完整度和准确性等问题。
基于logit模型的中小企业信贷风险评估管理,能够更科学、客观地评估中小企业的信贷风险,提高信贷决策的准确性和效率。
研究基于logit模型的中小企业信贷风险评估管理具有重要意义,能够为金融机构提供更有效的风险管理工具,促进中小企业的健康发展。
1.2 研究目的研究目的在基于logit模型的中小企业信贷风险评估管理中起着至关重要的作用。
本研究的目的在于通过logit模型的应用,对中小企业的信贷风险进行科学评估,为金融机构提供更准确、更有效的信贷决策依据。
具体而言,研究目的包括:通过分析logit模型的理论基础,深入了解其在信贷风险评估中的作用机制,为后续研究奠定基础;探讨中小企业信贷风险评估方法,在实际操作中如何应用logit模型进行风险评估,并对不同方法的优缺点进行比较和分析;深入研究logit模型在中小企业信贷风险评估中的应用实践,探讨其在现实中的有效性和可行性;通过模型构建与变量选择以及模型评价与优化,提高logit 模型在中小企业信贷风险评估中的精准度和效率,为风险管理和决策提供更科学的支持。
基于Logistic模型的中小企业信用风险的度量分析摘要:本文以反映中小企业偿还负债能力和盈利能力两个方面的财务指标,构建logistic模型,对中小企业的信用风险进行测算。
研究结果表明:中小企业的保守速动比率和净资产收益率对企业的违约概率有重要的影响,所以中小企业的短期偿债能力和盈利能力对企业的违约概率有着很强的解释能力。
关键词:信用风险logistic模型;偿债能力;盈利能力在影响企业的信用风险的众多财务指标中,本文认为最重要的因素是偿债能力和盈利能力。
因此,选择的变量有衡量企业短期负债偿还能力的保守速动比率(x1),衡量企业长期负债能力的有形资产净值债务率(x2)和利息保障倍数(x3),同时选择了综合反映企业盈利能力的净资产收益率(x4)。
各指标的计算公式如下:保守速动比率=(现金+交易性金融资产+应收账款+应收票据)/流动负债,有形资产净值债务率=负债总额/(股东权益-无形资产净值),利息保障倍数=息税前利润/利息费用,净资产收益率=净利润/净资产。
由于很难得到中小企业违约数据,所以参照经常性做法,将上市公司中被st(退市风险警示)的公司近似视为违约企业,没被特别处理的企业则视为经营状况良好,不存在违约风险的企业。
上市公司的财务比率数据来源于ressert数据库,共选取了90家上市公司,其中st的公司30家,非st的公司60家,以其数据来估计模型的参数。
然后随机抽取st公司和非st公司各10家,用其数据来进行预测,检验模型的预测效果。
在企业违约风险的度量中,存在违约(y=0)与不违约(y=1)两种情况。
因此,二元选择模型比较适用于企业违约风险的度量。
本文选用二元选择模型中logistic模型,来模拟与评估企业的违约风险。
模型的具体形式为:pi=11+exp(-x′iβ)其中:pi为事件yi发生的概率,x′i为影响事件发生的自变量的转置向量,β为各自变量的系数。
经过比较后发现,含变量净资产收益率(x4)模型的各项指标最优。
基于logit模型的中小企业信贷风险评估管理摘要:随着社会经济的不断发展,中小企业在国民经济中扮演着非常重要的角色。
然而,中小企业信贷风险的评估对于金融机构的稳健经营至关重要。
本文基于logit模型,探讨了中小企业信贷风险的评估管理方法。
首先,介绍了中小企业信贷风险评估的研究现状及某银行的实际案例。
然后,对logit模型进行了详细的解析,包括模型基本结构、似然函数、极大似然估计方法等。
接着,通过某银行的实际数据进行了模型拟合,并对模型的预测准确性进行了验证。
最后,本文提出了针对中小企业信贷风险管理的建议和措施,以提高金融机构的风险管理水平。
关键词:logit模型;中小企业;信贷风险;评估管理;预测准确性正文:一、引言随着我国市场经济的不断发展和改革开放的深入推进,中小企业在国民经济中发挥了越来越重要的作用,已成为中国经济的支柱性力量。
