1、中小企業(yè)預警指標體系研究論文導讀:：中小企業(yè)資產(chǎn)證券化融資的障礙。中小企業(yè)預警指標體系研究。論文關鍵詞：風險預警，非財務指標，支持向量機，中小企業(yè)一、引言目前，我國約有99%的企業(yè)是中小企業(yè)，中小企業(yè)對GDP的奉獻超過60%，對稅收的奉獻超過50%，提供了75%以上的城鎮(zhèn)就業(yè)崗位，在我國經(jīng)濟開展中起到了非常重要的作用【1】。然而由于中小企業(yè)規(guī)模小，經(jīng)營風險意識淡薄，在風險來臨之前無法有效躲避風險，導致中小企業(yè)破產(chǎn)嚴重。因此建立一個有效的中小企業(yè)財務風險預警模型很有必要，有利于中小企業(yè)提早預知出現(xiàn)的危機，為管理者防范和化解危機提供珍貴時間。而一個有效的風險預警模型，不僅需要先進的預警方法，合理的

2、預警指標體系也是至關重要的。目前，對中小企業(yè)進行風險預警的文獻很少，指標體系研究也多停留在理論研究之上，很少進行實證研究。而現(xiàn)有文獻針對主板大企業(yè)的預警問題研究已經(jīng)形成了豐富的理論和應用成果，1999年陳靜利用幾個財務指標對企業(yè)風險進行預警【2】，隨著時間的推移，學者開始從盈利、償債、開展、營運等方面綜合考慮，到后來意識到現(xiàn)金流量指標的重要性，在指標體系中參加了現(xiàn)金流量指標支持向量機，如今隨著非財務指標的逐漸應用，學者也開始在指標體系中引入一些非財務指標。這些成果為中小企業(yè)的預警指標體系研究提供了堅實的理論根底，但我們也不能照搬照抄的應用到中小企業(yè)上去。這是因為，這些文獻主要是圍繞主板大企業(yè)進

3、行，考慮的指標不是很全面，且很少考慮財務杠桿等風險水平指標，而且局部學者在應用指標時未對指標的多重共線性或區(qū)分度進行分析，導致使用過多的冗余指標，信息重疊多，增加模型的復雜性，影響模型的準確率。實際上，與大企業(yè)相比，中小企業(yè)有自己的特點，生產(chǎn)規(guī)模小，數(shù)量大，分布范圍廣，經(jīng)營方式靈活多樣，競爭力弱，壽命短，停業(yè)破產(chǎn)率高，需要根據(jù)中小企業(yè)的特點引入一些相應的非財務指標,如考慮規(guī)模的資產(chǎn)規(guī)模；考慮開展環(huán)境的地域因素；考慮到企業(yè)可能操作利潤嫌疑的配股或保盈因素影響；考慮到大股東通過各種形式對企業(yè)進行掏空;，影響企業(yè)營運資金的大股東資金占用；考慮到中小企業(yè)抵抗風險弱需企業(yè)管理者和員工抵御風險能力強的管理

4、者素質和員工素質等。因此，文章綜合考慮中小企業(yè)特點，引入非財務指標，建立一套有別于大企業(yè)的適合中小企業(yè)的財務預警指標體系。綜上所述，考慮到中小企業(yè)不同于大企業(yè)，有自己的特點，因此應該重新建立一套更適合中小企業(yè)的預警指標體系。文章最終利用中小企業(yè)被ST前3年的數(shù)據(jù)，以企業(yè)因財務危機而被ST作為界定財務危機的標準，根據(jù)中小企業(yè)特點引入相應非財務指標，建立一套適合中小企業(yè)T-3年的預警指標體系，并利用支持向量機的方法，建立預警模型，驗證指標體系的可行性。實驗證明，所采用的指標體系是合理和可行的。二、研究樣本的處理2.1 研究樣本確實定由于我國中小企業(yè)普遍沒有上市，企業(yè)信息的收集比擬困難，因此文章采用

