上市公司财务预警模型设计与分析
基于BP神经网络的制造企业财务风险预警
首先对制造企业财务风险相关文献进行综述，然后构建BP神经网络模型，通过实地调研收集数据并训练模型 ，最后对模型进行测试与评估
CHAPTER 02
财务风险预警概述
财务风险预警的概念
财务风险预警
指通过收集、分析财务数据和非财务数据，识别和评估企业 面临的潜在财务风险，并采取相应措施进行预警和应对的过 程。
要点二
结果讨论
本研究构建的基于BP神经网络的财务风险预警模型， 能够较为准确地预测制造企业的财务风险。然而，本研 究仍存在一些局限性，如样本量较小，数据来源仅限于 国内企业等。未来研究可以进一步拓展样本量，引入更 多数据源，以提高模型的预测效果。
CHAPTER 06
研究结论与展望
研究结论
有效性
基于BP神经网络的财务风险预警模型在制 造企业中能够有效预测和识别财务风险， 有助于企业及时采取应对措施，降低财务 风险的影响。
。
使用60家企业的数据作为训 练样本，进行神经网络的训
练。
测试样本
评估指标
使用40家企业的数据作为测 试样本，验证神经网络的预
测效果。
采用均方误差（MSE）和平 均绝对误差（MAE）作为
评估指标。
结果解释与讨论
要点一
结果解释
经过训练和测试后，神经网络的输出值接近于实际值， 误差较小，可以用于预测制造企业的财务风险。
基于BP神经网络的制 造企业财务风险预警
2023-11-04
目 录
• 引言 • 财务风险预警概述 • 基于BP神经网络的财务风险预警模型构建 • 制造企业财务风险预警指标体系构建
目 录
• 基于BP神经网络的制造企业财务风险预警实 证分析
• 研究结论与展望 • 参考文献
基于Z-Score模型的Y超市财务风险评价
一、文献综述Edwar d A l t m an (1968)通过对美国破产和非破产企业的深入研究并采用22个财务比率,通过数理统计筛选,建立了著名的5变量Z-s cor e 模型。
该模型以多变量的统计方法为基础,以破产企业为样本,通过大量的实验,对企业的运行状况、破产与否进行分析、判别的系统。
孙立新等(2013)通过定量分析股权结构等三个方面对一百六十多家上市企业进行研究,最终得出我国中小企业与Z-s cor e 模型的适用性良好。
[1]康彩红等(2018)通过FO A 算法和Z-s cor e 模型相结合,得到了改进FO A 算法的上市公司财务预警模型,通过大量数据计算证明改进后的模型准确率提高,极大地提高了传统Z-s cor e 模型的有效性和准确性。
[2]王稻等(2002)通过运用阿尔特曼Z-s cor e 模型对我国上市公司进行风险检验,最终提出:由于我国上市公司投资方向的复杂性,使得在计算Z 值时X 5偏低,因此,当我国上市公司想利用此模型进行财务风险检验时,应根据自身实际状况进行调整。
[3]刘开瑞等(2010)通过Z-s cor e 模型构建财务风险评价模型,同时建立F 分数模型作为修正,提出了更多量化的财务风险评价模型供参考,并引入非财务指标,极大地提高了Z-s cor e 模型的完整性。
[4]雷艳丽等(2022)通过SO A 算法和Z-scor e 模型相结合的方法,提出了一种全新的财务风险评价模型,并通过大量分析计算证明该模型更加适合饲料上市公司。
[5]向德伟(2022)通过对八十多家A股企业的研究得出:Z 计分法特别适用于某种企业或者某类企业,该模型的准确性比较高并且在我国有着不错的发展前景。
[6]二、Y 超市概况及零售行业发展现状(一)Y 超市概况Y 超市是我国非常著名的商超零售企业,该企业成立于2001年。
自创办以来,Y 超市在全国已开宋艾琳,姚爽(沈阳化工大学经济与管理学院,沈阳110142)摘要:近年来,得益于中国经济的高速增长,带动了零售业的快速发展,尤其是超市。
用eviews分析的论文主题
用eviews分析的论文主题
1.吉尼系数影响因素的计量分析
2.我国旅游经济的因素分析
3.试探交通运输发展与国民经济的关系
4.我国1978-1997年的财政收入和国民生产总值的计量分析
5.我国经济增长对能源消耗的依赖
6.投资额与生产总值和物价指数