然而,由于中小企业的融资成本较高、融资渠道较窄,许多中小企业被迫依靠银行等金融机构获得融资。
同时,中小企业的信贷风险也相应增加。
因此,金融机构需要采取适当的措施,对中小企业的信贷风险进行评估和管理,以保证其稳健运营。
本文旨在探讨基于logit模型的中小企业信贷风险评估管理方法,并提出相应的解决方案。
二、中小企业信贷风险评估的研究现状及实际案例(这里主要介绍一下现有的研究成果和某银行的实际案例,可以简要概述一下研究方法、实验数据、实验结果等)三、logit模型的基本原理及应用logit模型是用于概率回归分析的一种广义线性模型,常用于研究二分类问题。
在中小企业信贷风险评估中,可以将借款人违约(即发生贷款违约)与不违约两种情况视为两个分类,并通过logit模型对其进行分类预测。
具体来说,logit模型的基本结构可以表示为:$P(y=1|x)=\frac{exp[\beta_0+\beta_1 x_1+\dots+\beta_px_p]}{1+exp[\beta_0+\beta_1 x_1+\dots+\beta_p x_p]}$其中,$y$表示分类结果,$x$表示自变量,$\beta$表示回归系数。
《基于Logistic模型的中小企业信用风险评估研究》一、引言随着经济的快速发展和金融市场的深化,中小企业作为经济发展的重要力量,其信用风险问题逐渐成为金融市场关注的焦点。
信用风险评估是金融机构对中小企业进行风险控制的重要手段。
本文旨在探讨基于Logistic模型的中小企业信用风险评估研究,以帮助金融机构更好地识别和防范信用风险。
二、中小企业信用风险概述中小企业信用风险是指中小企业在经营过程中因各种原因无法按时偿还债务或履行合同义务而给金融机构带来的损失。
由于中小企业的经营规模、财务状况、管理水平等因素的影响,其信用风险相对较高。
因此,对中小企业的信用风险进行评估,对于金融机构来说具有重要意义。
三、Logistic模型在信用风险评估中的应用Logistic模型是一种常用的信用风险评估模型,通过分析企业的财务数据、经营状况、管理水平等因素,预测企业违约的概率。
该模型具有较好的预测性和稳健性,适用于中小企业的信用风险评估。
在Logistic模型中,我们通过建立一系列的自变量和因变量,对企业的各项指标进行量化处理,然后利用统计方法估计出各变量的系数,最终得到一个预测企业违约概率的模型。
该模型可以有效地帮助金融机构识别高风险企业,从而制定相应的风险控制措施。
四、基于Logistic模型的中小企业信用风险评估研究本研究以某地区的中小企业为研究对象,通过收集企业的财务数据、经营状况、管理水平等指标,建立Logistic模型进行信用风险评估。
首先,我们选取了与企业信用风险相关的多个指标,如企业的资产负债率、利润增长率、现金流状况、管理水平等。
然后,我们利用统计软件对数据进行处理和分析,建立Logistic回归模型。
在模型建立过程中,我们采用了逐步回归的方法,对各个指标进行筛选和优化,最终得到一个较为稳定的模型。
通过该模型,我们可以预测企业违约的概率,从而帮助金融机构更好地识别和防范信用风险。
五、研究结果与分析通过基于Logistic模型的信用风险评估,我们发现中小企业的信用风险与其财务状况、经营状况和管理水平等因素密切相关。
148991 企业研究论文基于logit模型的中小企业信贷风险评估管理一、引言在我国的经济发展中,中小企业的作用日益明显,逐渐成为我国市场经济的中坚力量。
然而由于中小企业自身规模小、风险大、管理不够规范等因素,当然也有国家宏观政策、金融机构与企业之间信息不对称等因素的影响,导致中小企业出现融资困境。
对于商业银行而言,如何控制中小企业信贷风险,提高风险控制能力成为银行发展信贷业务面临的重要问题。
如本文拟通过对中小企业信贷风险理论分析和实证分析,探讨评估中小企业信贷风险的数量模型,以有效防范和降低中小信贷风险,有效提高商业银行对中小企业信贷管理水平,继而从银行这方面解决中小企业融资难题。
