公司财务预警LOGIT模型最优分界点实证研究

在利用Logit模型对企业的财务困境或违约进行预测时,现有文献往往将0.5作为判别财务困境或违约与否的标准,没有考虑最优分界点与样本配比和误判成本之间的联系。最优分界点的选择应当满足使整体错误分类率达到最小,或者使整体错误分类成本达到最小。分界点的设置不仅取决于两类错误的成本,还取决于模型构建者在样本选择时所设置的样本配比比例。本文给出了在误判成本最小化基础上最优分界点的理论推导过程和计算步骤,并对1:1和1:3样本配比情况下的最优分界点进行比较研究,发现无论是1:1还是1:3样本配比,第一类错误相对于第二类错误的成本越大,最优分界点就应该选择较小的值;在设定的1/1、1/5、1/10这三种成本比值下,两种样本配比情况下的最优分界点都小于0.5;在1:3的样本配比下,适当的分界点不仅能保证分类的准确性,还能更好地控制第一类错误,减小分类错误成本,而样本配比比例进一步提高可能会出现分界点过小的情况。