任金政 劉璇

摘要：本文以2008-2010年被“特別處理”（ST和*ST）的34家制造業(yè)上市公司和68家健康公司為研究樣本，選取了資產(chǎn)負債率、應(yīng)收賬款周轉(zhuǎn)率、銷售凈利率、主營業(yè)務(wù)收入增長率、現(xiàn)金流量比率、每股收益等25個財務(wù)預(yù)警初始指標(biāo)，運用正態(tài)性檢驗、T檢驗、非參數(shù)檢驗以及相關(guān)性分析，篩選出了財務(wù)預(yù)警能力較強的財務(wù)指標(biāo)；基于logistic回歸分析法，構(gòu)建了T-2年、T-3年和T-4年的制造企業(yè)上市公司財務(wù)預(yù)警模型，采用樣本外檢驗法檢驗了所建模型的有效性，解釋分析了模型結(jié)果。結(jié)果表明模型具有較高的預(yù)測能力，尤其在發(fā)生財務(wù)危機的前兩年，準(zhǔn)確度更是高達90%以上。

關(guān)鍵詞：財務(wù)危機；預(yù)警；制造業(yè)；Logistic回歸

中圖分類號：F811.3 文獻標(biāo)識碼：B

一、引言

面對經(jīng)濟全球化浪潮的沖擊，上市公司所面臨的競爭日益加大。在商業(yè)競爭日益劇烈的環(huán)境下，尤其是在經(jīng)濟秩序動蕩的后金融危機下，上市公司所面臨的不確定性和各種威脅呈現(xiàn)頻數(shù)增加、化解困難、影響巨大等特征，最終導(dǎo)致企業(yè)財務(wù)危機的出現(xiàn)。在這一過程中，如何從“潛伏期”中挖掘各種可能導(dǎo)致財務(wù)危機的因素和特征，如何在公司陷入財務(wù)風(fēng)險之前進行有效的預(yù)測，如何為證券市場各參與主體提供有效、科學(xué)地預(yù)測方法和準(zhǔn)確的預(yù)測信息，是各有關(guān)方面密切關(guān)注的問題之一。

財務(wù)危機又稱財務(wù)困境，F(xiàn)oster認為財務(wù)危機是指公司出現(xiàn)了嚴重的資產(chǎn)折現(xiàn)問題即償債問題，而且這種問題的解決必須要依賴于公司的經(jīng)營方式或存在形式的轉(zhuǎn)變［1］。Frank 認為財務(wù)失敗是企業(yè)履行義務(wù)時的受阻，具體表現(xiàn)為流動性不足、權(quán)益不足、債務(wù)拖欠及資金不足等四種形式，遭受這四種情形之一的企業(yè)即為財務(wù)危機企業(yè)［2］。劉紅霞和張心認為財務(wù)危機是企業(yè)明顯無力償還到期的無爭議的債務(wù)的困難與危機［3］。由此可見，財務(wù)危機的本質(zhì)是企業(yè)償債能力的低下［4］，因此本文選擇特別處理的ST和*ST公司作為財務(wù)危機公司。

國外關(guān)于財務(wù)預(yù)警的最早研究可以追溯到1932年的Fitzpartrick，他首次對19家公司進行了單個財務(wù)比率破產(chǎn)預(yù)測模型的研究［5］；隨后的Altman先后建立了經(jīng)典的Z評分模型和ZETA模型，通過多元回歸的方法預(yù)測財務(wù)困境［6］；為克服多元回歸對數(shù)據(jù)正態(tài)分布的限制，Ohlson為代表的研究者們采用了條件概率模型進行預(yù)測分析，主要有Logistic模型和Probit模型兩種統(tǒng)計方法［7］。近些年，由于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等非線性預(yù)測方法對變量分布的要求較低，從而得到一些研究和應(yīng)用。

國內(nèi)最早在財務(wù)預(yù)警方面做出貢獻的是吳世農(nóng)等在1986年介紹的公司破產(chǎn)分析指標(biāo)和預(yù)測模型［8］，之后眾多學(xué)者開始采用不同預(yù)測方法對我國上市公司的財務(wù)狀況開展研究，其中部分學(xué)者的研究內(nèi)容和情況如表1所示。