二、文献综述针对中小企业信贷风险问题,研究者提出了许多分析思路与框架,基于财务指标和信用风险关系的研究,早期较为著名的是Altman,1968年提出的的Logit模型,他应用该模型分析了信用风险;随后有Martin应用了Logit模型预测公司的破产违约概率;我国研究者吴世农运用ST公司数据采用四种分析(剖面分析、单变量分析、线性模型、Fisher二类判定分析以及Logit模型分析),其中Logitech模型的预测准确率最高,研究也证实了Logit模型要优于线性判别模型。
三、实证分析(一)logit回归模型现实生活中,许多现象量度并非线性,而是通常分为两类,Logit模型即用来度量二分类,它属于概率型模型,能预测某事件发生的概率。
通过样本企业的财务指标,建立Logit模型就可以预测观察期内企业违约概率。
其中,Logit模型形式定义如下:logitP=ln■logitP=β0+β1X1+…βiXi+…βnXn其中,Xi是解释变量,表示第i个指标;βi为待估参数,P为违约状况,为虚拟变量,规定当P取1时,违约现象存在。
Logit模型的优点是解决了非线性的问题,它对样本要求不苛刻,不要求样本服从标准正太分布。
(二)变量与数据选取本文选取样本来自我国中小板上市企业,数据来自国泰安数据库,并运用Excel整理分析所得。
文章编号:100124098(2007)0120072206基于L og it模型的中小企业成长危机预警Ξ陈晓红,戴 静(中南大学商学院,湖南长沙 410083)摘 要:中小企业是国民经济发展中的重要力量,然而其成长过程却有较高的不确定性。
为了构建稳健且能有效预测中小企业成长危机的预警模型,以2003年沪深中小上市公司为样本,运用L ogit regressi on构建模型,采用2004年的样本公司对模型进行稳健性检测,最终结果表明,L ogit模型可以有效预测中小企业成长危机。
公司业绩和主营业务是影响中小企业成长性的重要因素。
关键词:中小企业;成长危机预警;逻辑回归模型;稳健性检验中图分类号:F830 文献标识码:A1 引言中小企业是中国国民经济的重要组成部分。
它数量多,分布广,在创造社会财富、吸纳劳动力以及推动技术创新等方面扮演着非同一般的角色。
成长型中小企业是指在较长时期具有持续挖掘未利用资源的能力、不同程度地表现出整体扩张的态势、未来发展预期良好的中小企业。
要充分发挥中小企业的作用保证国民经济的稳定持续增长就必须保持足够数量的成长型中小企业。
中小上市公司由于股本规模较小,较之大型企业成长过程中有较高的不确定性,因此构建有效而且稳定的中小企业成长危机预警模型,借此预防并消除危机非常重要。
本文以沪深两市上市公司为样本,选取适当的财务指标构建模型,并通过滞后一年的样本公司,评价与检验模型预测能力的有效性及稳健性。
2 现有文献综述目前,国内外学者对企业的成长性进行了较广泛的研究,但对中小企业的成长性研究较少。
K i m berly F rank(2002)在分析预测的基础上,发现低成长性公司的会计数据有用性比高成长性公司的要高出许多[1]。
F rédéric D el m ar、Per D avidsson和W illiam B. Gartner(2003)通过采取多项指标评估出1501家高成长性企业样本,定义出七种与企业成立时间、规模和产业从属关系相关的不同的企业成长模式[2]。
国内学者方面,吴世农、李常青和余玮(1999)在总结国外研究成果的基础上,建立了中国上市公司成长性的判定模型,同时还收集了中国深沪两市200家上市公司1996年度的有关财务数据估算模型,为预测中国上市公司成长性提供科学的工具[11]。
汪强(2003)分析了影响企业成长的因素,通过对企业销售收入成长率、利润增长率、产值成长率、资金增长率与资本保值增值率、人员增加率和创汇增长率等成长性指标的实数比较分析、比率分析和趋势分析,研究企业的不同成长模型[12]。
