上市公司财务状况的多元统计分析

Ⅰ IPO定价的因素分析

我们将承销商在IPO定价程序中可能考虑的各种因素分为两类，即外部因素和公司内部因素。它们的组合及其影响直接导致了IPO价格的确定。
所谓外部因素是指与企业正常经营状态相对独立的、不直接反映其内生持续盈利能力 但却影响承销商IPO定价判断的各种情况，它们包括国民经济运行状况、市场利率水平、突发性事件、行业宏观政策导向、产品市场预期、同业竞争情况、市场波动情况、股票发行规模以及承销商自身实力等等。这些因素可能会以不确定的、非线性的方式对承销商的定价过程发生作用，而且在特定的定价行为中，上述信息对IPO价格的最终形成主要起着经验性的非量化影响；公司内部因素是指反映在IPO价格中的直接体现公司素质和增长前景的各种要素的总和，包括承销商对其经营效率、获利能力、管理状况、资本结构等各种内部情况的评估结论。与外部因素不同之处在于，这些内部因素对于IPO定价主要可能起着较为确定的、线性的量化影响。
在模拟外部因素时，我们考虑到一些外部影响的量化难度而进行了相应的简化或剔除。最终，我们假设承销商的IPO定价程序主要受到以下四方面因素的直接影响：（1）市场波动情况；（2）股票发行数量；（3）行业特性；（4）承销商等级指数。
对因素（1），我们使用了上证指数的相对波动率指标来模拟整个市场的中短期波动情况。考虑到在实际发行程序中，IPO定价的最终确定时间一般是在正式发行日的两周之前，因此我们采用发行前两周的市场波动率组合S1来模拟市场气氛的研判环境。其计算公式为：
F/An=Ft/Fn（n=3，5，7，9，11，13，15）
其中，F/An代表相对于上证指数第n周移动平均收盘点位的市场波动率；
Ft为特定股票发行日两周前的上证指数收盘点位；
Fn为特定股票发行日两周前的上证指数n周移动平均收盘点位.
对于因素（3），我们使用了最新颁布的上市公司行业分类指引。由于两个交易所公布的上市公司行业分类结果详细程度不同，因此我们以深交所较为概括的分类标准来对样本公司所属的行业进行判别。
在因素（4）即承销商自身实力方面，我们考虑到美国的IPO市场中等级较高的投资银行所承销的IPO股票定价倾向于高出平均水平（Michelle Lowry&G. William Schwert，2001），因此，国内承销商的实力差别可能也会对其作出的IPO定价决策有所影响。在考虑多重指标之后，我们大致把1997－2000年样本期间内的主承销商进行了等级排名，共分为1、2、3、4个档次。其中，档次越靠前的承销商实力也越强。
在公司内部因素方面，我们考虑到市盈率指标所反映的公司基本面情况较为有限，而要试图对公司的内在价值运用现金流量贴现方法作出判断又会令主观因素的干扰加大。因此，为了全面反映特定公司的基本面素质，我们运用了71个财务指标来模拟公司的偿债能力、赢利能力、资产周转能力、管理效率等各个方面的情况。这些财务指标的原始数据均来自于样本公司招股说明书及上市公告书中上一个会计年度的资产负债表和收益表。尽管现金流量信息非常重要，但在权责发生制的框架下，资产负债表和收益表仍然可以完整地代表特定企业的财务状况和经营成果。鉴于报表编制基础的冲突，我们在选取财务数据时没有纳入现金流量信息。
另外，我国证券市场的政策环境变化较大，经验数据表明：市场的IPO定价从趋势上看，有突然间受到某种冲击而整体增加的迹象，而不是逐渐的增加；而从实际的市场情况来看，定价增加可能是因为受到一级市场市场化的政策的影响，从而表现出的不理性行为导致。基于上述两个原因，我们没有在后续的分析过程中引入时间变量。 （1）数据性质的检验
我们试图从81个变量中寻找到对新股价格有效的解释变量。如果这些变量高度相关，必然会导致回归方程中自变量相互削弱各自对y的边际影响，而出现回归方程整体显著，但各个变量都不显著的现象，也就是多重共线性的现象。另外，在众多的数据中如果存在奇异值，将严重地歪曲变量与自变量之间的关系，使回归方程不能很好地描述一般情况下变量与自变量之间的关系。因此，在发现奇异值时，应将其删除以使回归方程得到较好的效果。
我们通过标准化误差和标准化预测值的散点图检验数据是否存在奇异值的一般规则是：如果存在数据点明显超出 标准化误差值区间，则可以认为该数据是奇异值。根据结果看，几乎所有的值都在 标准化误差值区间内，有两个点远离该区间，显见这两个值是奇异值，将严重影响到回归方程的质量，应该剔除。这两个点对应的个体是新力药业（0153）和平高电气（600312）。
（2）多重共线性的检验
我们通过相关系数矩阵观察各指标之间的相关程度，从而判断各指标间是否存在高度的相关性。从相关系数矩阵可以看到，在拟选用的指标中，变量之间普遍存在着高度相关的现象，比如F/A7与F/A9之间的相关系数为0.977794、主营收入/有形资产与总资产周转率之间的相关系数高达 0.998043等等。所以，这些变量不能同时进入回归方程，在进行回归之前必须对数据进行处理以消除多重共线性的影响。
