上市公司信用评级模型(因子分析法)
1. 引言
信用统计评级模型是指通过观察和分析企业财务报表中的一些感性的财务来判别企业财务状况以及采取适当防范施的数学模型对于投资和债权,可以根据财务预测指数的动态分析进行正确的投资选择;而对于上市公司经营者来说,可以据此揭示财务经营中所存在的问题,及时调整公司经营策略,以避免沦 ST、PT 的行列
Beaver 运用单变量分析方法对企业破产问题进行了初步的研究,Altman 首次应用 Fisher 线性判定分析对美国的企业破产进行了研究,并建立了企业破产的预测模型。但是以前的研究存在以下问题
(1) 在建模过程中选择与训练集在同一财务年度的样本作为预测集。以前的所究然划分了独立的训练集和测试集,但是两者在同一财务年度区间内,实证结果并不能反映模型的真正预测能力,因此,建模时应该构建预测集,且预测集最好是训练集对应财务年度的后几年的财务数据
(2) 没有分行业建立财务预警系统。事实上,不同行业的同一财务比率经验可能不同,甚至有很大的差异。以流动比率为例,工业企业的流动比率为 2:1 较合理,而商业企业的流动比率则应低于该值。所以,分行业来建立财务预警模型可以提高它在一定范围内预测的准确性
本文将选取我国第三产业上市公司 2008 年末的财务比率作为训练样本建立因子分析模型,同时,为了验证模型的预测准确性,又以我国第三产业上市公司 2009 年年末的财务比率作为预测样本,检验因子分析模型的预测效果
2. 样本的选取
在本文中,被证监会认定的 ST 公司(包括*ST 公司,下同)为陷入财务危机(信用差)的公司,而非 ST 公司(信用好)为财务状况正常的公司。在样本的选中,循以下原则:
(1)同行业
以第三产业上市公司的财务比率为训练样本和预测样本,得出来的模型也只适应对第三产业上市公司的财务状况的
(2)不同时期
预测集最好是训练集对应财务年度的后一年或几年的财务数据
(3)同规模
同一年度的非 ST 公司与 ST 公司的资产规模相当
根据以上原则,本文选取 2008 年和 2009 年我国第三产业上市公司中的各 20 家 ST 公司和 20 家非 ST公司的年末财务比率,2008 年的数据作为训练样本,2009 年的数据作为测试样本
证券代码 | 公司名称 | 类型 | 证券代码 | 公司名称 | 类型 |
---|---|---|---|---|---|
1 | 2 | ||||
1 | 2 | ||||
1 | 2 | ||||
1 | 2 | ||||
1 | 2 |
3. 财务比率的选取
由于缺乏具体的经济理论指导,而公司被 ST 的本质原因又不尽相同,所以很难用简单的几个财务比率对财务困境进行充分描述。因此我们在研究过程中选取尽可能多的财务比率,这些不同的财务比率反映着企业不同的财务侧面,主要从 4 个方面 14 个财务比率来考虑
(1)短期偿债能力:
- 流动比率 = 流动资产 / 流动负债;
- 速动比率 = (流动资产 - 存货)/流动负债;
- 营运资金对资产总额比率 = (流动资产 - 流动负债) / 资产总额
(2)营运能力:
- 存货周转率 = 营运成本 / 平均存货;
- 流动资产周转率 = 销售收人 / 平均流动资产;
- 固定资产周转率 = 销售收入 / 平均固定资产;
- 总资产周转率 = 销售收入 / 资产总额
(3) 长期偿债能力:
- 股东权益比率 = 股东权益 / 资产总额;
- 流动资产比率流 = 资产 / 资产总额;
- 利息保障倍数= EBIT / 利息费用
(4)获利能力:
- 营业收净利润率 = 净利润 / 销售收入;
- 资产净利润率 = 净利润 / 资产总额;
- 流动资产净利润率 = 净利润 / 流动资产;
- 固定资产净利润率 = 净利润 / 固定资产
上市公司信用评级模型(因子分析法)相关推荐
- 因子分析 factor analysis (七) :因子分析法与主成分分析的异同
因子分析系列博文: 因子分析 factor analysis (一 ):模型的理论推导 因子分析 factor analysis (二 ) : 因子分析模型 因子分析 factor analysis ...