陈晓红、佘坚等(2004,2005)采用突变级数的评价方法对沪深两市的中小上市公司成长性进行了跟踪研究,并对中小上市公司成长性的总体状况及影响因素进行了系统的分析[13]。
目前研究危机预警的模型主要有多元逻辑(L ogit)回归模型、多元概率比(P robit)回归模型、人工神经网络(ANN)模型。
王今、韩文秀(2002)等指出神经网络以其非线性的数据处理方式和动态性一度成为危机预测研究中的热点,但是其网络结果难以确定和缺乏解释能力,预测结果往往和实际有很大的偏差[15]。
P robit模型和L ogit模型思路很相似,但前者要求企业样本服从严格的正态分布。
陈晓红、何鹏等(2005)通过相关统计分析发现中国中小上市公司规模及成长率密度分布并不服从正态分布[14]。
而L ogit模型的最大优点是,不需要严格的假设条件,克服了线性方程受统计假设约束的局限性,且具有了较其他模型更广泛的适用范围。
因此,本文选用L ogit模型进行研究,但考虑到采用变量过多会造成该模型显著性第25卷第1期(总第157期) 系 统 工 程V o l.25,N o.1 2007年1月 System s Engineering Jan.,2007Ξ收稿日期:2006204223;修订日期:2006206214基金项目:国家杰出青年科学基金资助项目(70125002);湖南省社科基金资助项目(05JD18)作者简介:陈晓红,女,中南大学校长助理,商学院院长,教授,博士生导师,研究方向:管理信息系统,中小企业研究,金融工程。
较差,回归模型可能会产生自变量共线性的问题。
本文在构建模型之前,首先根据单变量组间均值相等检验筛选出区分能力最强的变量,再对剩余变量进行相关性分析,确定最终变量进入模型进行预测。
3 研究方法L ogit危机预警模型是采用一系列财务比率变量来预测公司出现各种危机的概率,然后根据银行、投资者的风险偏好程度设定风险警界线、以此对分析对象进行风险定位和决策的模型。
当因变量出现二分位的特点时,残差项存在异方差性的问题,且无法保证估计值一定会落在单位区间内,同时因变量也不满足回归分析的假设,传统的回归分析此时不一定适用。
L ogit模型就是针对这样的缺点而发展出来的。
相对于传统分析,L ogit的样本不需要服从正态分布。
L ogit模型是根据L ogistic概率密度函数而来的,若变量t是L ogistic函数的随机变量,则它的概率密度函数是:f(t)=e-t(1+e-t)2, -∞<t<∞(1)其随机变量的分布密度函数是:F(t)=p[T≤t]=11+e-t(2)在L ogit模型中,观察到的y值为1的概率为p i=p[T≤Α+Βx i]=F(Α+Βx i)=11+e-(Α+Βx i)(3)记Z i=Α+Βx i,则式(3)变形为(4)和(5):P i=11+e-Z i(4)1-P i=11+e Z i(5)由(4) (5),得:P i1-P i =1+e Z i1+e-Z i=e Z i(6)将(6)两边取常用对数,得:lnP i1-P i=Z i=Α+Βx i(7)(7)式即我们需要的L ogit模型函数,将自变量扩充为多元,就得到一般的L ogit回归模型:lnP i1-P i=∑x iΒi+Α(8)如果从这个模型中得到Β的估计Βδ,就可以估计出第i个样本有(或无)的可能性Pδi.4 实证研究4.1 成长危机的定义成长性指公司在自身发展过程中,通过生产要素与生产成果变动速度间的优化而获得的公司价值的增长能力,表现为公司所属产业与行业发展势头良好,产品前景广阔,公司规模逐年扩张,市场盈利能力不断增长的趋势。
中南大学商学院中小企业成长性课题组研究报告[13]通过对中小上市公司成长性的研究,提出成长危机的定义为:中小上市公司在经历了上市后迅速成长扩张的阶段后,其成长能力明显放缓,出现成长停滞的趋势。
根据中小企业成长性课题组对中小上市公司等级的划分,本文所采用的成长危机样本公司为报告中排名进入低成长性范围的中小上市公司。