（3）数据处理
从上述数据性质的检验中，我们发现数据存在奇异值、存在多重共线性的现象。对于奇异值我们将其从数据中剔除，而对于多重共线性的问题我们采用主成分分析法进行处理。
拟选用的指标可以分为两类，即外部指标（行业类别、市场波动指数、承销商等级、发行量系数）和反映公司内部因素的财务指标类聚，并分别对这两类指标进行主成分分析。
（4）用多元统计分析中的主成分分析法进行数据简化
由于存在多重共线性的现象，也就是说各变量之间相互关联，所反映的信息很大程度上也是重复的，所以我们完全可以用少数一些变量来反映大部分的信息。主成分分析作为多元统计分析技术的一个分支，其主要目的就是浓缩数据，就是研究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子。这几个因子不仅保留了原始指标中的主要信息，而且彼此之间不相关，很好地避免了出现多重共线性的问题。
（5）从财务指标中提取公因子。
第一步，提取公因子，并进行因子旋转。
这一处理的结果发现：特征值（Total项）大于1的因子共13个，这13个因子的累计解释方差占到总方差的91.33864%，也即这13 个因子代表了原来所有71财务指标所表达的信息量的91%左右，代表了绝大多数的信息。而变量数由71个减少到13个，以最小的信息丢失量，极大地简化了数据。在之后的回归分析中，我们将用这13个共因子替代原来的71个财务指标进行回归。通过主成分法得到的公因子是完全不相关的，即相关系数为0，用它们进行回归分析就不会出现多重共线性问题。
另外，因子旋转后并没有改变这13个因子的累计解释方差占到总方差的比例，旋转前后该比例均为91.33864%，只是在各个因子之间的分配比例有所变化。
第二步，计算因子得分。
实际上因子得分是通过原始变量的线性组合得到，原始变量前的系数就是因子载荷矩阵中的因子载荷。
（6）从市场指数波动指标中提取公因子
利用上表中的因子载荷矩阵计算因子得分S1
S1=0.823232×（F/A3）+A+0.895644×（F/A15）
（7）用虚拟变量处理行业数据
对于样本所含的94只新股，共涉及19个不同行业，我们引入虚拟变量进行处理。我们用18个虚拟变量di（i=1，2A 18 ）来反映行业分布对新股定价的影响。
（8）回归分析
在剔除奇异值、运用主成分分析法浓缩数据并同时处理了多重共线性的问题之后，我们即可进行最后的回归分析。下面是我们通过采用主成分法得到的财务指标的公因子、市场指标的公因子及发行量系数、行业类别的虚拟变量、券商等级等因素对被解释变量（即IPO价格）进行逐步回归所选出的最优回归方程。
Price=14.27727－1.71038×发行量系数－0.41778×S1+6.70326×d11+3.861002×d15－3.06603×d17+1.132558×F1+0.579465×F3+0.863128×F4+0.67048×F6+0.422713×F8－ 0.6338×F12
其中R2=0.68
（9）最终结果分析：
在财务指标的公因子中，对新股价格有显著影响只有F1、F3、F4、F6、F8、F12、这六个因子，其余因子对新股价格影响甚小，不予考虑。除此之外，市场波动指标的公因子S1对新股价格的影响也是显著的，S1也进入了回归方程。发行量对新股价格的影响同样不能忽视。在反映行业分布的18 个虚拟变量中d11、d15和d17进入了方程，它们所对应行业为行业C99（其他制造业），行业G（信息技术业）和行业K（社会服务业），这说明在 2000年以来，属于这三个行业的上市公司在进行新股定价时，行业分布对其股票定价有显著影响。其中，行业C99和行业G对新股定价是正向的影响，而行业 K对新股定价的影响则是反向的。
上述的Tolerance和VIF两个指标为多重共线性的检查指标。可以看到，所有变量的Tolerance均大于0.1，VIF均小于10，因此不存在多重共线性的问题。
另外，检验数据表明，在5%的显著性水平下，各系数的t值与方程的F值全部通过检验，新股定价模型拟合效果非常好。
作为对比，我们对1997年至2001年初的328只IPO股票数据进行了类似分析，检验结果与上述结论较为相近（检验通过变量完全一致），但回归方程中的自变量系数有一些差别，而样本的拟合度也较差一些，这表明较长期间的IPO定价因素影响可能会随着结构性的市场变动而发生变化。另外，从行业分布角度看，在这一期间对股票定价有显著影响的行业也变成行业C99，行业F（交通运输、仓储业）和行业L（传播与文化产业）。其中，行业C99和行业 L对新股定价是正向的影响，而行业F对新股定价的影响则是反向的。这说明市场热点会随着一些环境因素的变化而转移。