7.外商直接投资(FDI)对我国经济影响的实证分析
8.影响居民消费水平的因素分析
9.我国人均GDP与消费的计量分析
10.有关我国居民储蓄影响因素的计量分析
11.新中国出口的影响因素分析
12.影响股价指数的因素分析
13.影响居民消费水平的主要因素分析
14.我国消费的影响因素分析
15.中国能源需求影响因素实证分析
16.中国经济增长与周期波动
17.中国旅游业发展状况分析
18.中国城市居民消费计量分析
19.对上市公司利用新四项计提进行盈余管理的实证研
20.对影响人身保险保费收入诸因素的计量分析
21.餐饮业区域市场潜力的影响因素分析
22.FDI对中国经济增长的影
23.城镇居民住房面积的多因素分析
24.关于影响我国南方几省市农业总产值因素的实证分析
25.关于国内旅游需求的计量经济学分析报告
26.如何提高农业产值和农民人均收入水平
27.宏观经济政策对中国经济周期波动的影响分析
28.三大产业的发展与城镇居民家庭消费支出
29.上市公司财务预警模型设计与分析
30.货币政策有效性分析
31.外资利用与我国进出口贸易关系的实证分析
32.我国采矿业龙头企业利润因素分析
33.我国农民收入影响因素的回归分析
34.我国财产保险市场发展的因素分析。
基于Z-Score模型的M公司财务风险研究
基于Z-Score模型的M公司财务风险研究摘要：随着时代的推进，人们对服装的追求日新月异。
M公司作为我国休闲服饰的领导品牌，创造了中国服装界“虚拟经营”的奇迹。
本文依据M公司2017～2021年的财务数据，主要分析偿债能力、盈利能力、营运能力和发展能力，基于Z-score模型的适用范围，探究M公司的财务状况，判断该公司财务风险的高低。
最后，针对现有问题，提出建议。
关键词：财务风险；Z-score模型；服装业一、服装业现状及M公司概况1、服装业现状目前正是网络盛行的时代，网络购物成为服装营销的一种途径。
人们对服装的追求也在不断改变，更加注重时尚、文化、品牌与形象的消费，国际快时尚品牌快速抢占市场，引领消费潮流，打破了我国传统服饰的模式，服装行业面临转型升级的压力，将迎来新的发展机遇。
2、M公司概况M服饰股份有限公司是1995年创立，总部位于上海，属于中国服装产业代表企业。
该品牌秉承“不走寻常路”的精神，主要消费者是年轻人。
M集团坚持“虚拟经营”的业务模式，2008年，在深圳A股成功上市。
2011年M公司营业收入直达99.45亿元，但同时库存高达25亿元，面临发展中巨大的难题。
2015年出现首次亏损，紧接着疫情来袭，业绩惨淡，2021年净亏损4.685亿元。
二、M公司财务风险的Z—Score模型评估1、Z—Score模型简介Z－score模型由Edward Altman教授于1968年提出的。
该模型以多变量的统计方法为基础，以破产企业为研究对象，分析、判别企业的经营状况和破产程度。
Z-Score模型A，适用于公开上市制造业公司，计算公式为：Z-Score模型B，适用于非上市公司，计算公式为：,,,,分别表示五种不同的财务指标。
本案例研究适用于模型A。
表1Z-Score模型变量计算公式自变量计算公式(流动资产-流动负债)/总资产留存收益/总资产(利润总额+利息费用)/总资产所有者权益/总负债销售收入/总资产2、Z—Score模型计算（1）偿债能力在2017-2021年，M公司的流动比率分别为：1.08、1.02、0.92、0.76、0.65，下降约43%，速动比率为0.40、0.48、0.44、0.37、0.37，指标均小于1，说明M公司近几年的短期偿债能力弱。
基于PSO优化SVM制造业公司财务风险预警研究
基于PSO优化SVM制造业公司财务风险预警研究【摘要】本文基于PSO优化SVM模型，构建了制造业公司财务风险预警模型。
首先介绍了PSO算法的原理和SVM模型的基本概念，然后结合二者，提出了PSO优化SVM模型的具体实现步骤。
接着通过实证研究设计与实施，验证了该模型在财务风险预警方面的有效性。
研究结果表明，基于PSO优化SVM模型的财务风险预警具有较高的准确性和预测能力，为公司风险管理提供了可靠的参考依据。
本研究为关于PSO优化在SVM模型中的应用提供了一定的借鉴价值。