4.2 样本选取本文采用第t-1年的数据来预测第t年是否会存在成长危机。
本文以2003年发生成长危机的公司构建成长危机预警模型,以2004年的公司成长性检验模型稳健性。
本文选取2003年沪、深两家上市的中小企业82家,其中出现成长危机的公司共25家,剩下的57家为正常公司,样本公司均采用公司前一年的财务资料。
本文所采取之财务数据均来自“万得数据库”和上市公司年报。
表1 2003年中小上市公司样本选择证券代码证券简称成长性排名证券代码证券简称成长性排名600521华海药业1000997新大陆42 600557康缘药业2000803美亚股份43 600565迪马股份3600517置信电气44 600360华微电子4600562高淳陶瓷45 600518康美药业5600532华阳科技46 600590泰豪科技6600222竹林众生47 600533栖霞建设7600391成发科技4837第1期 陈晓红,戴静:基于L ogit模型的中小企业成长危机预警47系 统 工 程 2007年600460士兰薇8600582天地科技49600478力元新材9600527江南高纤50600396金山股份10600560金自天正51600351亚宝药业11600476湘邮科技52600446金证股份12600571信雅达53600486扬农化工13600403欣网视讯54600525长园新材14600587新华医疗55600392太工东成15000985大庆华科56600251冠农股份16600340国祥股份57600310桂东电力17600537海通集团358600406国电南瑞18600559裕丰股份359600563法拉电子19600419新疆天宏360600552方兴科技20600373鑫新股份361600148离合器21600575芜湖港362600499科达机电22600568潜江制药363600586金晶科技23600184新华光364000156安塑股份24000925浙大海纳365600538北海国发25600459贵研铂业366600561江西长运26600248秦丰农业367600381白唇鹿27000790华神集团368600298安琪酵母28600513联环药业369600485中创信测29600435北方天鸟370600379宝光股份30600520三佳模具371600592龙溪股份31600346冰山橡塑372000810四川锦华32600490中科合臣373600458时代新材33600265景谷林业374600285羚锐股份34600305恒顺醋业375600589广东榕泰35600466迪康药业376600257洞庭水殖36600599浏阳花炮377600449赛马实业37000967上风高科378600436片仔癀38600496长江股份379600353旭光股份39000153新力药业380600211西藏药业40600566洪城股份381600529山东药玻41600506香梨股份382 3 成长性危机公司。
4.3 模型变量的筛选本实证研究的因变量采用二分类法(dicho tomous),将1代表为成长危机公司,0则代表为正常公司。
从成长能力、盈利能力、资金营运能力、市场预期指标、企业规模五个方面共选取12个指标做为模型的初始自变量,分别是:x1(主营业务收入),x2(每股净利润平均增长率),x3(每股净资产平均增长率),x4(每股收益),x5(主营业务利润率),x6(净资产收益率),x7(每股经营性现金流),x8(资产负债率),x9(资产周转率),x10(净资产倍数),x11(利润增长与市盈率之比),x12(资产总额)。
4.4 模型变量的解释在以上变量中x2(每股净利润平均增长率),x3(每股净资产平均增长率),x4(每股收益),x5(主营业务利润率),x6(净资产收益率),x7(每股经营性现金流),x8(资产负债率),x9(资产周转率),x10(净资产倍数),x11(利润增长与市盈率之比)直接采用上市公司年报的数据。