大数据背景下基于k-mea...的上市公司财务预警模型研究_区梦怡.pdf

822023 年第 2 期总第 458 期广西经济Guangxi Jingji大数据背景下基于 k-means 聚类分析的 上市公司财务预警模型研究区梦怡 摘要 选取20002020年广西上市公司数据作为样本，构建广西上市公司财务预警模型，可以得出以下结论：第一，在构建模型时，指标选择对研究结果尤为重要，在构建k-means聚类分析财务预警模型时要消除多重共线性的影响。第二，在对广西上市公司进行风险研究时，可以重点研究博士比重、净利率、资产负债率和总资产周转率等4个指标。这4个指标对广西上市公司有较大影响，合理优化企业自身资源，能让企业在激烈的市场竞争中取得更好更快的发展。关键词 大数据；k-means；逐步回归；聚类分析；上市公司中图分类号 F832；F275 文献标识码 A 文章编号 1007-2462（2023）02-0082-05随着国家经济的发展，广西地区生产总值由2001年的2279.34亿元上升至2020年的22156.69亿元，人均地区生产总值亦从2001年的5058元增至 2020 年的 44309 元。2022 年 1 月 1 日，区域全面经济伙伴关系协定（RCEP）正式生效，广西抢抓机遇，多措并举高质量实施RCEP，与RCEP成员国的贸易规模达到一个新水平，通过中国东盟博览会平台，助推中国东盟自由贸易区3.0版。自1993年广西柳工机械股份有限公司在上海证券交易所上市以来，截至2021年12月31日，广西共有上市公司39家，板块总市值为3111.30亿元。广西上市公司的发展影响着广西区域经济的发展，为了确保广西经济的稳定、健康，有必要构建广西上市公司财务预警综合评价模型，以及时发现广西上市公司存在的风险并尽早解决，避免上市公司财务风险对广西经济造成更深远的影响。一、文献回顾目前对广西上市公司的研究较少，截至2022年11月，在中国知网搜索关键词“上市公司”，有4万多条结果，而将“广西上市公司”作为关键词进行搜索，仅得到100多条结果。本文将研究对象聚焦于广西上市公司，根据广西上市公司2001年至2021年的相关数据，使用逐步回归和k-means聚类分析构建广西上市公司财务预警综合评价模型，对广西上市公司的财务状况经营成果进行评价。Li L等1认为k-means聚类分析可以筛选风险较大的投资，通过分散投资将风险进行二次分散，以最小的风险获得最高的回报。Fang Z、Chiao C2通过k-means聚类分析对100支上市公司股票进行研究，认为k-means聚类分析可以把股票准确区分为高绩效股票和低绩效股票，这为投资者投资股票提供了很好的参考。Zhu Z、Liu N3认为k-means聚类分析方法可以有效避免人为划分阈值带来的主观负面影响，持续优化风险预测过程，可以更准确、客观地区分风险，确定风险发生的可能性及其严重程度，为风险防范和管理提供科学依据。陈旭和陈红平4认为k-means聚类分析不需要训练模型，只要在使用时根据数据特征进行计算，就能适基金项目 2022年度广西高校中青年教师科研基础能力提升项目“大数据背景下基于机器学习算法的上市公司财务风险识别研究”（2022KY1303）作者简介 区梦怡，广西经贸职业技术学院讲师。企业经济83应不同业务。夏会5等认为通过k-means聚类分析是无监督学习模型，在无标签分类的情况下构建指标，快速且精确地对案例进行聚类，可以发现与总体差异较大的异常实例，提高风险监控效率。二、研究设计（一）样本选择与数据来源上海证券交易所与深圳证券交易所的特殊处理条件（ST）几乎相同：一是上市公司经审计两个会计年度的净利润均为负值，二是上市公司最近一个会计年度经审计的每股净资产低于股票面值。出现以上情况的上市公司会被进行特殊处理。在我国境内被进行特殊处理的上市公司，属于有退市风险的上市公司。根据我国境内上市公司特殊处理的条件，本文选择T年公司是否被特殊处理作为因变量，T-3年公司的财务数据和非财务数据作为自变量，构建广西上市公司财务预警综合评价模型，判断广西上市公司的财务风险点，为稳定广西上市公司发展提出建议和改进措施。