基于财务比率的企业业绩评价：决策树方法外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

基于财务比率的企业业绩评价：决策树方法

杜尔森.德伦：美国俄克拉荷马州立大学斯皮尔斯商学院管理科学与信息系统系。

杰米尔.库泽伊、阿里·尤亚尔：土耳其伊斯坦布尔布尤切克梅奇法蒂赫大学管理学院。

摘要：使用一套财务衡量指标比率来确定企业绩效对于许多研究人员和从业人员来说是一个有趣且具有挑战性的问题。因素（即财务指标/比率）的确定都可以准确地预测企业绩效，这对任何决策者都是十分有兴趣的。 在本研究中，我们采用了两步分析方法：首先，我们使用探索性因素分析（EFA）确定（和验证）金融比率的基本维度，然后使用预测性建模方法发现公司绩效之间的潜在关系和金融比率。 使用四种流行的决策树算法（CHAID，C5.0，QUEST和C＆RT）来研究财务比率对公司绩效的影响。 在开发预测模型之后，进行基于信息融合的敏感性分析以测量自变量的相对重要性。 结果表明CHAID和C5.0决策树算法产生了最好的预测精度。 敏感性分析结果显示，税前净收益率和净保证金净额是两个最重要的变量。

关键词：公司业绩 财务比率 探索性因素分析 决策树 敏感性分析

1、介绍

使用金融比率评估企业绩效一直是决策者的传统而强大的工具，包括业务分析师，债权人，投资者和财务经理。 这些分析不是使用财务报表中观察到的总量，而是使用多个财务比率来获得有意义的结果。 比率分析可以帮助利益相关者分析公司的财务状况。 利用这些金融比率，可以在行业内的公司，行业之间或公司内部进行比较。 这样的工具也可以用来比较不同规模公司的相对表现。

会计和证券课本通常将金融比率组合成各种类别，包括流动性，可行性，长期偿债能力和资产利用率或周转率。 流动性比率评估公司支付短期债务的能力，而长期偿付能力比率则调查债权人对公司投资的风险程度。 正当性比率根据销售额，权益和资产来检验企业的成长能力。 资产利用率或周转率衡量公司通过利用资产，收取应收账款和出售存货来产生收入的成功程度。

作为实证研究的一部分，Matsumoto, Shivaswamy, and Hoban (1995)对安全分析师进行了一项调查，以确定他们对金融比率的看法。 他们发现增长率被认为是最重要的，其次是估值，然后是可比性比率。 分析师将每股收益和杠杆率略低于上述三位。 他们还发现，零售商和制造商的比例组排名顺序差异很大。

以前，为了评估与金融比率相关的公司的财务业绩，实施了各种方法。 虽然早期的研究主要使用传统的统计技术（如因子分析，方差分析，线性回归等），但最近的研究采用了先进的决策方法。 决策树分析是最流行的方法之一，因为它的简单性，透明性，描述性和预测能力，决策树分析通常是首选。 在这项研究中，我们使用决策树分析以及多个金融比率，评估了在伊斯坦布尔证券交易所上市的土耳其公司的财务业绩。

本文的其余部分安排如下：下一部分（章节2）提供了文献综述; 第三部分介绍了本研究中制定和遵循的方法，并记录其发现。 第四部分总括和总结该论文。

2、文献综述

使用财务比率来评估企业绩效并不新鲜。 简单的文献检索可以从字面上找到数以千计的公开关于这个话题的讨论。 基础研究通常通过开发和使用不同的自变量（金融比率）和/或采用不同的基于统计或机器学习的分析技术来区别于其他研究。 例如，Horrigan (1965) 声称金融比率的发展应该是美国会计程序和实践演变的独特产物; 进一步指出，金融比率的起源及其最初使用可追溯到19世纪后期。 财务比率通过使用财务报表中常见的变量计算得出，可以提供以下几个方面(Ross, Westerfield, amp; Jordan, 2003)

• 以奖励为目的衡量管理者的表现；
• 衡量多级公司内部门的绩效；
• 通过向现有或潜在投资者提供历史信息来预测未来；
• 向债权人和供应商提供信息；
• 评估竞争对手的竞争地位；
• 评估收购的财务表现；

除了上面提供的信息外，还用于预测未来业绩的金融比率。 例如，它们被用作实证研究的输入或用于开发模型以预测财务困境或失败（Altman, 1968;