5、上市公司的數(shù)據(jù)作為訓練和測試樣本，主要以深交所上市的中小板企業(yè)作為研究對象，局部企業(yè)取自滬深證交所上市的A股上市公司。這是因為目前在中小板上市超過3年的企業(yè)很少，而到目前為止被ST的更是寥寥無幾，只有3家。因此只有從主板上尋找規(guī)模相近且被ST的企業(yè)來進行配對。根據(jù)2003年國家發(fā)布的中小企劃分標準，中小型企業(yè)資產(chǎn)必須小于4億，而目前中小板企業(yè)大局部企業(yè)資產(chǎn)規(guī)模都超過4億支持向量機，為了更多的獲取企業(yè)樣本，文章選取的樣本資產(chǎn)規(guī)模都小于20億論文格式?？紤]到2007年會計制度的更改，與前幾年財務數(shù)據(jù)有變化，為了模型的可適用性，因此文章采用上市公司t-3年即2007年的年報數(shù)據(jù)來預測企業(yè)是否會在t年

6、即2021年被ST。文章在選擇ST企業(yè)樣本時，首先根據(jù)國元證券網(wǎng)上行情系統(tǒng)里風險因素所述的企業(yè)被ST情況進行匯總，選取2007年資產(chǎn)規(guī)模在20億以內、企業(yè)在2021年因財務狀況異常而被ST、2007年至2021年未因財務狀況異常而被ST的企業(yè)作為ST樣本企業(yè)。而正常企業(yè)是在2007年至2021年均未被ST的企業(yè)，樣本全部取自中小板。最終選取了002003至002124中間的100家企業(yè)作為正常企業(yè)樣本組，而從深滬兩市主板和中小板里選取了29家企業(yè)作為ST企業(yè)。2.2 數(shù)據(jù)的選取文章所有數(shù)據(jù)均少局部根據(jù)年報數(shù)據(jù)整理而得；非財務指標均取自深滬兩市證交所、巨潮資訊網(wǎng)站上下載的年報數(shù)據(jù)整理而得；國元證

7、劵網(wǎng)上行情系統(tǒng)主要是收集企業(yè)被ST情況。三、基于非財務指標的中小企業(yè)預警模型指標的研究3.1 初選指標確實定為了保持模型的性能，初選指標應多多益善，根據(jù)數(shù)據(jù)的可得性原那么，綜合前人研究中的眾多可用指標，參考國泰安財經(jīng)研究數(shù)據(jù)庫提供的指標體系，采用定性分析的方法，最終選擇了包含長期償債能力、短期償債能力、開展能力、風險水平、獲利能力、現(xiàn)金流量、盈利能力、營運能力、非財務指標等9大類指標。其中包含財務指標中的長期償債能力13個、短期償債能力7個、開展能力9個、風險水平3個、獲利能力12個、現(xiàn)金流量16個、盈利能力15個、營運能力9個等84個；非財務指標中的股權結構8個、年報披露4個、公司治理7個及

8、資產(chǎn)規(guī)模、代理本錢、大股東資金占用、配股或保盈因素對公司報表的影響、重大關聯(lián)交易、對外擔保、地域因素等26個指標。3.2 數(shù)據(jù)的預處理由于所取的企業(yè)各行業(yè)指標間的量綱或數(shù)量級不盡相同，為了消除這些影響，加強模型的適用性，需要對數(shù)據(jù)進行歸一化處理，使指標數(shù)據(jù)處于-1到1之間，其中連續(xù)型指標使用的方法如下：設：，那么對于兩值數(shù)據(jù)那么為：3.3 關鍵指標確實定在構建模型之前，需要對初選的110個備選指標進行初步的篩選工作，以獲得最適宜的指標體系來構建模型。這是因為過多的指標導致數(shù)據(jù)收集處理工作量大，建立模型時不易尋找最優(yōu)參數(shù)結果，還增加了模型的復雜性；另外選取的指標可能在區(qū)分ST和正常企業(yè)時不一定存

