基于数据挖掘的上市公司财务危机预警研究

李艳玲，宋喜莲

（1.东北财经大学 管理科学与工程学院，辽宁 大连 116025；2.大连东软信息学院 信息技术与商务管理系，辽宁 大连 116023）

0 引 言

随着市场竞争的日益激烈及市场环境的瞬息万变，再加上各种内外因素的影响，企业面临的各种不确定性和风险越来越大，这也预示着企业潜在的危机增加，集中表现在1997年亚洲金融危机和2008年全球金融风暴。金融危机又称金融风暴，直接导致股票暴跌、企业大量倒闭或大规模裁员、失业率提高、社会普遍的经济萧条、国家破产，甚至有些时候伴随着社会动荡或国家政治层面的动荡。金融危机之后的研究表明，在危机中破产的企业，早在危机前4～5年，就已经发出潜在危机的预警信号，财务危机并不是突然发生的，而是一个逐步、渐进的过程，财务危机的发生不但具有先兆，并且是可以预测的，这些财务状况的警示信息以及财务状况的变化可以通过财务报表反映出来，具体体现在某些财务指标的变化上，这些财务指标对公司未来的财务状况具有预测力，如果在企业财务危机发生以前，采取一定的技术和分析手段对企业财务状况的变化进行提前预警，预测企业发生危机的可能性，使企业做到未雨绸缪，防范于未然。对企业的财务危机状况进行正确地预测和判断，对投资者、债权人的利益保护，对经营者财务危机的防范，对政府部门监管上市公司质量和证券市场的风险，都具有十分重要的现实意义 ［1－2］。

1 财务危机预警研究现状

在财务危机预警研究中，涉及到几个相关概念，名词比较相近，比如公司失败（企业失败）、财务失败、财务困境与公司破产。虽然这些概念的表达有些差异，但基本内容和实质是相似的，只是企业所表现的程度和侧重点有所不同，本文主要采用财务危机这一表达方式。

国外的研究有两种思路：一是将宣告破产财定义为财务危机。比如Charles［3］、Altman（1968）认为“企业失败包括在法律上的破产、被接管和重整等”［4］，还有其他人 Deakin（1972）［5］、Casey（1985）［6］、Entry et al.（1985）［7］等也持这种观点。

二是对财务危机分为较轻和较重等不同危机程度，企业可能处于不同种财务危机阶段，倒闭是最严重的危机程度。例如Beaver（1966）对财务危机定义如下：“银行信贷发生违约”“债券违约”以及“宣告破产”等［8］。Carmichael（1972）对前者的观点进行了补充，他认为如果企业流动性不足、资金不足等因素导致其履行债务义务受阻，则认为企业发生了财务危机［9］。

目前，国内对企业财务危机的研究偏向于规范化的研究，与国外不尽相同，从内涵上来讲，财务危机［10］是由财务困境［11－12］导致财务恶化，是个逐步演进的过程。随着我国证券市场的成熟和完善，1998年4月22日宣布股票上市规则，对财务状况或其他状况出现异常的上市公司，进行特别处理Special treatment（缩写是“ST”），所以这些股票就简称为ST股，我国学者采取普遍研究思路，是将被ST的上市公司，作为实证研究的对象。研究的目的是对企业管理中出现的潜在危机，做到提前发现问题及时解决，防范财务危机的发生，进而避免企业走上破产之路［13］。

2 研究设计

2.1 样本选取

在样本选择过程中，为了保证分析结果的正确可靠，仅选择因财务状况异常而被ST的上市公司，排除以下几种情形的公司：上市2年内就被特别处理的，存在严重的财务信息造假行为的，被审计师出具了无法表示审计意见报告的（因财务数据本身不真实，导致对其数据进行分析没有意义），因为治理混乱或者重大事故公司被冻结而被特别处理的。

样本数据有两大类：ST公司与非ST公司，来自深沪两市A股，根据2013年被ST的公司，选择相应的非ST公司，非ST公司选择样本数量要大于ST公司，因为实证分析中要做样本的筛选和替换，最终样本包括ST和非ST公司样本量达到117家左右，能够达到分析和验证效果。经过测试和检验，最终有数据为ST公司21家（表1），非ST公司89家（表2）。研究所选取的财务数据是ST公司被宣布特别处理前五年的财务数据，本论文以2013年被ST的公司为参照，选取被ST前5年的财务信息2012年、2011年、2010年、2009年、2008年的年报数据，同理选择相应非ST公司相同年度的财务信息。