1993年广西柳工在深交所上市后，广西陆续有企业上市，由于历史数据难以获取，故本文研究选择样本从2000年开始。在获取数据时发现，广西上市公司ST样本数远小于正常经营（非ST）公司样本数，所以按照“ST 非ST=1 2”的比例，将上市公司进行样本配比，排除数据无法完整获取的公司后，总共选择了120个样本（其中非ST企业样本80个，ST企业样本40个），通过k-means聚类分析模型对样本进行分类，判断样本所属分类。（二）变量选择本文在前人研究基础上，从7个方面初选了22个指标，包括非财务指标、每股指标、盈利能力指标、现金流量指标、偿债能力指标、资本结构指标和经营能力指标，见表1。通过不同指标，可以从表1 指标解释表变量类型符号指标计算公式说明被解释变量YST若企业当年被特殊处理为“1”（“ST”企业），否则取“0”（非“ST”企业）非财务指标X1违规次数企业上市后违规的次数X2第一名股东持股比例企业第一名股东持股比例X3前十大股东持股比例合计企业前十大股东持股比例合计X4博士比重博士人数/员工总数企业员工中博士占比每股指标X5每股收益净利润/实收资本分析每股价值的基础性指标X6每股未分配利润未分配利润/实收资本分析每股实收资本剩余的待分配利润X7每股现金流量净额企业经营活动现金流量净额/实收资本分析企业最大的分派股利能力，超过此限度，可能就要借款分红盈利能力X8净资产收益率净利润/股东权益分析上市公司盈利能力和股东资金使用效率X9总资产报酬率息税前利润/资产分析企业获利能力X10投入资本回报率息前税后经营利润/投入资本分析投出资金的使用效果X11销售毛利率毛利/营业收入分析商品经过生产转换内部系统后增值的部分X12净利率净利润/营业收入分析企业营业收入创造净利润的能力现金流量X13经营现金净额占比经营活动产生的现金流量净额/营业收入分析企业当期收入的变现能力偿债能力X14资产负债率负债/资产分析债权人向企业提供信贷资金的风险程度，也反映了企业举债经营的能力X15流动比率流动资产/流动负债分析企业资产的变现能力资本结构X16流动资产比率流动资产/资产分析企业的轻资产比率（比较容易变现的资产）X17流动负债比率流动负债/负债分析企业依赖短期债权人的程度X18有息负债率有息负债/总资产分析企业依照契约产生利息的负债占比，在企业需要降低负债率时应重点减少有息负债经营能力X19存货周转率营业成本/存货分析企业存货资金占用量是否合理，促进企业保证生产经营连续时提高资金使用效率X20总资产周转率营业收入/资产分析企业全部资产的经营质量和利用效率X21营运资本周转率营业收入/营运资金分析企业经济效益状况X22应收账款周转率营业收入/应收账款分析企业应收账款周转速度及管理效率84不同层面构建财务预警综合评价模型，对广西上市公司进行客观准确的预警研究。三、基于模型的实证研究（一）逐步回归由于存在普遍的相关关系，将上市公司财务指标和非财务指标作为自变量进行研究时，会导致构建的模型存在多重共线性，多重共线性会对回归参数估计带来严重影响。为消除多重共线性的影响，本文采用逐步回归法，从22个初选变量中选取最重要的变量，建立回归分析的预测或者解释模型。根据“引入自变量使模型偏回归平方和经检验后是显著的”规则，将自变量逐个引入模型。引入自变量后，对旧的自变量逐个检验，剔除偏回归平方和不显著的自变量。依次引入和剔除自变量后，建立“最优”的多元线性回归方程。本文使用SPSS对初选的22个自变量进行逐步回归分析，结果如表2所示。表2 逐步回归法筛选指标模型输入的变量除去的变量方法1资产负债率（X14）步进（条件:要输入的F的概率=0.100）2净利率（X12）3总资产周转率（X20）4博士比重（X4）a.因变量：是否ST在逐步回归中，首先引入资产负债率（X14）构建模型1，其次引入净利率（X12）构建模型2，再次引入总资产周转率（X20）构建模型3，最后引入博士比重（X4）构建模型4。最终选取了博士比重（X4）、净利率（X12）、资产负债率（X14）和总资产周转率（X20）4个指标构建广西上市公司财务预警模型。经过逐步回归法选取的4个指标既是重要的自变量，又没有严重多重共线性。