9、在顯著性差異，指標間也可能存在多重共線性相關，如果選取這些冗余指標，不但增加工作量，更可能會導致模型準確率下降。為了篩選出最適宜的指標體系，能夠有效的區(qū)分ST和正常企業(yè)，需要對這110個指標進行顯著性檢驗。首先對所有指標變量進行單樣本K-S檢驗，驗證其是否服從正態(tài)分布；然后對服從正態(tài)分布的指標進行獨立樣本T檢驗，對不滿足正態(tài)分布的指標進行非參數(shù)檢驗；最后對剩下的指標進行相關性檢驗，剔除相關性強的指標，最后剩余指標作為模型的指標體系。對服從正態(tài)分布的15個指標進行獨立樣本T檢驗，對其余95個指標進行非參數(shù)檢驗，以驗證指標是否能正確區(qū)分ST企業(yè)和正常企業(yè)。(1)獨立樣本T檢驗利用SPSS里的獨立樣

10、本T檢驗支持向量機，對樣本數(shù)據(jù)服從正態(tài)分布的15個指標進行獨立樣本T檢驗。最終發(fā)現(xiàn)，在顯著性水平為0.05的情況下，只有固定資產(chǎn)比率、全部資產(chǎn)現(xiàn)金回收率、資產(chǎn)規(guī)模、代理本錢、第一大股東持股比例、前兩大股東持股差6個指標的t統(tǒng)計量的概率P值大于0.05，故這些指標在區(qū)分ST和正常企業(yè)的時候不顯著，予以剔除。其他9個指標均通過了區(qū)分度檢驗，在區(qū)分ST和正常企業(yè)的時候存在顯著差異。(2)非參數(shù)檢驗利用SPSS非參數(shù)檢驗中兩獨立樣本檢驗的Mann-Whitney U檢驗，對不服從正態(tài)分布的95個指標進行非參數(shù)檢驗。以長期償債能力為例，結果見表1： 表1：長期償債能力的非參數(shù)檢驗 指標 代碼 Z 雙尾漸

11、進概率P值 資產(chǎn)負債率 C1 -3.75183 0.000176 有形凈值債務率 C2 -2.82684 0.004701 長期資本負債率 C3 -0.98495 0.324651 長期負債與營運資金比率 C4 -0.16595 0.868195 利息保障倍數(shù) C5 -4.73668 2.17E-06 負債與權益市價比率 C6 -2.41508 0.015732 權益對負債比率 C7 -3.75182 0.000176 長期資產(chǎn)適合率 C8 -4.09033 4.31E-05 股東權益對固定資產(chǎn)比率 C9 -3.31175 0.000927 有形資產(chǎn)比率 C12 -0.70527 0.4806

12、44 流動負債比率 C13 -0.00565 0.995491 由表可知，在顯著性水平為0.05的情況下，只有C1、C2、C5、C6、C7、C8、C9這7個指標在區(qū)分ST企業(yè)和正常企業(yè)的時候存在顯著差異，其他4個指標予以剔除。其他類指標作類似處理。最后，經(jīng)過指標區(qū)分度檢驗，110個指標只有63個指標能夠顯著區(qū)分ST企業(yè)和正常企業(yè)。通過獨立樣本T檢驗和非參數(shù)檢驗，最后剩下的63個指標。這63個指標之間可能存在多重共線性關系，因此必須對剩下的指標進行相關分析，對相關程度高的指標進行合并、剔除，最終剩下的指標作為文章的模型預警指標體系。本次試驗是在SPSS15.0軟件下進行，首先對63個指標進行劃分

