论文部分内容阅读
几十年来,财务困境的预测一直是人们关注的话题,因为它对上市公司、利益相关者乃至一个国家的经济至关重要。如果财务困境的预测是可靠的,企业管理者可以在危机前采取补救措施,避免恶化,投资者可以把握上市公司的盈利能力,并调整自己的投资策略。减少预期的投资相关损失。因此,创建有效的预警系统来监测上市公司的财务危机是非常重要的。本文从我国几个典型地域的制造业发展和制造业企业财务困境现状分析入手,针对制造业自身特点,为了计算企业将处于财务困境的概率,评估企业的经营、发展状况,以反映企业未来发生违约行为的可能性,我们构建了一个面向上市制造业企业的财务困境风险评估指标体系。本文通过将企业自身的财务因素、宏观经济因素以及企业财务因素和宏观经济因素的交互项逐一引入logistic回归模型,构建了中国上市制造业公司财务困境的概率预测模型。我们的主要贡献是三方面的。首先,我们利用2014年至2017年上市制造公司的一组财务因素的面板数据,探讨企业自身财务因素对连续4个时间窗t、t-1、t-2、t-3财务困境概率的影响。我们发现,不同时间窗的公司财务因素对所选公司样本的财务困境概率有不同并且显著的影响。其次,我们使用Lasso-Logistic模型对企业自身的财务因素、宏观经济因素以及企业财务因素和宏观经济因素的交互项指标进行变量选择,从近600个指标中选取对公司财务困境预测贡献大的指标,这有助于解决数据过度拟合问题,提高预测效率。在此部分,我们使用交替方向乘子法(ADMM算法)解决Lasso-Logistic模型的最优参数估计问题。第三,通过在模型中引入交叉项,我们发现,不同宏观经济条件下一些相同的公司自身的财务因素对公司陷入财务困境具有异质性影响。结果表明,与没有加入财务指标和宏观经济指标交互项的模型相比,交互项的引入提高了公司财务困境发生的预测精度。因此,我们可以提供一种方法来揭示影响中国制造业上市制造公司财务困境概率的不可观察的异质性因素。通过实证研究发现,与只有企业自身财务指标的模型相比,在模型中引入GDP增长率和CPI等宏观指标,和今年净利润/去年净利润×GDP增长率、净利润/平均固定资产×短期贷款利率和今年净利润/去年净利润×CPI等交叉项,逐步提高了模型的预测精度。