本文的研究也存在局限性，未来研究可进一步完善该模型，并探究其他优化算法与模型的结合，以进一步提升财务风险预警的准确性和效率。
【关键词】PSO算法、SVM模型、财务风险预警、研究背景、研究意义、研究内容、PSO优化、模型构建、实证研究设计、研究成果、贡献与局限、未来展望。
1. 引言1.1 研究背景制造业是我国经济的支柱产业之一，对于制造业公司来说，财务风险预警是非常重要的。
随着市场竞争的加剧和外部环境的不确定性增加，制造业公司面临的财务风险也在不断增加。
如何准确、及时地预警财务风险成为制造业公司面临的重要问题。
PSO优化SVM模型是一种结合了粒子群优化（PSO）算法和支持向量机（SVM）模型的方法。
PSO算法能够通过模拟鸟群觅食的行为来搜索最优解，而SVM模型可以有效处理高维数据和非线性问题。
将PSO算法与SVM模型结合起来，可以更好地预测和预警财务风险。
本研究旨在基于PSO优化SVM模型，构建制造业公司的财务风险预警模型，帮助公司及时发现财务风险并采取相应措施。
通过实证研究和数据分析，本研究将探讨如何有效地利用PSO优化SVM模型对制造业公司的财务风险进行预警，为制造业公司提供决策支持和风险管理建议。
1.2 研究意义制造业是我国经济的重要组成部分，财务风险是制造业公司面临的重要挑战之一。
随着市场竞争的加剧和经济环境的变化，制造业公司的财务风险管理变得越来越重要。
上市公司WACC资本结构决策模型设计与应用
2020年23期总第932期一、WACC 资本结构决策模型设计思路本模型基于EXCEL2019版本，从权益资金成本、债务资本成本、产权比率三个方面，对上市公司加权平均资本成本WACC 进行动态管理分析，构建WACC 资本结构决策模型。
主要构建资本资产定价模型、股利折现模型、债务资本成本模型、综合资本成本模型、产权比率与综合资金成本关系模型。
模型搭建流程如图1所示。
图1资本结构决策评价模型构建图1.构建资本资产定价模型构建资本资产定价模型（CAPM ），来测算公司权益资金成本时，公式如下：其中：K c 表示普通股投资的必要报酬率，也即公司权益资金成本；R f 表示市场无风险报酬率，以一年期国债利率来表示，可以根据往年一年期国债的回购利率进行确定；R m 表示资本市场平均风险股票报酬率，以上证综合指数（或深证综合指数）的加权平均数来表示；βi 表示贝塔系数β，是系统性风险的度量，以资本市场的证券回报率与市场回报率来测算。
2.构建股利折现模型构建股利折现模型，来测算公司权益资金成本时，基本测算公式如下：其中：P c 表示公司发行普通股的价格，扣除发行普通股费用后的筹资净额；D t 表示公司普通股第t 年发放的股利额；K c 表示公司普通股投资者要求的必要报酬率，也即公司权益资金成本。
假定公司拟实施固定增长股利政策，测算公司权益资金成本时，公式如下：其中：D 表示公司年分派现金股利额，D 1表示公司第1年分派现金股利额，G 表示公司股利固定增长比率。
3.构建债务资本成本模型构建债务资本成本模型，来测算公司长期资本成本，公式如下：其中：K i 表示公司税后的债务资本成本；R d 表示公司税前长期债务的利息率；T 表示公司所得税税率。
在实务中，如果公司存在已上市的长期债券，可以使用公司到期收益率法，测算公司长期债务的税前资本成本；如上述方法不能实现，可以采取测算行业内可比公司长期债券的到期收益率，视同票面利率，作为公司长期债务的资本成本；如上述两种方法均不能实现，可以采取政府债券的市场回报率，加上公司的信用风险补偿率，来测算公司税前长期债务资本成本。
企业运营风险预警模型的研究与应用
企业运营风险预警模型的研究与应用随着企业的规模不断扩大，市场竞争的日益激烈，以及外部环境的不确定性，企业运营风险日益增加。
因此，企业迫切需要一种有效的风险管理模型，以识别并应对潜在的风险。
在这方面，运营风险预警模型变得尤为重要。
本文旨在探讨企业运营风险预警模型的研究与应用。
一、什么是企业运营风险预警模型？企业运营风险预警模型是指一种风险管理模型，它基于企业自身的数据和行业数据，使用定量和定性分析方法，识别并评估企业面临的各种风险，并提供预警措施，以保护企业利益。