（二）k-means聚类分析1.k-means聚类分析定义聚类分析也属于机器学习的一种方式，本质上是一种描述统计方法，是通过聚类分析，在没有标签的数据里发现一些潜在的结构的一种训练方法。它没有明确的目的，不需要给数据打标签，也无法量化效果，但是可以结合研究目的、专业知识和数据特征，按照距离的远近合理地把数据分成若干个子集，其中每个子集是一个簇，簇中的对象虽彼此相似，但与其他簇的对象则不同。由于给的数据没有类标号信息，而聚类是无监督学习，因此最终由人工给这些簇及其特征下定义，并在具体的业务场景中应用。k-means聚类法又称为快速聚类法，可用于对大量数据进行聚类分析。k-means聚类法是一种非层次聚类法，其基本步骤如下：首先，研究者可以自行指定或随机生成聚类中心，初步确定每个类别的初始聚类中心；其次，逐一计算各样本到各类别初始聚类中心的距离，将各样本按距离最近的原则归入各个簇，并重新计算各簇的新聚类中心；再次，按照新的聚类中心位置，重新计算各样本距离新的聚类中心点的距离，并重新归类，更新簇的聚类中心；最后，重复上一步，直到达到一定的收敛标准，或者达到事先指定的迭代次数为止。k-means聚类法可以有效处理多变量、大样本数据而不占用太多的内存空间和计算时间，其速度往往明显快于层次聚类法，这也是它又被称为“快速聚类”法的由来。k-means聚类法在分析时用户可以人为指定初始聚类中心位置，或者将曾做过的聚类结果作为初始聚类中心位置引入分析。但是，该方法也有一定的限制性：一是要求用户事先知道案例的分类，二是需要考虑变量的多重共线性问题，如果忽视这些问题将可能导致错误的结果。2.K值确定聚类常用的评估指标包括轮廓系数和DBI指数，轮廓系数（Silhouette Coefficient）是聚类效果好坏的一种评价方式，最早由Peter J.Rousseeuw在1986年提出。轮廓系数主要是将任意样本到其他簇内点的平均距离与样本到同簇内点的平均距离做差，然后再除以这两个距离的最大值。其公式如式1所示，轮廓系数（S）的取值范围在-1，1之间。如果S取值接近1，说明样本聚类合理，如果S取值接近-1，说明样本更应该分类到另外的簇，若S近似为0，则说明样本在两个簇的边界上。轮廓系数最大的K值为最佳聚类数。（式3-1）S=(ba)max(a,b)a：样本i到同一簇内其他点不相似程度的平均值b：样本i到其他簇的平均不相似程度的最小值85戴维森堡丁指数（DB）是由大卫L 戴维斯和唐纳德 Bouldin提出的一种评估聚类算法优劣的指标，指任意两类别（簇）的类内样本到类中心平均距离之和除以两类（簇）中心点之间的距离，取最大值，然后将所有的最大值取平均值。DBI越小意味着类（簇）内距离越小，类（簇）间距离越大，即聚类效果较好。首先，DBI定义了一个分散度的值Si，其表示第i个类中，度量数据点的分散程度，如式2所示；其次，DBI定义了一个距离值Mij，表示第i类与第j类的距离，如式3所示；再次，DBI定义了一个相似度的值Rij，衡量聚类方案的好坏，如式4所示；从次，计算簇与其他簇的最大相似值Di，如式5所示；最后，计算出DBI用来度量每个簇最大相似度的均值，如式6所示。Si=|1TiTij=1|Xj Ai|q|=|1q（式2）Si：第i类中，簇的分散程度Xj：第i类中第j个数据点Ai：第i类的中心Ti：第i类中数据点的个数q：q取1时表示各点到中心的距离的均值，q取2时表示各点到中心距离的标准差Mij=Ai AjqNk=1|aki akj|p1p（式3）Mij：第i类与第j类中心的距离N：维度aki：第i类的中心点的第K个属性的值Rij=Si+SjMij（式4）Di=maxj=iRij（式5）DBI=1nNi=1Di（式6）四、广西上市公司财务预警模型将初选的22个指标引入k-means聚类分析模型构建模型1，通过python计算最佳聚类个数，根据轮廓系数和DBI指数，K为10的时候聚类效果最佳。此时DBI为0.8508，轮廓系数为0.207，每个聚类的案例个数如表3-1所示。根据个案标注依据（是否ST）对其进行分类，结果如表3-3所示。