苗培熙，孙浩瑜，顾意刚

（南京林业大学 经济管理学院，江苏 南京 210037）

1 引言

目前国内研究物流业上市公司财务预警时构建的模型可分为传统统计方法和数据挖掘技术两大类，传统的统计方法包括Z-score 模型、主成分模型和Logistic模型，数据挖掘技术包括BP神经网络模型和RBF神经网络模型，其中Z-score 模型和主成分模型使用的最多，但是这两种模型对上市公司未来是否会发生财务风险的预测效果很差；使用数据挖掘技术进行物流业上市公司财务预警研究的极少，张国富等[1]通过实证分析认为BP神经网络模型在预测财务风险方面具有较强的可靠性，刘磊等[2]通过实证分析认为RBF神经网络模型克服了人工评价所带来的人为因素及模糊随机性的影响，这种模型的缺陷在于可解释性差，无法深入分析。

Logistic模型作为在国内研究财务预警时普遍使用的模型，对于上市公司未来是否会发生财务风险具有良好的预测效果。利用Logistic模型研究物流业上市公司财务风险的文献较少，田谧等[3]实证分析了逻辑回归统计方法预测正确率达到了93.75%，胡敏杰等[4]构建的Logistic 回归预警模型预测准确率达到了91.7%，刘雨琳等[5]运用Logistic分析方法预测水上运输业上市公司财务危机，得出的方程误判率仅为20%，这些研究存在的问题是样本数量不足，导致模型预测准确率可能被高估；挑选的财务指标不够全面，可能会漏掉一些原本可以进入预警模型的指标；没有设置检验组对构建的模型进行检验。……