企业运营风险预警模型的设计和实施需要结合企业业务、运营模式和行业特点等各种因素进行综合分析，从而确保其准确有效性。
此外，该模型也需要在实施过程中进行不断的完善和调整，以适应不同阶段企业面临的不同风险。
二、企业运营风险预警模型的应用企业运营风险预警模型主要应用于以下几个方面：1. 评估企业面临的潜在风险。
通过企业运营风险预警模型，可以识别和评估企业面临的各种内部和外部因素，从而预测可能出现的风险并提出相应的防范措施。
2. 帮助企业平衡风险和利润。
企业运营风险预警模型能够帮助企业评估风险和利润的权衡，从而使企业在最小化风险的同时，最大化收益。
3. 提高风险管理的效率和准确度。
企业运营风险预警模型可以提高风险管理的效率和准确度，通过对企业内外部环境的细致分析和评估，提早发现潜在风险并对其作出相应的反应。
4. 改善企业治理机制。
企业运营风险预警模型可以帮助企业管理层建立更加科学的治理机制，从而提高企业的管理能力和决策水平。
三、企业运营风险预警模型的实施步骤在实施企业运营风险预警模型之前，企业需要进行以下几个步骤：1. 确定审计目标和范围。
企业需要明确运营风险的审计目标和覆盖范围，包括审计的时间、地点和涉及的部门等。
2. 收集和分析数据。
企业需要收集和处理相关数据，包括企业内部的财务数据、经营数据、行业数据和市场数据等，并在此基础上进行统计和分析。
基于哈佛框架下的上市公司的财务报表分析-以比亚迪公司为例论文设计
哈佛分析框架下上市公司财务报表分析--以比亚迪公司为例摘要随着市场经济的不断发展和完善，当前的环境问题面临着严重的考验，污染日益严重、空气质量下降，雾霾随处可见、全球石油能源供应紧张，对此人们的环保意识也逐渐增强，低碳环保绿色出行的观念增强，逐渐成为全球消费的选择，在这种环境下，催生出许多节能环保的新兴产业，新能源汽车应运而生，引起人们的广泛关注，成为汽车企业发展的方向标，在全球最大新能源汽车市场的中国，它凭借国家补贴政策、绿色环保、噪音小和出行成本低等因素逐渐进入了产业化，新能源汽车在“中国制造2025”的背景助推下，在迈向汽车强国的道路上面临众多的机遇和挑战，行业之间竞争激励，企业面临优胜劣汰，技术落后的企业就会被逐渐淘汰。
于1995年成立的比亚迪企业，发展时间长，基础雄厚，在中国汽车企业中，也可以说在世界的汽车企业中属于新能源汽车的领军者，是坚持新能源汽车发展战略最坚强的公司之一，以自主创新能力引领着中国汽车制造产业实现向强国的转变。
对其进行研究分析，可以帮助我们了解和预测公司的现状和未来，也可以衡量整个新能源汽车行业的发展情况和未来发展前景。
本文主要运用哈佛分析框架对比亚迪股份有限公司的财务报表进行研究分析，在文章结构上，首先阐述研究背景意义，梳理新能源汽车行业发展的国内外研究现状，借鉴相关理论成果，对财务分析进项详细介绍，再分别从战略、会计、财务和前景四个方面进行分析，发现该公司存在的问题，针对企业财务状况并给出改进建议以提升财务绩效水平。
关键词：哈佛分析框架；上市公司；财务报表分析ABSTRACTWith the continuous development and improvement of the market economy, the current environmental problems are facing a serious test, pollution is becoming more serious, air quality is declining, haze is everywhere, global oil energy supply is tight, people's awareness of environmental protection is increasing, low-carbon environmental protection green travel concept is increasing, gradually become the choice of global consumption, in this environment, many energy-saving and