基于决策树的财务危机预警研究

一、决策树研究方法概述

决策树是以实例为基础的归纳算法，能够从一组无次序、无规则的事例中推导出决策树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支，在决策树的叶节点得到结论。

决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。决策树的基本组成部分：决策节点、分支和叶子。决策树的每个节点子节点的个数与决策树的算法有关。决策树的节点有两个分支，这种树称为二叉树。节点含有多于两个子节点的树称为多叉树。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来做预测。

建立一棵决策树可能只要对数据库进行几遍扫描之后就能完成，这也意味着需要的计算资源较少，而且可以很容易地处理包含很多预测变量的情况，因此决策树模型可以建立得很快，并适合应用到大量的数据上。

二、样本选取

研究样本选自我国沪、深两市的A股上市公司。选取了2008年因连续2年亏损被ST的43家公司作为财务危机样本。采用（T-2）、（T-3）、（T-4）年的年报资料来预测其在T年是否会成为财务危机公司。采用一一配对抽样方式，为43家财务危机公司一一配对，得到43家非财务危机公司，它们组成非财务危机样本组。这样，研究样本就由43家财务危机公司和43家非财务危机公司共同构成，共计86家。

三、指标选取

参考了国外的实证研究结果并结合我国财务管理实际，从以下五个方面构建考察上市公司财务状况指标体系，作为研究中的初始变量，具体包括：

第一，反映偿债能力的财务指标。选取了速动比率、营运资本比重、资产负债率、产权比率4 个指标，来反映企业的偿债能力。

第二，反映企业盈利能力的财务指标。选取了销售净利率、资产净利率、净资产收益率、总资产收益率、主营业务利润率、主营利润比重6个指标，来反映企业的盈利能力。

第三，反映企业资产管理能力的财务指标。选取了应收账款周转率、存货周转率、总资产周转率、固定资产周转率来反映企业的资产管理能力。

第四，反映企业成长能力的财务指标。选取了主营业务增长率、净利润增长率、资本积累率、总资产扩张率4个指标，来反映企业的成长能力

第五，反映企业现金流量的财务指标。选取了现金流动负债比、现金负债总额比、主营收入现金回收比率、净利润现金比率、资产现金回报率5个指标，反映企业的现金流量。

第六，其他指标。选取了反映企业市场价值的每股收益、每股净资产、每股经营现金流量，另外还引入了经济增加值EVA。与传统的会计利润指标相比，EVA更注重企业实际的财富创造能力，能够真正反映企业的实际盈利状况。

财务指标共计27个。通过显著性检测，删除不存在显著性差异的指标，使用其余26个财务指标建立财务危机预警模型。

四、主成分分析

对所选样本的86家公司在危机前2年、前3年、前4年的26个预警变量进行主成分分析，提取主成分9个。分别命名为：盈利能力―资产收益率主成分因子F1、现金流量主成分因子F2、盈利能力―营业利润主成分因子F3、成长能力主成分因子F5、现金流量―净利润现金比率 F4、偿债能力主成分因子F6、短期偿债能力―EVA主成分因子F7、营运能力―应收账款主成分因子F8、盈利能力―主营利润比重主成分因子F9。

五、模型构建

使用CHAID――卡方自动交互检验。在计算的每一步中，CHAID选择与因变量交互作用最强的自变量。如果某些自变量与因变量没有很强的显著性差别，这些自变量的分类将被合并。使用的工具软件是SPSS13.0。

利用决策树模型进行财务危机预测时，未引入EVA变量建立的模型命名为M1，引入EVA变量建立模型命名为M2，预测结果见表1~表3。

利用决策树建立模型，其预测准确率是越接近ST年份越准确。（T-2）的总体预测准确率达到了90.7%，模型对财务危机公司的预测准确率高于非财务危机公司，同时，（T-2）年引入EVA与未引入EVA预测准确率一样。（T-3）年总体预测准确率为86.05%，同样引入EVA与未引入EVA预测准确率一样。（T-4）年引入EVA后提高了总体预测准确率，同时提高了财务危机组和非财务危机组的预测准确率，可见EVA在离ST远的年份效果明显，也就是EVA的提前预测效果比较好。

六、比较研究

第一，构建模型。为更好地对模型的预测能力进行比较，再使用Logit方法建立模型。（T-2）年、（T-3）年，引入EVA对模型的预测准确率提高没有影响。（T-4）年引入EVA后提高了总体预测准确率（表4），而且财务危机和非财务危机的预测准确率均提高了。说明EVA在危机发生前能较早地发出警报。

第二，研究效果比较。总体上说，决策树模型三年的总体预测准确率基本上均高于Logit模型。特别是财务危机组的预测准确率高于Logit模型。（T-2）、（T-3）、（T-4）三年财务危机组的预测准确率不仅高于Logit模型，而且其预测准确率比较高，均在90%以上。此外，决策树模型与Logit回归模型比较的一大优点是决策树模型可以控制不同类型的错判成本，通过对不同类型的错判成本赋予不同的值，可以提高错判成本较高组的判别准确率。因此，在今后的研究中可以考虑采用决策树模型构建财务危机预警模型，并对错判成本高的组赋予较大的值，以提高预测准确率。

综上所述，财务危机预警模型研究尽管成果丰硕，但本文站在研究前沿，从以下几个方面进行了创新尝试，取得了满意的结果：

一是在研究方法上，采用了数据挖掘方法。研究中，采用了数据挖掘方法――决策树法，并将数据挖掘方法的预测结果与统计分析方法的预测结果进行了比较。统计分析方法选用了常用的Logit回归法，通过对决策树模型与Logit回归模型预测结果的比较，得出决策树模型总体上要优于Logit回归模型。

二是在预警变量选取上，引入了经济增加值――EVA。鉴于上市公司存在着粉饰财务报表的行为，本文尝试引入了EVA变量。EVA克服了传统会计指标的主要缺陷，比较准确地反映了公司在一定时期内为股东创造的价值，真正成为股东所定义的利润。通过实证研究表明引入EVA变量后对于提前预测财务危机公司起到了一定作用。

参考文献：

［1］陈静：《上市公司财务恶化预测的实证分析》，《会计研究》1999年第4期。

［2］吴世农、卢贤义：《我国上市公司财务困境的预测模型研究》，《经济研究》2001年第6期。

［3］刘红霞：《企业财务危机预警方法及系统的构建研究》，中国统计出版社2005年版。

［4］周首华、杨济华、王平：《论财务危机的预警分析――F分数模式》，《会计研究》1996年第8期。

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文