基于邻域粗糙集的企业财务危机预警指标选择，本文主要内容关键词为：邻域论文,粗糙论文,指标论文,财务危机论文,企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
在企业诸多危机中，财务危机可以说是最致命的，它可能直接影响企业的生存，因此，对财务危机进行预警就显得尤为重要。
企业是否存在财务危机以及如何有效预测一直以来都是利益相关者重点考查的问题。对于企业投资者而言，危机的尽早发现将有利于其作出正确的投资决策，并减少投资损失；对于企业经营管理者来说，有效的财务危机预警可以引导企业及时做好危机防范工作或解决危机状况；对于企业债权人而言，可以使用预警方法作出预测并及时采取措施保障债权安全。
就财务危机预警问题而言，在众多的备选指标中合理选取预警指标，既有利于预警建模后预测精度的提高，也有利于利益相关者及时发现警兆、提高监测效率。以往研究中，人们构建预警指标体系时，往往从大的范围全面考查各类财务指标。这会产生两个问题：第一，同时对各类财务指标进行分析，会耗费更多的人力、物力、财力，从而增加预警成本；第二，从理论上和实证检验中发现，各财务指标之间或强或弱具有相关性，如果预警指标体系中指标过多，当财务发生问题时，会有若干指标甚至若干类指标同时反应，给我们分析问题产生的根源带来噪音，影响分析问题的效率和效果。因此，如何从大量备选指标中科学地选择预警指标，成为首要问题，也是本文研究的目的所在。
二、文献回顾
财务危机预警的相关研究可以追溯到Fitz Patrick(1932)所作的单变量检验，他以19对破产与非破产公司作为研究样本，运用单变量进行考察，结果显示，公司破产前3年部分财务指标在两类总体间具有持续差异；Beaver(1966)在单变量思想下提出两分法检验，选取现金流类、净收益类等6组共30个财务指标进行一元判定研究，结果显示，现金流量/负债总额指标具有最好的预测能力，但在其研究展望中指出，以往的研究在检验变量预测能力时为单变量检验，这会影响整体预测效果，运用多变量组合进行分析可能会提高预警效率。因此，Altman(1968)首先使用多元判别分析方法建立了Z值判定模型(Z—Score Model)开展研究。研究中同时指出，指标选择是最关键但也是最难的问题。为了提高预测效果，Altman基于两个角度“指标在以往文献中的选取频率”和“指标对研究本身的可能相关性”，从22个指标中确定了5个变量建模。之后，Ohlson(1980)等运用Logistic方法，Altman，Marco & Varetto(1994)等采用神经网络分析方法，Beyon & Peel(2001)等采用粗糙集方法、Van Gestel(2006)采用最小二乘支持向量机方法开展了财务危机预测问题研究，极大地推动了这一领域的发展。
国内关于财务危机预警问题研究虽然较晚，但也取得了较多成果。周首华(1996)以国外公司为研究对象，对Altman的Z值判定模型加以改造，建立了F分数模式(Failure Score Model)。F分数模式引入了现金流量指标作为预测自变量，考虑了现代公司财务状况的发展及有关标准的更新；陈静(1999)以我国上市公司为对象进行财务危机预警研究，研究方法采用了单变量分析和多元判定分析，在指标选取方面主要考虑反映企业的盈利能力、流动性以及财务杠杆等，并且根据成本效益原则，选择较易从财务报告中获取的比率；吴世农、卢贤义(2001)运用逐步回归筛选出6个变量，并采用Fisher线性判定、Logistic回归等方法分别建立预测模型来比较模型的优劣；吕长江、赵岩(2004)则使用方差分析和主成分分析法进行指标筛选；刘洪、何光军(2004)在对指标进行正态性和相关性检验的基础上选取10个变量运用神经网络方法建模预警。