國內(nèi)外相關(guān)文獻的梳理表明，財務(wù)預(yù)警的方法主要是統(tǒng)計方法和神經(jīng)網(wǎng)絡(luò)方法，變量處理的方式有T、Z、F檢驗和因子分析等方法?；诖?，本文采用分類效果最好的Logistic模型進行研究，并力圖在以下三方面有所改進：一是變量的選擇方面增加了現(xiàn)金流量方面的信息；二是摒棄傳統(tǒng)研究模型中較少考慮行業(yè)差異和規(guī)模大小因素的影響，選擇最具代表性的制造行業(yè)進行研究；三是采用股改之后的最新數(shù)據(jù)，通過K-S檢驗、T檢驗、非參數(shù)檢驗、相關(guān)性分析、Logistic回歸分析和樣本外檢驗等方法建立預(yù)測能力較強的行業(yè)財務(wù)預(yù)警模型。

二、樣本的選取

（一）研究樣本的選擇

本文選擇了在2008-2010年因財務(wù)狀況異常而被特別處理（ST和*ST）的A股制造業(yè)上市公司作為初始樣本，并在此基礎(chǔ)上按一定標(biāo)準(zhǔn)選擇了相應(yīng)的健康公司作為配對樣本。由于ST公司都是由于T-1年的財務(wù)數(shù)據(jù)而被特別處理的，故采用T-2年的截面數(shù)據(jù)進行分析。為保證模型的準(zhǔn)確性，需建立3個預(yù)警模型，因此研究對象從T-2年向前追溯到T-4年，即下文中出現(xiàn)的T-2年為公司被ST前兩年的數(shù)據(jù)，T-3年、T-4年依此類推。

（二）研究樣本的確定

已有文獻的研究大都采用1:1配對抽樣，即樣本組和控制組包含相等的研究個體。但Zmjiewski［14］研究了兩組間樣本個體數(shù)量分配的問題，認為1:1配對會使樣本中兩類公司的比例嚴重偏離其在實際總體中的比例，從而高估模型的預(yù)測能力，特別會高估對破產(chǎn)公司的預(yù)測能力，因此本文采用隨機抽樣的方法以1:2的比例按條件為ST公司選擇配對樣本。具體配對條件包括：一是所屬行業(yè)相同，用于排除行業(yè)特征差異；二是資產(chǎn)規(guī)模相近，所選公司與被“特別處理”公司的最近一個會計年度的年度資產(chǎn)規(guī)模相差不超過10%；三是正常組的上市公司擁有相對良好的財務(wù)狀況。

依據(jù)以上要求，本文初篩了2008-2010年被ST的41家公司（其中2008年9家，2009年10家，2010年22家），考慮到2008年金融危機等系統(tǒng)性風(fēng)險的影響，剔除了主營業(yè)務(wù)包括進出口業(yè)務(wù)的3家公司，再剔除掉不能配對的4家公司，最終剩余34家ST公司，配對樣本為68家，共計102個研究樣本，并將其分為兩組：

估計樣本A1：包括23家ST公司及46家非ST公司，用于構(gòu)建財務(wù)危機預(yù)警模型；

檢驗樣本A2：包括11家ST公司及22家非ST公司，用于檢驗?zāi)Ｐ偷呢攧?wù)預(yù)警能力。

三、變量的選取

（一）初始變量

由于各公司被ST的原因不盡相同，所以很難用某幾個財務(wù)指標(biāo)來衡量所有公司被ST而陷入財務(wù)危機的境況。本文在國內(nèi)外研究成果的基礎(chǔ)上，從償債能力、營運能力、盈利能力、成長能力、現(xiàn)金流量能力指標(biāo)及資本市場指標(biāo)等6個方面選擇了初始變量25個，如表2所示。

Logistic模型一般選擇0.5作為判別點，事實上由于真實的事件發(fā)生概率不一定是0.5，這樣有可能造成預(yù)測偏差，本文借鑒了張愛民等人［13］的方法選擇分界點：選擇使總誤判率中最低的判別概率點，如果有兩個以上相同的點則選擇第一類錯誤值最小的點，如果仍有相同的點則在其中選擇第二類錯誤值最小的點。依此，T-2年的分界點為0.6、T-3年的分界點為0.5、T-4年的分界點為0.6。