environmental-friendly emerging industries, new energy vehicles came into being, attracted wide attention, become the development direction of automobile enterprises in the world's largest new energy vehicle market in China, It relies on state subsidies, green, low noise and low travel costs With the help of "made in China 2025", China is full of opportunities and challenges on the road to a powerful automobile industry. BYD Co., Ltd. is one of the Chinese automobile enterprises. It can also be said to be the leader of the new energy automobile in the world. Its research and analysis can help us understand and predict the current situation and future of the company, and can also measure the development of the whole new energy automobile industry. situation and future development prospects. This paper mainly uses the financial statements of harvard analysis framework byd co., ltd. to carry on the research analysis, in the article structure, first expatiates the research background significance, combs the new energy automobile industry development domestic and foreign research present situation, draws lessons from the related theory achievement, then carries on the detailed introduction to the financial analysis on the analysis separately from the strategy, the accounting, the finance and the prospect four aspects, discovers the company existence question, according to the enterprise financial situation and gives the improvement suggestion to raise the financial performance level.Keywords: BYD; Harvard Analytical Framework; Listed Companies; Financial Statement Analysis目录1.绪论 (6)1.1研究背景及意义 (6)1.1.1研究背景 (6)1.1.2研究意义 (7)1.2国内研究现状 (7)1.2.1国外研究现状 (7)1.2.2国内研究现状 (7)1.2.3研究现状评述 (8)1.3研究内容及研究方法 (8)1.3.1研究内容 (8)1.3.2研究方法 (9)2. 