从已有的研究成果来看，财务危机预警由于其在经济管理实践中的重要性，日益受到广泛关注。然而，预警的首要问题——指标选择存在明显缺陷。原因在于：(1)财务危机预测的理论基础研究相对比较薄弱，缺乏能够准确预测模型所应包括的预测变量的支持(李秉祥，2003)；(2)大量的实证研究采用统计方法对指标进行筛选，然而，统计方法往往有严格的假设条件限制，使得其有效应用受到制约。鉴于此，一些学者引入粗糙集方法研究预警问题。粗糙集方法是由波兰学者Z.Pawlak(1982)提出的一种新的处理不确定性、模糊性的软计算工具，其基本思想是在保持分类能力不变的前提下，通过知识约简导出概念的决策规则，该方法的最大优点在于无需提供除问题所需处理的数据集合之外的任何先验信息，它是完全由已知数据来得到知识，从而开辟了一条与传统统计方法截然不同的新途径(梁吉业，2002，2005)；马若微(2005，2006)综合运用粗糙集理论中的重要性原理和信息熵概念，从客观数据出发，对备选指标离散化之后进行属性约简，剔除冗余属性，进而筛选出建立上市公司财务危机预警模型的指标；王宗军等(2007)，刘彦文、戴红军(2007)等在财务危机预警问题研究中也应用了经典粗糙集思想，通过对指标离散化预处理之后进行预警，取得了较好的效果。
粗糙集方法基于其自身优势，在财务危机预警领域尤其是指标选择方面受到重视。但Pawlak粗糙集定义在经典的等价关系和等价类基础上，适于处理名义型变量，对于数值型数据不能直接处理，往往通过离散化预处理之后加以应用，容易造成信息损失，而且计算结果直接受到离散化效果的影响；Lin(1988)提出邻域模型概念，Yao(1998)和Wu(2002)研究了邻域近似空间的性质，Hu，Q.et al.(2008)利用拓扑空间中球形邻域的概念，构造了基于邻域粗糙集模型的数值数据特征选择算法。与经典粗糙集方法相比，邻域粗糙集方法无须离散化，可直接分析数值型数据，拓展了经典粗糙集理论的应用范围。预警指标以数值型为主，因此本文试图运用邻域粗糙集思想对财务危机预警备选指标进行属性约简筛选，从而建立预警指标体系，并与经典粗糙集进行比较，以期对这一领域问题的研究有所推动。
三、基于邻域粗糙集模型的数值数据特征选择算法
基于邻域粗糙集模型的数值数据特征选择算法，其基本思想是①：对于论域空间中任一子集，通过基本邻域信息粒子进行逼近，提出邻域决策表模型，在此模型基础上构造贪心式属性约简算法。对于财务危机预警问题而言，论域空间由样本集合构成，不同的财务指标和类别分别构成条件属性和决策属性，当条件属性生成论域上的一族邻域关系时，构成邻域决策系统，通过该算法可以对原有条件属性进行约简，同时保持原数据的分辨能力不变。
1.基本概念
(1)δ邻域信息粒子。给定实数空间上的非空有限集合
基于属性重要度指标，构造贪心式属性约简算法，算法的思想如下：以空集为起点，每次计算全部剩余属性的属性重要度，从中选择属性重要度值最大的属性加入约简集合中，直到所有剩余属性的重要度为0，即加入任何新的属性，系统的依赖性函数值不再发生变化为止，由此得到保持原始数据分辨能力的约简属性。
四、实证研究与结果分析
财务危机预警的指标选择，从粗糙集理论来考查，可以看作为在众多备选指标(条件属性)中进行属性约简。即在保持分类能力不变的前提下，剔除冗余属性，使得在预警中降低成本的同时减少噪音，改善预警效率和效果。本文的研究思路为：以我国上市公司为研究对象，运用基于邻域粗糙集模型的数值数据特征选择算法对预警备选指标进行属性约简，对经典粗糙集约简中应用离散化方法产生的信息损失问题进行了改善，从而进一步提高指标选择质量，提升预警能力。
1.样本选择
本文以“因财务状况异常而被特别处理”(ST)作为企业陷入财务危机的界定标准。样本选取原则为：(1)选取2003年、2004年被ST的公司，并根据同年度、同行业、相近规模的原则进行配对，选取相应的未被ST的公司；(2)选取的样本被ST的原因为：“最近两个会计年度的审计结果显示的净利润均为负值”、“最近一个会计年度的审计结果显示其股东权益低于注册资本，即每股净资产低于股票面值”、“最近一份经审计的财务报告对上年度利润进行调整，导致连续两个会计年度亏损”等因素；(3)剔除了由于上市时间较短而近3年财务数据不全的公司；(4)剔除了同时发行有B股或H股的公司，这主要是因为发行B股的公司除满足发行A股的条件外还需满足其他特殊要求，由于发行B股的公司在整个上市公司范围内并不具有普遍代表性，因此在样本筛选时将其剔除，剔除发行有H股的上市公司原因类似。经过筛选后共选取了80家上市公司，其中40家ST公司(2003年21家，2004年19家)，40家非ST公司(2003年21家，2004年19家)。数据来源于CCER色诺芬中国证券市场数据库。
