基于混频数据的中国上市公司财务困境动态预测研究
作者:闫达文; 李存; 迟国泰
更新时间:
以年度财务指标、年度失业率、季度GDP增长率和月度通货膨胀率为解释变量,以年度财务困境状态变量为响应变量,结合指数Almon多项式加权和逻辑回归方法,本文构建了不同时间窗(t-k年)中国上市公司财务困境的低频预测模型。此外,本文捕捉了上市公司脱帽的季度时间信息,将财务困境状态设定为季频变量,构建了中国上市公司财务困境的高频预测模型,揭示了宏观因素与财务因素相结合对企业未来各季度财务危机的预警作用。本研究的创新点和特点是:构建年度失业率、季度GDP增长率、月度CPI增长率与企业财务困境状态之间的非线性函数关系,反映不同频率的关键宏观因素变化对企业偿债能力的影响。研究结果表明:第一,引入高频宏观经济指标可以有效提高我国制造业上市企业财务困境的年度预测绩效。以T-3模型为例,与同频率的年度数据模型相比,混合模型的AUC值性能提高了7.32%。第二,不同频率的关键宏观因素在不同年份的预测效果不同。通货膨胀率月报仅在t-2模型中具有显著的预测功能。在不同窗口下,季度GDP增长率和年度失业率在模型中具有统计显著性影响。第三,与低频率的年度财务困境预测相比,年度失业率指数对企业季度财务困境变化的影响不再显著,行业景气指数则表现出明显的预测功能。季度GDP增长率和月度通货膨胀率数据的经济意义更为明显,在企业财务困境风险的季度高频预测中表现出更强的时效性。