哈佛分析框架下财务分析概述 (9)2.1财务分析涵义 (9)2.2财务分析的主要方法 (10)2.2.1水平分析法 (10)2.2.2垂直分析法 (10)2.2.4比率分析法 (10)2.2.5因素分析法 (10)2.3哈佛分析框架的相关理论 (11)2.3.1战略分析 (11)2.3.2会计分析 (11)2.3.3财务分析 (11)2.3.4前景分析 (12)2.3.5哈佛分析框架的优势 (12)3. 基于哈佛框架下的比亚迪财务分析 (12)3.1公司简介 (12)3.2比亚迪公司战略分析 (13)3.2.1企业战略分析 (13)3.2.2比亚迪宏观环境分析 (14)3.2.3行业分析 (16)3.3比亚迪公司会计分析 (17)3.3.1确认和评估企业的会计政策和会计估计 (17)3.3.2应收账款分析 (17)3.3.3固定资产分析 (18)3.3.4存货分析 (20)3.4比亚迪公司财务分析 (20)3.4.1 偿债能力分析 (20)3.4.2营运能力分析 (21)3.4.3盈利能力分析 (22)3.4.4成长能力分析 (22)3.5比亚迪公司前景分析 (22)3.5.1发展前景 (22)3.5.2风险预测 (23)4. 比亚迪公司存在的问题及改进建议 (23)4.1比亚迪公司存在的问题 (23)4.1.1会计及财务方面 (23)4.1.2战略及前景方面 (24)4.2改进建议 (24)4.2.1控制企业现金流，优化资本结构 (24)4.2.2提高盈利能力拓宽销售渠道 (25)4.2.3 完善内部管理和应收账款管理 (25)5. 结论与展望 (25)5.1结论 (25)5.2展望 (26)参考文献 (27)致谢 (29)1.绪论1.1研究背景及意义1.1.1研究背景哈佛分析框架不同于传统财务分析，传统的财务分析是在对企业过去经营状况了解的基础上，对企业未来发展进行估计和投资决策，曾在企业管理实践中发挥过巨大的作用，但随着市场经济的不断完善和科技的进步发展，传统财务分析方法不足之处逐渐显现，传统的财务分析只是简单将企业财务数据来进行评价企业状况，具有局限性，缺乏前瞻性，现已不能满足投资者们需求，而哈佛分析框架下的财务分析，正好弥补了传统财务分析上的缺陷，是从战略的角度分析企业财务状况和企业外部环境存在的机会和威胁，分析企业内部条件的优势和不足，评估会计政策和估计选择、运用得是否合理，科学预测，为企业未来的发展指出方向。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 上市公司财务预警模型设计与分析 财务预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机实施的实时监控和预测警报。财务预警中的数学模型就是财务预警模型，它是指借助企业财务指标和非财务指标体系，识别企业财务状况的判别模型。 财务预警模型的设计可以有两种，一种是单变量模型，这就是传统的财务指标分析。对这些指标的分析，能够揭示企业某一方面或几个方面是否存在问题。通过对这些指标的长期观察和分析，能够从一定程度上发现企业是否存在财务危机。但是，这种分析方法有其弊端，这些单个比率都只反映企业风险程度的一个方面，并且当它们彼此不完全一致时，指标的预警作用可能被抵消，因此其有效性受到一定的限制。因此，构建多变量模型就成为必然选择。 在多变量模型的构建方法上，可以有多元线性判定模型、LOGIT模型、神经网路模型等。结合我们计量课程所学和我们本篇课程论文样本的选取实际情况，我们将选择LOGIT模型来构建我们的这篇文章。 一、理论方法
应变量y是0～1二元变量，其定义如下：iy1,该公司为财务困境公司；i
y0，该
公司为财务健康公司。通过对n个样本公司的回归分析，1kiiijjjyF
，可以确
定每个解释变量的系数。从而可以确定每个公司的*iy，*iy不是观测值，而是每个公司的期望值。 Logit模型采用的是Logistic概率分布函数,具体公式为 11iizpe，其中
1kiijjjZF ，对于给定的Fij，Pi是第i个企业财务困境的概率。因为这个概率是Logistic概率分布函数曲线下从-∞到Zi之间的面积,所以指标Zi的值越大,第i个公司财务状
