关键词:
电子信息制造业
财务危机预警
支持向量机
ST日海
摘要:
近年来,受经济衰退、地缘政治等因素影响,全球经济不稳定性加剧,企业财务危机问题再次引起了社会的重视。既有文献关于财务危机预警的研究,主要集中于模型的改进与应用,也有学者关注变量选择,讨论某类因素的加入是否有助于分类,但对于行业细分涉及较少。电子信息制造业作为国民经济的战略性、基础性、先导性产业,产业链条长、涉及领域广,一旦发生财务危机容易波及其它行业企业,针对该行业建立预警模型有助于更快发现危机端倪,防止情况恶化。
本文选取*ST日海作为案例研究对象,*ST日海早年发展态势良好,但近几年急速衰退,将其作为案例进行具体分析有一定的代表性。基于财务危机预警的相关理论和主流方法并结合电子信息制造业的风险特征,本文引入行业变量和反舞弊指标,然后从国泰安数据库选取相关企业数据构建支持向量机模型,从模型核函数和样本切分比例的角度依次检验模型运行效果,最后查看案例公司*ST日海在测试集中能否被有效识别,并利用公司年报和公告等资料对该公司的经营状况与财务现状进行分析,解析其财务危机情况。
研究结果表明:(1)流动比率、资产负债率、营业利润率等传统财务指标以及股东大会召开次数、违规次数、会计信息可比性的非财务指标在ST公司和非ST公司中存在显著区别;(2)支持向量机的径向基核函数对ST公司的识别较其它核函数更为优越,且样本集以6.5:3.5的比例随机划分训练集和预测集时,模型综合判别效果最优,此时模型对非ST公司的识别准确率为100%,对ST公司的识别准确率为60%;(3)案例公司*ST日海在55%和60%的切分比例下被随机划分为测试组,结果显示其均能被有效分类为危机企业,可见*ST日海在T-3时点确实存在财务危机迹象,而支持向量机模型能有效识别。对于案例公司*ST日海,存在资金利用效率低、压力大,偿债能力较弱、债务风险高,产品变现能力弱、竞争力差,研发能力较弱,担保高企,内部控制流于形式等问题,整体形势不容乐观。本文创新之处有:(1)聚焦电子信息制造业,使得样本之间行业性质更接近,提高了预警模型的可靠性;(2)引入行业变量和反舞弊指标,丰富了财务预警领域的理论基础;(3)使用支持向量机构建预警模型,通过参数调整来提高模型的预测能力,增强了模型的通用性和适应性,扩充了机器学习方法在财务危机预警领域的实践,为电子信息制造业的财务危机管理提供了新的视角和工具。