杜巨玲　金茜茜

摘要：財務危機預警的研究具有重要的現(xiàn)實意義，本文利用Fisher模型，以化工化纖行業(yè)被ST的上市公司為研究對象，選取ST公司與財務狀況正常的公司的財務數(shù)據(jù)。在Sppss17.0軟件中，利用K-S檢驗、T檢驗和相關分析，篩選出不具備線性關系，但能顯著反映財務危機的指標，代入Fisher模型得到變量系數(shù)，并將原始財務數(shù)據(jù)進行回代，從而得到模型判別的準確率。

關鍵詞：上市公司 財務危機預警 Fisher模型 化工化纖行業(yè)

目前為止，針對財務危機預警模型的研究主要經(jīng)歷了從單變量破產(chǎn)預測模型，多元線性判別模型到邏輯回歸模型的演化；從依靠單一財務比率判別財務狀況到多種財務指標的綜合運用，危機預警模型不斷發(fā)展和完善。目前，在三種廣泛使用的危機預警模型中，Z計分模型的準確率不如其他兩類精確，而Logistic模型對于樣本的數(shù)據(jù)量要求較高。因此，在化工化纖行業(yè)上市公司樣本數(shù)據(jù)量可能偏少的情況下，為保證模型判別效果的準確，本文選擇Fisher模型作為實證研究工具。

一、研究方法設計及模型

Fisher模型是費希爾提出來的。表達式為Z=a1x1+a2x2+a3x3+a4x4+……+anxn，其中Z表示判別值，a表示相關系數(shù)的權重，而x代表的變量則是財務指標的比率，且各變量之間不具有線性關系。在變量的選擇過程中，主要是基于企業(yè)盈利能力、營運能力、償債能力、現(xiàn)金流量指標以及發(fā)展能力五方面考慮。

在構建模型的過程中，首先運用逐步分析法，在所有的財務比率中選出能夠提供有效信息的指標變量；其次，利用統(tǒng)計分析的方法，檢驗各變量之間的共線性，即使得構建模型的變量之間不具有線性關系，在這一階段可以使用均值檢驗、方差檢驗或者特征值檢驗等方法完成；第三，可以用挑選出的變量建立模型，代入利用原始數(shù)據(jù)得到的變量系數(shù)，完成Fisher模型財務危機企業(yè)和正常企業(yè)兩部分公式的構建；最后一步是模型的檢驗，將原始的財務數(shù)據(jù)指標回代入模型中，在兩個公式的結果中取大值以判斷企業(yè)所屬類型，完成判別分析的全過程。

本文利用ST公司和財務狀況正常的公司財務數(shù)據(jù)進行分析。將ST公司命為1，正常公司為0，分為兩組便于后續(xù)的分析。由于Fisher模型要求變量服從正態(tài)分布，因此需要首先利用K-S檢驗進行正態(tài)分布的驗證，剔除不符合前提條件的變量；第二步，進行T檢驗，目的是為了篩選有利于分辨ST和非ST的顯著變量，以便于利用這些變量建立模型；第三，檢驗顯著變量之間是否存在線性關系，剔除相關的變量，利用剩余的不相關變量建立模型；然后再將樣本數(shù)據(jù)回代，檢驗模型的準確性。在這一過程中，需要借助Spss17.0軟件完成分析過程。

二、財務指標選取

三、樣本數(shù)據(jù)的獲取

根據(jù)相應的指標變量，本文在實證部分選取了化工化纖行業(yè)中36家上市公司的財務數(shù)據(jù)，其中16家公司作為財務危機組的樣本數(shù)據(jù)，另外20家作為對比組，即財務狀況正常的樣本。結合Spss軟件，運用Fisher判別分析建立財務危機預警模型。由于上市公司當年的財務報表是在次年1至4月公布，因此是否被ST一般在次年4月份能確定。也就是說，當上市公司被ST時，一般為最近的兩個會計年度連續(xù)出現(xiàn)虧損或前一年的每股凈資產(chǎn)低于股票的面值。因此，使用被ST前一年的數(shù)據(jù)來預測是否存在財務危機是沒有意義的，一般而言，前一年在一定程度上已經(jīng)可以知道該公司會不會被ST。所以在財務危機預警樣本數(shù)據(jù)的選擇中，更多應用危機發(fā)生前兩年或前三年的數(shù)據(jù)，更具準確性。

基于以上的分析，本文選擇化工化纖行業(yè)共36家上市公司作為分析對象。發(fā)生財務危機的公司選擇被ST前2至3年的財務數(shù)據(jù)，財務狀況正常的公司選擇與前者同一年份的數(shù)據(jù)作為樣本。