13、：連續(xù)型數(shù)據(jù)指標進行雙變量相關分析；離散型的兩值數(shù)據(jù)指標那么進行距離分析。這63個指標中只有對外擔保、地域因素、審計意見類型、有無簡稱變更4個指標數(shù)據(jù)是離散型的兩值數(shù)據(jù)，其他59個指標數(shù)據(jù)均為連續(xù)型數(shù)據(jù)。(1)距離分析采用SPSS里距離分析中的海明相似性測度對兩值數(shù)據(jù)之間的相關性進行分析。對對外擔保F6、地域因素F7、審計意見類型F16、有無簡稱變更F19這4個兩值數(shù)據(jù)指標進行海明相似性測度結果見表2： 表2：距離分析 F6 F7 F16 F19 F6 1 -0.13178 -0.34884 0.302326 F7 -0.13178 1 0.379845 -0.39535 F16 -0.348

14、84 0.379845 1 -0.89147 F19 0.302326 -0.39535 -0.89147 1 由表可知：只有審計意見和有無簡稱變更兩個指標存在高度相關，其他指標間的相關程度均不高，均小于0.5。因此文章刪除其中之一的有無簡稱變更，這是因為審計意見作為非財務指標已經(jīng)被眾多學者所接受，而且有學者論證審計意見作為預警模型指標，對預警的準確率有很大提高，因此文章予以保存。(2)雙變量相關分析文章的雙變量相關分析是采用SPSS里的Pearson簡單相關系數(shù)分析。為了最大限度篩選指標，優(yōu)化模型指標體系，取相關度為0.5以上為兩指標相關，舍棄其中之一。為了減少指標之間的多重共線性，文章先對

15、各大類指標項之間的指標進行相關分析，按照最大限度保存企業(yè)信息，保證各個大類指標項中均有指標，留下更多的不相關指標，保證刪除的指標數(shù)是最少的，留下那些常用合理的指標，并綜合專家意見，剔除指標。幾個大類指標相關關系分析完以后，對保存的指標再綜合起來進行相關分析，最后剔除相關度高的幾個指標。如此處理完以后，最后剩余23個指標，對這剩余的23個指標進行相關分析，發(fā)現(xiàn)指標間的相關程度均不高論文格式。另文章為了保證不錯刪指標，最大化保存指標體系，文章還將所有的59個連續(xù)型數(shù)據(jù)指標一起做相關分析支持向量機，并按照上述方法，篩選指標，最后所得指標與上述方法所得指標一致，因此，這23個指標可以作為模型的預警指標

16、使用。3.4 預警指標體系經(jīng)過關鍵指標的選擇，最終剩余23個指標，包括企業(yè)9個方面信息，指標區(qū)分ST和正常企業(yè)顯著，指標之間相關程度不高，可以作為模型的T-3年預警指標體系。這些指標分別為：長期償債能力：資產(chǎn)負債率、利息保障倍數(shù)、長期資產(chǎn)適合率、流動資產(chǎn)比率；短期償債能力：速動比率、營運資金對凈資產(chǎn)總額比率；開展能力：固定資產(chǎn)增長率、總資產(chǎn)增長率、利潤總額增長率；風險水平：綜合杠桿；獲利能力：每股收益、市盈率、每股公積金；現(xiàn)金流量：現(xiàn)金與利潤總額比、每股投資活動現(xiàn)金凈流量；盈利能力：營業(yè)毛利率、銷售凈利率；營運能力：營運資金周轉率、總資產(chǎn)周轉率；非財務指標：大股東資金占用、配股或保盈因素對公司

17、報表的影響、股權集中度、高管持股比例、對外擔保、地域因素、審計意見類型；按照3.3關鍵指標確實定中所述方法，去除非財務指標，對原始的84個財務指標進行K-S檢驗，獨立樣本T檢驗，非參數(shù)檢驗，相關性分析，最后得到的T-3年財務預警指標體系為:參加非財務指標的預警指標體系中，去除非財務指標，還包括營運能力中的現(xiàn)金及現(xiàn)金等價物周轉率。這是因為現(xiàn)金及現(xiàn)金等價物周轉率與大股東資金占用相關性程度比擬高，考慮到非財務指標體系時為了留下更多的非財務指標，剔除了這個財務指標。四、實證研究4.1 建立模型文章采用林智仁等開發(fā)的SVM模式識別軟件包libsvm來建立模型，使用高斯徑向基核函數(shù)，其中的參數(shù)C和由lib