2.备选变量设定
本文以财务分析理论为基础并结合前人的研究成果，综合考虑企业偿债能力、营运能力、获利能力、成长能力、获取现金能力等多方面的因素，选取了19个备选指标。具体指标如表1所示。
3.预警指标的选择——备选指标属性约简
根据我国实际情况，T－1年度财务报告在T年公布，因此，运用T－1年数据意义不大。本文对T－2年数据进行分析。在对备选指标数据进行标准化基础上，应用基于邻域粗糙集模型的数值数据特征选择算法进行预警指标选择。为了说明该方法的有效性，实验引入CART分类学习算法，以10折交叉验证①的分类精度对预警指标选择的质量进行评价，同时和经典粗糙集方法做了比较。
具体步骤如下：对于经典粗糙集属性约简，首先采用Rosetta②软件中Equal Frequency binning算法对数据进行离散化，然后通过Johnsonreducer算法对离散化的数据进行属性约简，在MATLAB7.0中采用CART计算分类精度；对于邻域粗糙集属性约简，在MATLAB7.0中应用前向贪心数值属性约简算法对数据进行属性约简，同样采用CART计算分类精度。由于该算法的约简属性个数、分类精度受到邻域δ大小的影响，我们将δ以0.1为步长，从0.1～1变化，结果显示，δ＝0.9时分类精度达到最优(以最少的属性个数实现最高的分类精度)。表2给出了两种方法下的属性约简和分类精度比较情况。图1给出了邻域粗糙集约简的属性个数、分类精度受邻域δ大小影响的情况。
4.结果分析
(1)方法分析。运用经典粗糙集方法，得到属性约简为
现金及现金等价物净增加额/总负债。从理论上来分析，净利润率反映了企业的综合获利能力；应收账款周转率反映了企业的资本营运能力，即增值的经营资金回笼和投入速率；主营业务收入增长率、净利润增长率反映了企业的成长能力，尤其是主营业务的增长情况和最后盈余的增长情况；现金及现金等价物净增加额/总负债反映了企业营运活动所获现金抵御债务风险的能力。整体来看，上述指标能够较为综合的反映企业运转效率，具有代表性。
对指标进一步分析，可以得出利益相关者需重点关注的方面：第一，企业运转需要重要的资金保证，在当前商业信用机制下，确保经营资金的高效流转是基础问题，因此，对应收账款周转率的关注必须加强；第二，企业可持续发展必须具备优势的核心竞争能力，而主营业务的竞争力更是关键所在，所以，主营业务收入增长率就成为重点关注的对象；第三，企业在竞争激烈的市场中，面临日益复杂的风险，而抵御风险的最有效工具则是稳定的现金流，因而关注现金及现金等价物净增加额/总负债更是重中之重；第四，在对上述方面重点关注的同时，注重对净利润率和净利润增长率的监测，则可使企业对运营的全貌整体概览，观测到综合获利能力的变动情况，便于及时精细化分析经营改善或恶化的因素，保证企业科学发展，使得利益相关者的利益得到保障。
五、结束语
随着市场竞争的日益激烈，科学的财务危机预警既是企业可持续发展的重要条件，也是利益相关者利益保障的有效工具。而预警指标的选择又是财务危机预警的首要问题。笔者在对已有研究进行综合分析的基础上，应用邻域粗糙集模型对预警备选指标进行属性约简，得到利益相关者重点观测和预警建模所需的预警指标。研究结果显示，邻域粗糙集约简明显优于经典粗糙集约简，能够以较少的特征变量实现了较高的分类精度，进而证明了本文的研究设想。同时需要说明，本文意义在于为科学、合理地选择预警指标提供了新途径，但就预警问题而言，准确的预测危机更是重中之重。因此，本文的工作只是阶段性成果，如何有效地与邻域粗糙集结合构建可行的预警模型是我们下一步需要继续探索的研究方向。
注释：
①基于邻域粗糙集模型的数值数据特征选择算法参考自文献[24][25]。
②10折交叉验证是常用的精度测试方法，该方法将数据集分成十份，轮流将其中9份做训练，1份做测试，10次的结果的均值作为对算法精度的估计。
③Rosetta软件是一个粗糙集分析软件(Http：//www.idi.ntnu.no/～aleks/rosetta/)。