Ⅱ 如何利用因子分析法评价企业并购绩效

因子分析法是解决如何以最少的信息丢失,将众多原始变量浓缩成少 数因子变量,使因子变量具有较强可解释性的一种多元统计分析方法.以2006年发生并购的上市公司为例,用因子分析法在公司并购财务绩效评价中的应用进行 阐述,并通过该方法计算综合绩效得分F值,得出上市公司并购前后的绩效变化情况.

Ⅲ 什么是多变量预警模型

多变量预警模型即是运用多种财务比率加权汇总而构成线性函数公式来预测财务危机的一种模型。它一种综合评价企业风险的方法，当预测企业是否会面临财务失败时，只需将企业的多个财务比率同时输入模型中，模型会通过计算得到一个结果，然后根据结果就可以判断企业是否会面临财务失败或破产。
多变量预警方法通过多个变量的组合来综合确定企业发生财务风险的可能性，其从企业集团的宏观角度出发运用多个财务指标衡量企业风险，为管理决策提供帮助，进而规避风险或延缓危机的发生。相对于单变量模型而言，多变量模型预警财务指标能多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，适合企业集团的财务预警系统的要求。

多变量模型的分类
多变量模型就是运用多个财务指标或现金流量指标来综合反映企业的财务状况，并在此基础上建立预警模型，进行财务预测。按所建模型是否具有动态预警能力、财务预警系统是否易于修改和扩充，多变量模型又可以分为静态统计模型和动态非统计模型。
1. 静态统计模型。
① 线性判别模型。多元线性判别模型是运用多元统计分析方法中的判别分析建立起来的，它是根据一定的样本资料，建立判别函数、确定判定区域，以对企业财务状况进行预测。这种模型以美国Atlman教授的Z模型最具代表性。
② 主成分预测模型。该模型也形成一个线性判定函数式，其形式类似判别分析模型。不过该模型是运用多元统计分析中的主成分分析方法，通过提炼综合因子形成主成分，并利用主成分建立起来的。我国学者张爱民、杨淑娥等分别运用主成分分析方法对我国上市公司的财务预警模型进行过研究。
③ 简单线性概率模型。该模型是利用多元线性回归方法建立起来的，其形式是：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、…、βk为系数;x1、x2、…、xk为 k个预测变量，即财务指标;y为企业财务失败的概率。该模型以0.5为危机分界点，y值越大，企业发生财务失败的可能性越大，y值越接近于0，说明企业财务越安全。
④ logit模型和probit模型。它们也分别叫作对数比率模型和概率单位模型，都属于概率模型，是在克服简单的线性概率模型的基础上并分别用logit 和probit概率函数建立起来的。logit模型的形式为：ln=α0+β1x1+β2x2+…+βkxk。其中：p取值为0、1; p为概率;x1，x2，…，xk为k个预测变量，即财务指标;α0、β1、β2、…、βk为系数。probit概率模型的预测效果一般与logit模型预测的效果相差不大，在此不多加介绍。
2. 动态非统计模型。