Beaver, 1966）。 事实上，绝大多数最近的研究集中在分析和可能预测破产作为一种手段来识别良好或不良业绩及其潜在价值的特征（以金融比率来衡量）（Kumar＆Ravi， 2007）。 在破产预测中进行的数千项研究通过使用一些独特的金融特征或采用不同的一套预测模型（基于统计或机器学习）来区别于他人的研究（Alfaro，Garciacute;a，Gaacute;mez,和Elizondo，2008; Holsapple＆Wu， 2011; Lee，Han和Kwon，1996; Martiacute;n-Oliver＆Salas-Fumaacute;s， 2012; Olson，Delen，＆Meng，2012; Wilson＆Sharda，1994）。 虽然这些研究中的许多研究成功预测了破产结果，但他们往往在确定和解释可用作公司绩效决定因素的特征方面存在缺陷。

关于早期研究中使用的金融比率的类型，计算方法和数量，没有普遍认同的清单。 例如，Gombola和Ketz（1983）使用58个比率来检测零售和制造组织内的金融比率模式Ho and Wu (2006)使用了59个比率，Cinca,Molinero, and Larraz (2005)使用了16个比率，Uyar and Okumus (2010) 使用了15个比率，并且Karaca and Ccedil;ig˘dem (2012)使用了24个比率。 然而，在知名期刊上发表的大多数课本和研究报告都提供了比较常用比例在20到30之间的地方，这通常被认为足以评估企业的绩效。

早期的研究已经提供了经验证据，表明零售和制造业之间的金融比率模式结构不同（Gombola＆Ketz，1983). Cinca等人（2005年）证明公司的规模和公司所处的国家影响着财务比率结构。Uyar and Okumus (2010) 调查了最近发生的全球金融危机对使用金融比率的公开交易的土耳其工业企业的影响，结果发现危机期间公司的财务状况有所减弱。

在早期的研究中，研究人员利用了易于出现不切实际的正态性和线性假设的统计方法。 例如，Altman (1968)应用多判别分析，这要求数据满足正态性，协方差和变量条件的独立性。 决策树的优越性方法（可以说是最流行的数据挖掘技术）是，它们不受这些限制性假设的限制。此外，决策树可以表示为易于理解的图形显示，使其对管理人员而言透明且易于理解。 因此，在本研究中，我们选择使用最流行的决策树方法作为我们的分析工具。

以前的研究主要集中在财务绩效，股票回报和破产或财务困境预测上通过使用各种统计和数据挖掘技术，如决策树和神经网络(Chen amp; Du, 2009; Lam,2004; Sun amp; Hui, 2006; Wang, Jiang, amp; Wang, 2009; Yu amp; Wenjuan,

2010)。 例如，Zibanezhad，Foroghi和Monadjemi（2011）采用分类和回归树（C＆RT）来预测金融破产，并使用金融比率来确定最重要的变量。王等人 （2009年）通过使用财务比率来实现装箱决策树模型来预测股票收益。孙和辉（2006）重点研究应用决策树和遗传算法的中国上市公司财务困境预测。余和文娟（2010）用决策树来检验哪些金融比率对上市物流公司的增长有强烈的影响; 他们采用了C5.0，这是决策树技术之一。 在这项研究中，我们使用四种流行的决策树算法来开发预测模型，并通过对这些预测模型进行基于信息融合的灵敏度分析，我们发现哪些金融比率对金融业绩影响最大。 在我们的分析中，我们使用了在伊斯坦布尔证券交易所上市的土耳其上市公司的大型功能丰富的金融数据库。

3、方法

3.1数据和样本

我们的目标是确定并使用一个大型且功能丰富的数据集。 经过详尽的搜索，我们确定了FINNET，它是一家向其成员提供各种财务数据，软件和基于Web的分析工具的公司。FINNET拥有土耳其rms最大的金融数据库。尽管FINNET数据量大，内容丰富，但它存在各种各样的数据问题; 要求进行数据清理和预处理的全过程。

该研究的初始样本由2005年至2011年间在土耳其上市的所有上市公司组成。总共有2722个数据记录/案例可供分析。 其中，371起案件的财务比率值存在重大缺失问题; 因此他们被淘汰。 此外，有6例被认定为极端异常值，因此也从数据集中删除。 在清洁和预处理程序结束时，用于模型构建和测试的有2345个可用案例。 财务比率的最终数据集涵盖了2005年至2011年的时间段。对于这项研究，计算并使用了31个财务比率。表格1 列出了这些金融比率。 本研究中使用的主要任务/步骤以图形方式呈现，如图1。

图1.研究方法中的步骤

表格1 ——财务比率清单