表1 2013年ST公司样本公司代码表

表2 2013年非ST公司样本公司代码表

2.2 数据来源

样本数据中各上市公司财务指标的原始数据的来源主要有CSMAR研究资料库、巨潮资讯网、万德年度财务数据、中国证监会网站，各上市公司ST前1～5年的年报资料分别从上述3个途径分别获得，以公司ST发生日为基准，选取其ST前5年的财务数据，本文选取2013年被ST公司21家，相应地，非ST公司89家，分别从2个方面进行数据进行挖掘和分析。本研究旨在通过公司t～5年的财务信息建立模型来预测其是否会在t年发生财务危机，发生的可能性有多大。

2.3 预警模型选择

本文主要通过时序分析方法，根据历史财务数据，在美国学者Altman所提出的Z－SCORE财务危机预警模［4］的基础上，通过5年的财务年报数据，通过计算得到相应预测值，对未来的Z－SCORE变动趋势进行预测，通过2012年的真实值与预测值进行对比，2013年被ST公司的Z－SCORE预测值与财务危机发生的Z－SCORE的临界值进行比较，来检验和分析本文所采用的方法，基于Z－SCORE值的时序分析方法对企业财务危机预警的影响程度和应用价值［4］。

Z－SCORE模型基本表达式为：

式中，X1为净营运资本／资产总额＝（流动资产―流动负债）／资产总额；X2为留存收益／资产总额＝（盈余公积＋未分配利润）／资产总额；X3为息税前利润／资产总额＝（利润总额＋财务费用）／资产总额；X4为股权市场价值／负债账面价值总额＝股东权益／负债总额；X5为营业收入／资产总额＝总资产周转率。

一般Z越低越有可能发生破产。Altman认为：2.675是Z值的临界点，Z值大于2.675，表示企业财务状况良好；Z值低于2.675的企业被认为是具有财务危机的企业。Z值小于1.81，为破产企业；Z值为1.81～2.675，则说明企业已经存在财务危机，Altman称之为“灰色地带”［4］。

3 财务危机预警时序分析

财务预警起初源于公司财务的实证研究领域，但从目前研究成果和应用需求的发展来看，财务预警不仅是一个预测模型或预测技术，实际更是一种复杂、综合性的管理活动，其理论和实践涉及到公司管理、信息技术、以及模拟技术等多学科知识。目前应用数据挖掘技术进行财务危机预警分析越来越发挥其区别于传统的统计方法的独特优势，本文主要采用时序分析法来预测公司未来财务危机发生的可能性。

3.1 时序分析法原理

时序是发生在连续的时间点上或是整个连续时期的观察值所形成的集合，时序分析模型利用一定的算法对这些数值进行分析以预测未来的数据走势。时序模型通常由趋势成分、周期成分、季节成分和不规则成分构成。在本文中，目标是识别模型的连续值的时间序列数据，可用于数据挖掘、支持精确的预测。

本文表示的时间序列变量Y＝（Y1，Y2，…，YT）。时序数据是一个序列的值，记为变量y＝（y1，y2，…，yt）。在本文中，笔者限定认为的时间序列模型具有盖然性、平稳性、而且是马尔可夫链。即f（.｜.，θ）是一个组合的条件概率分布，表示模型的函数形式和模型参数；而平稳性意味着前面的变量的相关性是不随时间改变的，即各时刻的状态转移概率保持稳定；马尔可夫链假设意味着对于之前的观测数据，Yt是独立于以前的观测数据的。提出如下方程：

函数f（y）通常被称为一个回归，当Yt是目标变量，Yt－p，…，Yt－1是回归变量。用于时间序列分析模型中最常见的类型是线性自回归，如下f，…，yt－1，θ）是一个线性回归：

这里N是μ均值和方差σ2的正态分布，θ＝（m，b1，…，bp，σ2）是参数。

自回归树模型是个分段线性自回归模型，它的边界是由决策树的定义，决策树的树叶含有线性自回归模型。决策树的每个叶包含一个自回归模型，并对决策树分裂的变量在时间序列上的变量之间的选择。在决策树中，每个非叶子节点关联一个布尔函数，它是一个p变量Yt－p，…，Yt－1的函数。关联“正”的每条边（公式是负的）父节点，如果标签边缘是“真”（否则为“假”）。每个叶子Li和标记函数φi，当根节点到叶子Li之间所有的边的交集是“真”，则返回1，否则返回0。如下方程定义模型是：

在L是大量的叶子节点，θ＝（θ1，…，θL），θi＝（mi，bi1，…，bip，），是叶子的线性回归模型的参数，Li，i＝1，…，L。

3.2 时序分析法应用方法

本文主要使用Microsoft的数据挖掘工具来进行分析和预测，Microsoft时序分析中同时使用ARTXP算法和ARIMA算法，将这两种算法组合使用，所得到的结果能够提高预测的准确性。ARIMA算法针对长期预测进行了优化。ARTXP算法可描述为用于表示周期性时序数据的自动回归树模型。此算法关联数目可变的过去项与要预测的每个当前项。ARTXP将自动回归树方法（一种ART算法）应用于多个未知的先前状态并因此而得名，用于计算自动回归集成变动平均值的过程的实现。通过ARIMA方法，可以确定按时间顺序进行的观察值之间的依赖关系，并且可以将随机冲量作为模型输入的一部分，该ARIMA方法还支持季节性变化［14］。这两种算法的具体参数配置如图1所示。