动态财务预警模型主要是把人工智能中的归纳式学习的方法应用于财务危机预测。目前，这种方法中最常用的是神经网络预测模型。在神经网络模型中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，而再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相关数值，神经网络就可以根据当时的权重得出输出值即预测值。神经网络分析是一种并行分布模式处理系统，具有高度的计算能力、自学能力和容错能力。该模型由一个输入层、若干个中间层和一个输出层构成。案例推理法是近年来才被尝试应用于财务危机预测上的一种动态非统计模型方法。它是一种依循经验来推理的方法，就是以过去发生的案例为主要的经验依据来判断未来可能发生的问题，是一种典型的“上一次当，学一次乖” 的推理方法。当输入一个新的问题到案例推理法系统，该系统会在从现有的案例库中搜寻相似的案例，判断新案例的类型。案例推理法的关键步骤就是根据相似性演算法测算出案例之间距离，再转变为案例之间的相似度，由相似度选取最相近的案例，据此进行推理判断。
多变量预警分析模型的构建
财务预警的方法很多，如比弗的立面分析、两分法检验和一元判定模型，迪肯的概率模型，埃德米特的小企业研究模型，达艾蒙德的范式确认模型等。但比较有代表性的主要是Z预警模型和F预警模型。
1、Z预警模型。
Z预警模型是由美国爱德华?阿尔曼（Altman）在20世纪60年代中期提出来的，最初阿尔曼在制造企业中分别选取了66家破产企业和良好企业为样本，收集了样本企业资产负债表和利润表总的有关数据，并通过整理从22个变量中选定预测破产最有用的5个变量，经过综合分析简历了一个判别函数：在这模型中他赋予5个基本财务指标以不同权重，并加权产生“Z”值，即
Z＝0.012X1＋0.014X2＋0.033X4+0.999X5
式中：Z为判别函数值
X1＝（营业资金÷资产总额）×100

X2＝（留存收益÷资产总额）×100
X3＝（息税前利润÷资产总额）×100
X4＝（普通股优先股市场价值总额÷负债账面价值总额）×100
X5＝销售收入÷资产总额
该模型将反映企业偿债能力的指标X1和X4、反映企业获利能力的指标X2和X3以及反映企业运营能力的指标X5有机联系起来，通过综合分值分析预测企业财务失败或破产的可能性。按照这个模式，一般来说，Z值越低企业越有可能破产，通过计算某企业若干年的Z值就可以发现企业是否存在财务危机的征兆。阿尔曼根据实证分析提出了判断企业财务状况的几个临界值，即：当Z值大于2.675时，则表明企业的财务状况良好，发生破产的可能性小；当Z值小于1.81时，则表明企业潜伏着破产危机；当Z值介于1.81-2.675时被称为“灰色地带”，说明企业的财务状况极为不稳定。
上述模型主要使用于股票已经上市交易的制造企业，为了能够将Z预警模型使用于私人企业和非制造企业，阿尔曼又对该模型进行了修正，即
Z=0.065X1+0.0326X2+0.01X3+0.0672X4
式中：X1＝（运营资金÷资产总额）×100
X2＝（留存收益÷资产总额）×100
X3＝（息税前利润÷资产总额）×100
X4＝（企业账面价值÷负债账面价值）×100
在这个预警模型中，当目标企业的Z值被测定为大于2.90时，说明企业的财务状况良好；当Z值小于1.23时，说明企业已经出现财务失败的征兆；当Z值处于1.23-2.90时为“灰色地带”，表明企业财务状况极不稳定。
阿尔曼设计的Z模型综合考虑了企业的资产规模、变现能力、获利能力、财务结构、偿债能力等方面的因素，该模型在西方预测公司破产的准确率达70％-90％，在破产前一年准确率高达95％。
2、F预警模型。
由于Z预警模型在建立时并没有充分考虑到现金流量的变动等方面的情况，因而具有一定的局限性。为此，有学者拟对Z预警模型加以改造，并建立其财务危机预测的新模型——F预警模型。