况陷入困境的概率越大。上式经过数学整理可得1iipLnp1kiijjjZF，根据样本数据使用最大似然估计法估计出各参数值α,β,可求得第i个公司陷入财务困境的概率。根据配对选取样本的特点，一般假设先验概率为0.5，可以判断Z值大于0.5的公司存在财务危机的可能性比较大，而小于0.5的公司一般认为是财务健康的。 二、解释变量设计 根据财务指标对公司的财务状况进行预警，一般将财务指标分类为以下几类：盈利能力指标，包括资产净利润率、资产报酬率、净资产报酬率、销售净利率、主营业务利润率、每股收益，根据对指标的分析，一般认为净资产报酬率对盈利能力最具有综合性；变现能力比率，包括流动比率、速动比率、超速动比率；负债比率，有资产负债率、产权比率、有形净值债务率等；资产管理能力指标，有总资产周转率、存货周转率、应收帐款周转率、固定资产周转率等，可选择总资产周转率进入分析；成长能力指标有总资产增长率、主营业务收入增长率、留成利润比、留存收益总资产比、每股净资产等；现金指标，有现金流动负债比、现金债务总额比、销售现金比、全部资产现金回收率等，还有其他的一些指标，如主营业务 2
鲜明程度（主营业务利润/净利润）、现金管理结果变量（经营现金净流量/（总负债－现金））。 根据以上分析，我们选取了以下指标进入分析：1流动比率，2净资产报酬率、3总资产报酬率、4主营业务利润率、5资产负债率、6长期负债总资产比率、7营运资本与总资产比率、8资产增长率、9主营业务收入增长率、10资产周转率、11流动资产周转率、12现金流动负债比、13现金债务总额比、14销售现金比、15（利润总额＋财务费用）/总资产、16主营业务鲜明程度、17现金管理结果变量（经营现金净流量/（总负债－现金）这些指标作为解释变量进入分析。 三、数据的获取 为了便于数据的获取，我们直接分析上市公司。这些数据都是从CSMAR系列研究数据库中的在我国上海，深圳两个交易所上市交易的上市公司年报财务数据库中选取的。 四、 样本设计 首先，我们得对有财务危机和没有财务危机得企业进行定义。目前，财务理论界对公司财务危机的定义比较混乱，从上市公司来看，比较适宜的是我国证监会对上市公司的一个规定，就是将ST公司定义为存在财务危机是比较可取的。因此，我们将从数据库中选取连续2003年度和2004年度大概60家ST，与此相配对的是60家非ST的正常公司。经过筛选，将一些数据却是或者异常的公司排除以后，我们得到了34家ST公司样本。然后在60家非ST公司中随机选取了34家公司与之相配对，组成我们的样本数据。具体的样本选取结果如表一所示：
表一 样本公司 ST公司 非ST公司 ST公司 非ST公司 *ST长风 云南白药 ST寰岛 焦作鑫安 *ST太光 世纪中天 ST吉纸 锦龙股份 ST昆百大 佛山照明 ST天然 锦州六陆 *ST长岭 泰山石油 ST天仪 鲁能 *ST托普 西安民生 ST重实 索芙特 *ST光明 数码网络 *ST长兴 天伦置业 ST圣方 蜀都A ST春都 西安饮食 *ST比特 成都华联 *ST飞彩 燕京啤酒 *ST恒立 四环药业 ST京西 永安林业 *ST兰宝 西安旅游 *ST巨力 东方热电 *ST九化 倍特高新 *ST龙涤 金陵药业 ST博盈 三木集团 *ST闽东 美利纸业 ST菲菲 民族化工 *ST农化 钱江摩托 ST湖山 长春高新 ST商务 数源科技 ST华信 丰乐种业 *ST唐陶 五粮液 ST化工 公用科技 *ST天一 新乡化纤 ST环保 惠天热电 *ST炎黄 扬子石化 五、分析过程及报告 （一）主要解释变量的选取 通过对以上17个指标的协方差分析，分析结果如表二所示： 表二 17个解释变量的协方差矩阵 F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16 F17 F1 1.76 0.25 0.04 1.13 -0.00.00 0.12 0.05 0.25 0.05 0.19 1.41 0.05 0.00.04 1.53 0.04 3
7 6 F2 0.25 1.82 0.08 7.67 -0.11 -0.01 0.09 0.07 0.48 0.05 0.14 0.12 0.05 0.09 0.10 1.54 0.06