图1 时序分析算法参数配置

3.3 时序分析法应用于财务危机预警的结果分析

利用SQL Server 2008BI的时序分析功能，根据上市公司过去几年的Z－Score值，预测这些公司未来的Z－Score值的走势，也就是在一定程度上可以预测上市公司被ST的可能性。如图2、图3所示，ST公司2012年、2013年Z－Score预测值，同理也能预测出非ST公司2012年、2013年Z－Score值，这里不再显示。

图2 ST公司2013年Z－Score预测值

图3 ST公司2012年Z－Score预测值

3.4 模型效果检验

根据时序分析法分别预测2012年和2013年的Z－Score值，借以判断该分析方法是否有效地对未来进行预测，有效性能达到什么程度，需要根据结果数据进行分析和验证。根据上市公司公布的年报数据，收集到了2008—2012年财务报表信息，据此可以计算出2012年的Z－Score值，表3是2012年预测值与计算出来的Z－Score值的比较数据，预测准确率均达到80%以上，准确率比较理想。

同时，根据此方法，利用2008—2012年的历史财务数据，可以预测出2013年的Z－Score值，根据Z值的判断区间和标准，以2013年Z－Score的预测值，可以得出预测值与实际危机发生可能性的正确判断率，如表4所示，判断正确率达80%以上，说明本文所采用的方法在财务危机预警方面具有一定的科学预测性。

表3 2012年预测值与真实值对比

表4 2013年预测值与实际危机可能性对比

4 结 论

区别于传统的财务危机预警方法，本次研究采用数据挖掘的时序分析方法对财务危机预警进行分析和预测，对数据准备要求不高，数据处理速度快，预测准确率较理想，下一步考虑如何针对不同行业的企业总结出通用的算法和预测模型，研究的领域可以与其他方面结合，如内部控制［15］，同时未来将研究如何应用数据挖掘技术建立财务预警系统，并嵌入到企业的管理信息系统中（如ERP系统），预测财务状况变化趋势，充分与企业信息组织融合，对企业是否会发生财务危机提前做出预测和预警，最终实现实时动态地向企业管理人员做出警示，这将是下一步需要深入研究的工作。

［1］朱顺泉.上市公司财务预警统计与智能建模及应用研究［M］.北京：人民出版社，2013：118－127.

［2］吴维畅.基于经营决策的财务预警体系构建［J］.会计师，2013（10）：36－37.

［3］CHARLES H.GiIBSON，PATRICIA A.Frishkoff.Financial Statement Analysis［M］.北京：中国财政经济出版社，1990：461－470.

［4］ALTMAN E I.Financial Ratios，Discrimination Analysis，and the Prediction of Corporate Bankruptcy［J］.Journal of Finance，1968，23（4）：589－609.

［5］DEAKIN E.A Discrimination Analysis of Predictors of Business Failure［J］.Journal of Accounting Research，1972，10（1）：214－230.

［6］CASEY J R.Using Operating Cash Flow Data to Predict Financial Distress：Some Extensions［J］.Journal of Accounting Research，1985（Spring）：140－149.

［7］GENTRY J A，NEWBOLD P，WHITFORD D T.Classifying Bankrupt Firms with Funds Flow Components［J］.Jounal of Accounting Research，1985（1）：376－392.

［8］BEAVER W H.Financial Ratios as Predictors of Failure，Empirical Research in Accounting：Selected study［J］.Journal of Accounting Research，1966（5）：23－41.

［9］CARMICHAEL S H，ZOPOUNIDIS C.A Survey of Business Failures with an Emphasis on Prediction Methods and Industrial Applications［J］.European Journal of Operational Research，1972，29：487－513.

［10］权思勇.创新型企业财务预警系统研究［D］.上海：东华大学，2012.

［11］徐光华，沈弋.企业内部控制与财务危机预警耦合研究［J］.会计研究，2012（5）：72－77.

［12］卢永艳，王维国.基于财务状况多分类的上市公司财务危机预警［J］.数学的实践与认识，2011（4）：27－33.

［13］韩非.以现金流为指标建立财务风险预警体系［J］.现代经济信息，2013（10）：19－21.

［14］谢邦昌，郑宇庭.SQL Server 2008R2数据挖掘与商业智能［M］.北京：中国水利水电出版社，2011：45－60.

［15］张友棠，黄阳.基于行业环境风险识别的企业财务预警控制系统研究［J］.会计研究，2011（3）：41－48.