将通过逐步回归法筛选的博士比重等4个指标引入k-means聚类分析模型构建模型2，通过python计算最佳聚类个数，根据轮廓系数和DBI指数，K为8的时候聚类效果最佳。此时DBI为0.7255，轮廓系数为0.352，每个聚类的案例个数如表3-2所示。根据个案标注依据（是否ST）对其进行分类，结果如表3-3所示。通过k-means聚类分析对广西120家样本企业进行聚类分析，根据表3-3结果可以看出，将初选表3-1 模型1每个聚类中的个案数聚类有效缺失123456789101111342419211200表3-2 模型2每个聚类中的个案数聚类有效缺失1234567812011918611200表3-3 不同模型检验结果分类汇总表检验结果分类模型1准确率模型2准确率0101真实的分类078297.50%78297.50%1142665.00%93177.50%合计86.67%90.83%86指标进行k-means聚类分析构建财务预警模型（模型1）时，模型1对广西80个非“ST企业进行财务预警时78个样本检验正确，2个样本检验错误”，判别结果准确率为97.50%；对广西40个“ST企业进行财务预警时26个样本检验正确，14个样本检验错误”，判别结果准确率为65.00%，总体样本判别结果准确率为86.67%。将经过逻辑回归筛选的指标进行k-means聚类分析构建财务预警模型（模型2）时，模型2对广西80个非“ST企业进行财务预警时78个样本检验正确，2个样本检验错误”，判别结果准确率为97.50%；对广西40个“ST企业进行财务预警时31个样本检验正确，9个样本检验错误”，判别结果准确率为77.50%，总体样本判别结果准确率为90.83%。模型2比模型1样本测试准确性提升了4.17%，说明在构建模型时，并不是指标越多，模型预测准确性越高。在选择指标时应该先去除会产生多重共线性的指标，再进行模型构建，从而提高模型预测准确性。通过上述分析可以看出，广西上市公司应重点关注以下4个指标：首先是博士比例。人才是企业发展最重要的资源，大力激发人才的创新创造活力能为企业发展提升动力。其次是净利率。因为企业的竞争优势主要体现在净利率方面，提高净利率才能为企业带来更多的财富，让企业得到更快的发展。再次是资产负债率。其为衡量企业公司利用债权人资金进行经营活动能力的指标，也可反映债权人发放贷款的安全程度，过低的资产负债率不利于企业的发展，而过高的资产负债率容易导致企业陷入债务危机。最后是总资产周转率。总资产周转率用于衡量企业运用资产赚取利润的能力，周转次数越多，表明周转速度越快，营运能力越强，反之则表明其周转速度越慢,营运能力越弱。合理配置企业资产，提高资金利用效率也有助于企业在激烈竞争中占据有利地位。参考文献1 LI L，WANG J.Efficiency analysis of machine learning intelligent investment based on K-means algorithmJ.Ieee Access，2020（99）：1.2 ZHENG F，CHIAO C.Research on prediction and recommendation of financial stocks based on K-means clustering algorithm optimizationJ.Journal of Computational Methods in Sciences and Engineering，2021，21（5）：1081-1089.3 ZHU Z Y，LIU N.Early warning of financial risk based on K-means clustering algorithmJ.Complexity，2021：10.1155/2021/5571683.4 陈旭，陈红平.孤立点分析在审计疑点发现中的应用探讨基于K-Means聚类算法的Python实现J.会计之友，2019（17）：72-76.5 夏会，程平，张砾.大数据下基于改进K-means聚类算法的税收风险识别J.财会月刊，2019（21）：143-146.（责任编辑：农媛媛）