F预警模型的主要特点是：（1）F预警模型加入现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量，因而它弥补了Z分数模式的不足。（2）本模型考虑到了现代化公司财务状况的发展及其有关标准的更新。比如公司所应有财务比率标准已发生了许多变化，特别是现金管理技术的应用，已使公司所应维持的必要的流动比率大为降低。（3）本模型使用的样本更加扩大。其使用了CompustatPCPlus会计数据库中1990年以来的4160家公司的数据进行了检查；而Z预警模型的样本仅为66家（33家破产公司及33家非破产公司）。F预警模型对4160家公司进行了验证。
F预警模型如下：
F=-0.1774+1.1091W1+0.1074W2+1.9271W3+0.0302W4+0.4961W5
F预警模型中的五个自变量的选择是基于财务理论，其临界点为0.0274，若某一特定的F值低于0.0274，则将被预测为破产公司；反之，若F值高于0.0274，则公司将被预测为继续生存公司。

Ⅳ 求一个学年论文题目（经济类，最好和统计有关的）

提供一些经济统计类的学年论文题目，供写作参考。

1. 某省各地市经济发展水平的综合评价
2. 工业企业经济效益综合评价的应用研究
3. 某省市经济发展水平分区研究
4. 某省市消费拉动第三产业增长的实证分析
5. 某省市城镇居民消费结构变化趋势研究
6. 某省普通高等教育生源变动趋势与对策研究
7. 某省城镇居民消费结构比较研究
8. 某高校学生的心理健康统计分析
9. 课堂教学评估体系与方法研究
10. 某市各区县经济综合实力评价研究
11. 基于多元统计的某省经济分区研究
12. 因子分析在某省利用外资效果评价中的应用
13. 因子分析在居民消费结构变动分析中的应用
14. 因子分析在企业竞争力评价中的应用
15. 深沪股市收益率分布特征的统计分析
16. 某省市农民收入问题的调查与思考
17. 最优加权组合法在GDP预测中的运用研究
18. 最优加权组合法在粮食产量预测中的运用研究
19. 最优加权组合法在能源消耗预测中的运用研究
20. 我国（某省）实际人均GDP的趋势分析及预测
21. 某省市工业经济效益的综合评价
22. 工业企业科技竞争力的综合评价
23. 某省市城镇居民消费结构的地区差异分析
24. 某省市各地区经济综合实力的评价
25. 基于因子分析法的上市公司财务状况评价研究
26. 某省工业化进程统计测度及实证分析
27. 某省城市化进程统计测度及实证分析
28. 某省城市规模发展水平分析与比较研究
29. 某省市工业行业结构特征的因子分析
30. 城镇居民消费的典型相关分析
31. 我国（某省）各地区人口素质差异的统计分析
32. 我国（某省）三次产业结构变动的统计分析
33. 某省农业产业化发展的实证研究
34. 某省外贸出口与经济发展关系的实证研究
35. 县域经济发展综合评价的实证研究
36. 某省各县市经济发展的聚类分析
37. 某省各县市产业结构的聚类分析
38. 某省（市）信息化实现程度实证评价
39. 某省（市）环境保护综合评价
40. 我国科技进步贡献率的测度
41. 某省（市）居民生活水平与质量实证评价
42. 某省（市）经济外向度实证研究
43. 县级政绩考核指标体系与方法研究
44. 我国城乡居民收入差距实证研究
45. 我国东西部城镇居民收入差距实证研究
46. 某省市城镇居民消费水平与结构变化趋势研究
47. 某省市投资拉动GDP增长的实证研究
48. 耐用品需求预测模型及其应用研究
49. 某省市GDP周期波动实证研究
50. 某省市工业周期波动实证研究
51. 某省市零售市场周期波动实证研究
52. 某省市农民收入周期波动实证研究
53. 某省市人口最优预测模型与应用研究
54. 某省市人口老龄化趋势与对策研究
55. 某省市财政收支变化趋势与对策研究
56. 某省市城镇居收入差距变化趋势与对策研究
57. 某省市农民收入差距变化趋势与对策研究
58. 长江水质的综合评价与预测
59. 多元统计分析方法在股票市场板块中的应用研究
60. ARCH族波动模型研究及其在我国股市中的应用研究