18、svm自帶的軟件進行尋參。為了提高模型的可適用性及預測準確率，文章從100家正常企業(yè)和29家ST企業(yè)中按照80%的比率取80家正常企業(yè)和23家ST企業(yè)作為建模樣本，其他20家正常企業(yè)和6家ST企業(yè)企業(yè)作為預測樣本，最后這樣隨機選取10組企業(yè)數(shù)據(jù)作為建模樣本和預測樣本，計算每個模型的預測準確率，最后計算模型總體的預測準確率。4.2 結果與分析對上述純財務指標和參加非財務指標的兩個支持向量機模型的預測結果如下：純財務指標的結果見表3： 表3、純財務指標預警模型的結果分析 組次 預測樣本 建模樣本回判 非ST 準確率 ST 準確率 總計 總體 準確率 1 20 1.0000 3 0.5 0.8846

19、 101 0.9806 2 19 0.9500 5 0.8333 0.9231 100 0.9709 3 17 0.8500 5 0.8333 0.8462 99 0.9612 4 17 0.8500 5 0.8333 0.8462 96 0.9320 5 16 0.8000 4 0.6667 0.7692 101 0.9806 6 18 0.9000 5 0.8333 0.8846 99 0.9612 7 19 0.9500 6 1.0000 0.9615 97 0.9417 8 19 0.9500 5 0.8333 0.9231 101 0.9806 9 20 1.0000 1 0.166

20、7 0.8077 95 0.9223 10 20 1.0000 3 0.5000 0.8846 100 0.9709 總計 0.9250 0.7000 0.8731 0.9602 參加非財務指標的結果見表4： 表4、參加非財務指標的預警模型結果分析 組次 預測樣本 建模樣本回判 非ST 準確率 ST 準確率 總計 總體 準確率 1 19 0.9500 5 0.8333 0.9232 97 0.9417 2 19 0.9500 5 0.8333 0.9231 101 0.9806 3 18 0.9000 6 1 0.9231 98 0.9515 4 17 0.8500 6 1 0.8846 98

21、 0.9515 5 18 0.9000 5 0.8333 0.8846 100 0.9709 6 19 0.9500 3 0.5 0.8462 99 0.9612 7 19 0.9500 5 0.8333 0.9231 102 0.9903 8 20 1.0000 4 0.6667 0.9231 101 0.9806 9 20 1.0000 5 0.8333 0.9615 99 0.9612 10 19 0.9500 5 0.8333 0.9231 97 0.9417 總計 188 0.9400 49 0.8167 0.9116 992 0.9631 使用T-3年的年報數(shù)據(jù)，運用純財務指標和參

22、加非財務指標的兩種指標體系建立的支持向量機模型預測我國中小企業(yè)財務危機，其分析結果如下：(1)：兩種指標體系建立的支持向量機模型的預測準確率都是可以接受的，一個總體預測準確率到達87.31%，一個那么到達91.16%。相比之下，參加非財務指標的指標體系建立的預警模型預警準確率更高，這說明了，我國中小上市企業(yè)的非財務指標中包含著預測財務危機的信息，參加非財務指標預測企業(yè)財務危機是必要和可行的。(2)：通過對建模樣本的回代判定，發(fā)現(xiàn)無論是單組還是總體預測準確率，兩種模型的回代檢驗準確率都高于對預測樣本的預測準確率，但相比之下參加非財務指標的預警模型優(yōu)于純財務指標模型，正確判定率下降的更慢，這說明參加非財務指標以后的支持