F3 0.04 0.08 0.02 0.79 -0.02 0.00 0.02 0.02 0.05 0.02 0.05 0.02 0.01 0.01 0.02 0.26 0.01 F4 1.13 7.67 0.79 131.58 -0.79 -0.20 0.44 0.93 7.78 1.01 2.35 0.58 0.21 2.94 0.93 7.86 0.26 F5 -0.07 -0.11 -0.02 -0.79 0.05 0.00 -0.04 -0.01 -0.04 -0.02 -0.06 -0.01 -0.02 0.01 -0.04 -0.10 -0.02
F6 0.00 -0.01 0.00 -0.20 0.00 0.01 0.00 0.00 -0.01 -0.01 0.00 0.01 0.00 0.00 0.00 -0.05 0.00
F7 0.12 0.09 0.02 0.44 -0.04 0.00 0.06 0.02 0.04 0.02 0.01 0.01 0.01 0.00 0.02 0.43 0.01 F8 0.05 0.07 0.02 0.93 -0.01 0.00 0.02 0.04 0.07 0.02 0.05 0.03 0.00 0.02 0.01 0.26 0.00 F9 0.25 0.48 0.05 7.78 -0.04 -0.01 0.04 0.07 0.77 0.10 0.28 0.17 0.02 0.46 0.07 1.04 0.02 F10 0.05 0.05 0.02 1.01 -0.02 -0.01 0.02 0.02 0.10 0.13 0.28 0.02 0.02 0.05 0.01 0.43 0.04
F11 0.19 0.14 0.05 2.35 -0.06 0.00 0.01 0.05 0.28 0.28 1.06 0.25 0.06 0.14 0.06 0.44 0.09 F12 1.41 0.12 0.02 0.58 -0.01 0.01 0.01 0.03 0.17 0.02 0.25 1.37 0.04 0.08 0.02 0.59 0.04
F13 0.05 0.05 0.01 0.21 -0.02 0.00 0.01 0.00 0.02 0.02 0.06 0.04 0.04 0.05 0.02 -0.14 0.04
F14 0.06 0.09 0.01 2.94 0.01 0.00 0.00 0.02 0.46 0.05 0.14 0.08 0.05 0.66 0.03 0.09 0.06
F15 0.04 0.10 0.02 0.93 -0.04 0.00 0.02 0.01 0.07 0.01 0.06 0.02 0.02 0.03 0.17 0.31 0.02
F16 1.53 1.54 0.26 7.86 -0.10 -0.05 0.43 0.26 1.04 0.43 0.44 0.59 -0.14 0.09 0.31 119.61 -0.30 F17 0.04 0.06 0.01 0.26 -0.02 0.00 0.01 0.00 0.02 0.04 0.09 0.04 0.04 0.06 0.02 -0.30 0.23
我们先来分析主对角线上的数据，从以上协方差矩阵我们可以看出，主对角线上的数据是每个解释变量的方差，。主对角线上有六个数据（表中用绿色背景显示）的方差比较显著。从主成分分析的角度来看，方差越大，其本身数据变动的范围也就越大，那么，它对应变量的贡献就越大，在众多的解释变量当中，就越有可能成为关键的解释变量。从因子分析方法的角度来看，自身方差越大的因子将会成为关键因素，因为它提供的信息越多，本身在所有因子当中的载荷也将更大，越能成为关键的因素。所以，不管是从主成分分析角度，还是因子分析思想的角度来看，以上六个变量将是我们从17个解释变量当中初步选择出来的。 现在我们再来分析主对角线之外的数据，这些数据是各个变量之间的协方差。我们主要注意已经被初步选取出来的六个指标之间的协方差关系。从表二看出，其中有几个比较大的协方差数据（表二中用黄色背景显示），从中分析出F1、F2、F4与F16的协方差比较显