四、建立財務危機預警的Fisher模型

六、結論

雖然財務危機的爆發(fā)對上市公司具有相當大的殺傷力，但任何危機的發(fā)生必然要經(jīng)歷一個不斷積累的過程。因而，在企業(yè)的經(jīng)營過程中建立起一套以數(shù)學模型為基礎的預警機制，對于有效預防財務危機的發(fā)生具有十分重要的作用。我們可以借助企業(yè)的財務報表以及相關的財務指標，運用統(tǒng)計學的分析方法，建立模型來預測企業(yè)的發(fā)展趨勢，以發(fā)現(xiàn)潛在的財務風險，并且在危機尚未發(fā)生之前告知經(jīng)營者及時采取措施，有效避免危機的發(fā)生，以此實現(xiàn)企業(yè)的可持續(xù)發(fā)展。本文選擇了反映企業(yè)償債能力、盈利能力、運營能力以及發(fā)展能力等多項指標，經(jīng)過各項檢驗，尋找符合條件能進入Fisher模型的變量，縱觀Fisher模型構建過程方便簡單，具有較強的實際操作可能性。但也存在以下問題：

（一）樣本數(shù)據(jù)量的問題。比較常用的用以衡量企業(yè)財務狀況的模型包括Z計分模型、Logistics模型、Fisher模型等。相對而言，Logistics模型要求具有足夠多的樣本數(shù)據(jù)，因此對樣本容量的要求較高，相應構建的模型判別準確率也較高。而Fisher模型對樣本量的要求并沒有特別要求，本文針對化工化纖行業(yè)上市公司選取了近兩年被ST的公司作為樣本，觀察最終結果，數(shù)據(jù)量可能偏少，導致誤判率偏高，可知，擴大樣本量可能是提高判別效果的有效方法之一。

（二）指標選取和篩選問題。本文在選取指標變量時，綜合從償債能力、獲利能力、營運能力以及成長能力等多方面考量選取指標，力求全面反映企業(yè)財務狀況。參考全文實證過程，可知最終經(jīng)過各項檢驗進入Fisher模型的指標變量并未達到全面考量的初衷，而篩選變量的過程也可以認為是在眾多反映財務狀況的變量里，選擇在企業(yè)持續(xù)生產(chǎn)經(jīng)營過程中對經(jīng)營情況和現(xiàn)狀具有指示作用的信號。這一結果，可與化工化纖行業(yè)自身特點相結合進行分析。因此，可以認為最終剩余的變量對于企業(yè)財務預警的效果更為顯著。

（三）未來預測的不確定性。上市公司面臨的環(huán)境復雜多變，包括經(jīng)濟環(huán)境、政治環(huán)境、法律環(huán)境、技術環(huán)境諸多方面，如政府政策變動以及國內外經(jīng)濟走勢等影響；而財務危機預警是依據(jù)若干年前的數(shù)據(jù)預測未來企業(yè)的財務狀況，存在一個隱形假設，即：企業(yè)面臨的市場環(huán)境是平穩(wěn)且保持不變的，忽略了客觀市場存在的各種變化，對企業(yè)未來發(fā)展走勢預測未必準確，因此在這個動態(tài)的環(huán)境中，用靜態(tài)的數(shù)據(jù)預測未來，不可避免存在考慮不周的問題。而這一問題僅通過數(shù)據(jù)難以量化，需要將定性分析和定量分析相結合。

針對以上問題，筆者建議如下：

首先，本文選取的是化工化纖行業(yè)上市公司的數(shù)據(jù)，并未涉及非上市公司，主要因為非上市公司數(shù)據(jù)較難獲得。如果能獲得非上市公司相應的財務數(shù)據(jù)，則能有效擴大樣本數(shù)據(jù)量，從而提高模型的判別效果；同時，也能使模型更具代表性。但是也存在一個問題，上市公司陷于財務危機可以被ST作為標志，但非上市公司很難以某一顯著標志標示是否陷于財務危機。因此，擴大樣本量至非上市公司雖然會使得模型判別效果增強，但必須首先解決判別標志這一問題。

其次，在具體指標選擇中，可以在常用的指標之外多考慮某些非財務指標。企業(yè)財務狀況并不僅僅可以由財務數(shù)據(jù)反映，也可以通過諸如股權結構、組織結構等方面反映。財務數(shù)據(jù)與非財務數(shù)據(jù)在一定程度上會相互影響，因此僅考慮一方面可能有失偏頗，并不準確。而非財務指標大多需要具體分析，需要將定量分析與定性分析相結合，才能比較完整地反饋企業(yè)的財務狀況。但定性分析相對較為困難。

參考文獻：

1.文蘭.公司治理引入上市公司財務危機預警體系的實證分析［J］.商業(yè)會計，2011，（14）.

2.楊建斌.Fisher判別法在企業(yè)財務危機預警中的應用［J］.會計之友，2011，（13）.

3.程曉秋.上市公司財務困境預警研究——基于數(shù)據(jù)挖掘的方法［J］.財會通訊，2010，（1）.