- 机器学习-特征抽取(主成分分析法/因子分析法/非负矩阵因子分解NMF算法)
1.特征抽取: 特征抽取是机器学习中另一种十分有用的方法,它与特性选择不同,特征抽取是对数据的特征进行概括和总结,而特性选择则主要是对数据中的不同特征进行比较和选取. 特征抽取是机器学习技术中的一个常 ...
- 因子分析法(Factor Analysis Method) 【转】
目录 1 什么是因子分析 2 因子分析法的步骤 3 因子分析法的实例 [1] <
- 无多普勒频移的海底混响单元散射模型卷积法
%对混响的理解有帮助 %无多普勒频移的海底混响单元散射模型卷积法 clc;clear all;close all; %参数设置===================================== ...
- 信用评级模型_不寻常的方式来提高您的信用评分
信用评级模型 There are various widely known ways to boost your credit score, from making loan repayments o ...
- KANO模型分析法简介与应用
在需求分析阶段,进行MVP(核心)功能选择的时候,产品经理往往难以进行正常的把握,导致做出来的功能并不是用户所需,既导致产品难以成功的同时又大量浪费了开发人力.KANO模型分析法可以帮助产品管理团队分 ...
- 高效会议---海滩球模型会议法
周末两天参加了<打造高绩效团队>的课程,其中提到海滩球模型会议法,在使用后,觉得非常高效.故将过程记录下来,供大家参考学习. 1.工作准备 展开团队对话之前,先要确定自己已完成下列事项 1 ...
- 【数学建模】MATLAB应用实战系列(七十九)-因子分析法(附MATLAB 和Python代码实现)
前言 因子分析法和主成分分析法有很多类似之处.因子分析的主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的,但又无法直接测量到的隐性变量.因子分析法也可以用来综合评价. 其主要思路是利用研究指标 ...
- 评价类模型---TOPSIS法
TOPSIS法 统一指标类型 标准化处理 我们根据例子让大家更好的知道应该如何计算 总结 第一步:将原始矩阵正向化 第二步:正向化矩阵标准化 第三步:计算得分并归一化 练习题 模型的扩展 代码运行的几 ...
- 软件测试分析——质量模型分析法
质量模型包含6大特性27个子特性,本次介绍除维护性之外的5大特性. 目录 功能性 适合性 准确性 互操作性 保密安全性 可靠性 成熟性 容错性 易恢复性 易用性 易理解性 易学性 吸引性 效率 时间特 ...
最新文章
- java wait for_Java p.waitfor()永远等待
- 五年前的转正我没有留下,校招进不了大公司就是失败吗?
- 使用WinDbg内核调试
- linux高可用性,linux – 高可用性Cron Jobs
- 创建可扩展性系统-4
- SDUT 3400 数据结构实验之排序三:bucket sort
- 递归求n的阶层算法实现
- Redis Key过期及清除策略
- mysql 传输表空间_Oracle传输表空间总结
- 什么是损失函数与平均误差算法分析
- SylixOS 内存管理源代码分析--vmmMalloc.c
- Linux 配置虚拟IP
- 第二章 用户画像建模
- centOS7下安装配置nagios
- ToneChip反馈降噪抑制器的UI设计
- 小型微利企业税收筹划策略探析
- 手机移动OA:指尖上也可以拥有会议助手
- Python爬虫进阶必备 | X天下与XX二手房密码加密分析
- 基于Matlab/Simulink的简单三相交流系统扫频仿真
- 北京机动车“单双”限行:市府温情、市民支持
热门文章
- java的程序员工资一般多少_JAVA程序员工资一般是多少
- css基础知识 -- 颜色渐变
- windows10同步时间出错,终于找到解决办法了!
- PostmanCn: Postman中文版
- 搜索引擎算法之 Query Analysis
- Windows 2016 出現 0xc0000135 ServerManager.exe 无法启用
- 弹出启动windows安全中心服务器,win10系统启用windows安全中心服务器提示关闭的操作方法...
- 弹出启动windows安全中心服务器,Win10每次开机都弹出启用Windows安全中心服务怎么办?...
- EXCEL制作统计图表
- 神经计算棒python_神经计算棒-Movidius™ Neural Compute SDK Python API