2．模型的分類準(zhǔn)確率檢驗。對模型分類準(zhǔn)確率的檢驗采用樣本外檢驗，即將33個檢驗樣本分別代入T-2、T-3、T-4年模型，并根據(jù)上面確定的分界點，對模型的準(zhǔn)確率進行驗證，最終結(jié)果如表6所示。結(jié)果表明，T-2年的模型預(yù)測準(zhǔn)確率高達90%，準(zhǔn)確率較低的T-3年模型準(zhǔn)確率也在72%以上，表明所構(gòu)建模型具有較高的預(yù)警能力，尤其是運用T-2年的數(shù)據(jù)和模型進行預(yù)警效果最佳，可以應(yīng)用于現(xiàn)實環(huán)境。

五、結(jié)論

本文以我國制造業(yè)上市公司作為研究對象，構(gòu)建并分析了該行業(yè)不同時點的財務(wù)預(yù)警模型。通過以上研究可以發(fā)現(xiàn)：首先，預(yù)警模型對該行業(yè)上市公司發(fā)生財務(wù)危機具有預(yù)測能力；其次，在上市公司發(fā)生財務(wù)危機的前4年中，按不同年份構(gòu)建預(yù)警模型是合理的，因為不同年份存在不同的顯著性財務(wù)指標(biāo)；再次，不同年份預(yù)警模型的預(yù)測能力不盡相同，距離T年越近的模型其預(yù)測能力越強；最后，制造業(yè)上市公司應(yīng)該更加關(guān)注對應(yīng)收賬款和運營資金的管理，因為這兩個因素會嚴重影響公司未來的財務(wù)狀況。

參考文獻：

［1］ Foster G. Financial Statement Analysis［M］．Prentice Hall Englewood Cliffs, NJ, 1986.

［2］ Easterbrook, Frank. Is corporate bankruptcy efficient?［J］．Journal of Financial Economics, 1990(27)：41l-418.

［3］ 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財務(wù)危機預(yù)警模型［J］．中央財經(jīng)大學(xué)學(xué)報,2004（4）：70-75

［4］ 賈明琪，辛江龍.上市公司財務(wù)困境預(yù)警系統(tǒng)模型及實證研究［J］．華東經(jīng)濟管理，2008（5）：76-80.

［5］ Fitzpatrick,P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms［J］．Certified Public Accountant, 1932（2）：73-589.

［6］ Altman, E, I, Haldenan, R.G&Narayanan, P.ZETA.A New Model to identify Bankruptcy Risk of Corporations［J］．Journal of Banking and Finance, 1977,1(6)：29-54

［7］ Ohlson, J. S. Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］．Journal of Accounting Research, 1980,18(7): 109-131.

［8］ 吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型［J］．中國經(jīng)濟問題, 1986（6）: 15-22.

［9］ 周守華.論財務(wù)危機的預(yù)警分析-F分數(shù)模型［J］．會計研究,1996（8）：8-11.

［10］陳靜.上市公司財務(wù)惡化預(yù)測的實證分析［J］．會計研究,1999（4）：31-38.

［11］吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)警模型研究［J］．經(jīng)濟研究，2001(6):21-26.

［12］楊保安，季海，徐晶.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財務(wù)危機預(yù)警之應(yīng)用［J］．預(yù)測, 2001（2）：62-68.

［13］姜秀華，任強，孫錚.上市公司財務(wù)危機模型研究［J］．預(yù)測,2002（3）：56-61.

［14］Zmijwski,M.E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models［J］．Journal of Account Research, 1984(22):59-82.

［15］張愛民，祝春山，許丹健.上市公司財務(wù)失敗的主成分預(yù)測模型及其實證研究［J］．金融研究，2001（3）: 10-25.

［16］Andrew Fight. Credit risk management ［M］．Oxford：Elsevier Butterworth Heinemann, 2004.

（責(zé)任編輯：嚴元）