上市公司資產(chǎn)重組盈利績效預(yù)測——以旅游業(yè)為例.pdf

1、| | I I I lU I I I I I l l U l I I I I lY 3 1 3 6 2 3 4上市公司資產(chǎn)重組盈利績效預(yù)測一以旅游業(yè)為例摘要資產(chǎn)重組有著優(yōu)化資源配置，完善管理和產(chǎn)業(yè)結(jié)構(gòu)等功能。現(xiàn)階段，企業(yè)的資產(chǎn)重組活動日益頻繁且被大多數(shù)企業(yè)選擇，很多企業(yè)利用重組來擴(kuò)展規(guī)模、改善資本、資產(chǎn)結(jié)構(gòu)來增強(qiáng)公司抵抗行業(yè)風(fēng)險的能力。雖然通過重組獲得發(fā)展的公司很多，但是重組失敗的企業(yè)也并不少見。重組活動是否真的提高了企業(yè)的績效，學(xué)者們

2、尚未得出一致結(jié)論。在現(xiàn)階段重組浪潮不斷升高的情況下，重組績效預(yù)測作為判斷企業(yè)資產(chǎn)重組能夠取得有效改善的一一種重要方式，顯锝尤為重要。對此，我們對公司進(jìn)行資產(chǎn)重組績效預(yù)測研究刻不容緩。本文以旅游業(yè)上市公司2 0 0 0 年至2 0 1 3 年發(fā)生的重組活動為研究對象，并將初始選取的4 6 個財務(wù)指標(biāo)逐步通過K o l m o g o r o v - S m i r n o v 、獨(dú)立樣本T 檢驗(yàn)或K r u s k a l ．W a l

3、l i s 檢驗(yàn)、相關(guān)性分析和共線性檢驗(yàn)等統(tǒng)計分析篩選出重組各年的最終財務(wù)指標(biāo)；利用傳統(tǒng)的單一預(yù)測模型M D A 、L o g i t 、P r o b i t 、決策樹D T 以及人工智能預(yù)測方法：案例推理C B R 和支持向量機(jī)S V M 來判斷企業(yè)資產(chǎn)重組是否獲得良好的績效。由于收集的數(shù)據(jù)集中重組成功與重組失敗的樣本的非平衡性以及符合條件的樣本數(shù)過少的原因，各種預(yù)測方法都很難達(dá)到有效的分類效果。因此本文將對收集及處理的數(shù)據(jù)進(jìn)行改進(jìn)

4、的S m o t e 增量處理，并采用六種單一預(yù)測模型分別對未增量及增量后的數(shù)據(jù)進(jìn)行分類預(yù)測并比較。實(shí)證結(jié)果發(fā)現(xiàn)，對增量之后的樣本數(shù)據(jù)的預(yù)測中，這六種單一預(yù)測模型的對重組績效預(yù)測準(zhǔn)確率都得到了一一定程度提高。也就說明，對于旅游業(yè)資產(chǎn)重組的數(shù)據(jù)進(jìn)行非平衡的增量處理是有效的。其次，通過對增量后各種預(yù)測方法的績效預(yù)測準(zhǔn)確率的分析我們發(fā)現(xiàn)，雖然對非均衡數(shù)據(jù)的增量處理是有效的，可是對于重組失敗樣本的績效預(yù)測準(zhǔn)確率卻很低，可見單一預(yù)測模型并不能有效

5、的對重組失敗的樣本進(jìn)行預(yù)測。對此，我們T 皿P E R F O R M A N C E F O R E C A S T I N G S T U D Y o N T H EL I S T E D E N l E R P R I S E S A S S E T S R E S T E 己U C T U R I N G I NT O U R I S M F I 剛M SA B S T R A C TA sw e k n o w , A s s

6、 e t s r e s t r u c t u r i n gp l a y sa ni m p o r t a n tr o l ei ni m p r o v i n gt h ea s s e ts t r u c t u r ea n d d i s t r i b u t i n gt h er e s o u r c e s ．I th a sb e e nf r e q u e n t l ys e l e c t e

7、db ym a n y f i r m sI t h a sa l s o b e e n at o o l c a l l w e l l c h a n g e t h ep e r f o r m a n c e ．E v e n t h o u g h al o t o fc o m p a n i e sh a d a b e t t e rd e v e l o p m e n t ．b u tt h e r es t i

8、l lS Om a n y m m s f a i l e db yc h o o s i n gr e s t r u c t u r e ．D o e s i t r e a l l y r a i s e t h e p e r f o r m a n c e ? R e s e a r c h e r sc a l l ’t a g r e ew i t h ac o n s i s t e n tc o n c l u s i

9、 o n ．N o w t h ew a v e o f a s s e t sr e s t r u c t u r i n gh a sb e e n c o n s t a n t l yr a i s e d ，A s a w a y t oj u d g e t h es u c c e s so f a s s e t sr e s t r u c t u r i n g ，p e r f o r m a n c ef o

10、r e c a s t i n gs e e m st 0 b ev e r yi m p o r t a n t ．S ot h ep e r f o r m a n c ef o r e c a s t i n gs t u d yo nt h el i s t e d e n t e r p r i s e sa s s e t sr e s t r u c t u r i n g h a sb e c o m e m o r e

11、a n d m o r e u r g e n tT h i sp a p e r b a s e dt h ed a t e so nt o u r i s me n t e r p r i s e si nc h i n ad u r i n gt h ey e a r2 0 0 0t oy e a r 2 0 13 ．U s e dt h eK o l m o g o r o v - S m i r n o vt e s t 、T

12、 - t e s to rK r u s k a l —W a l l i s 、r e l a t i v ea n y ’s i s a n dc o l l i n e a r i t y t e s t t o c h o o s e t h e f i n i c a l i n d e xw e n e e d ．T oj u d g i n g t h ep e r f o r m a n c e o fa s s e t

13、 sr e s t r u c t u r i n g ，w e u s ef o u rs i n g l et r a d i t i o n a lp r e d i c t i o nm o d e lm e t h o d s ( M D A 、L o g i t 、P r o b i t 、D T ) m a d t w o a r t i f i c i a li n t e l l i g e n c em e t h

14、o d s ( C B R 、S V M ) t o f o r e c a s t t h ep e r f o r m a n c eB u t w e f o u n dt h a tt h es u c c e s s f u ls a m p l e sh a s n o te q u a l t ot h ef a i l u r e s ，t h e n c ew ep u to u ta ni m p r o v e d

15、s m o t em e t h o d ( N T _ s m o t e ) ．T h e nw eu s et h e s i x m e t h o d st op r e d i c tt h ep e r f o r m a n c ef r o mt h eu n t r e a t e da n di m p r o v e ds a m p l e s ．C o m p a r i n gt h ee x p e r