廣州康大職業(yè)技術(shù)學(xué)院 張戰(zhàn)勝

一、引言

當(dāng)前，財(cái)務(wù)危機(jī)預(yù)測(cè)的研究主要集中在普適性的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系及模型的構(gòu)建方面，針對(duì)于某個(gè)行業(yè)的研究卻很少。我國(guó)經(jīng)濟(jì)社會(huì)的發(fā)展促使行業(yè)分工更加細(xì)化，行業(yè)間的差異性越來越顯著，普適性的指標(biāo)體系和模型已經(jīng)很難滿足經(jīng)濟(jì)發(fā)展的需求。因此，構(gòu)建分行業(yè)的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)和模型，更有利于提高模型的實(shí)用性。在當(dāng)前情況下，中國(guó)制造業(yè)行業(yè)發(fā)展迅猛，其在國(guó)民經(jīng)濟(jì)中的基礎(chǔ)性、先導(dǎo)性及聯(lián)動(dòng)性，已經(jīng)使其已經(jīng)成為國(guó)家的支柱產(chǎn)業(yè)。隨著我國(guó)資本市場(chǎng)的快速發(fā)展，制造業(yè)上市公司的質(zhì)量日益受到重視。但是制造業(yè)在快速發(fā)展的同時(shí)卻承受著巨大的財(cái)務(wù)風(fēng)險(xiǎn)，加之國(guó)家的宏觀調(diào)控的影響，風(fēng)險(xiǎn)與日俱增。因此，建立制造業(yè)上市公司財(cái)務(wù)預(yù)警系統(tǒng)，利用可以獲取的財(cái)務(wù)數(shù)據(jù)及時(shí)進(jìn)行財(cái)務(wù)預(yù)警將可以很大程度的避免風(fēng)險(xiǎn)的擴(kuò)散與財(cái)務(wù)狀況的惡化。

二、制造業(yè)上市公司財(cái)務(wù)預(yù)警模型指標(biāo)

（一）樣本選取 上市公司財(cái)會(huì)年報(bào)的信息披露一般在次年的4月30日為截止日，因此，公司披露的上一年度的財(cái)務(wù)報(bào)表幾乎可以同時(shí)包括公司是否出現(xiàn)“財(cái)務(wù)狀況異?！倍惶貏e處理的信息。結(jié)合Ohlson（1980）的研究經(jīng)驗(yàn)，采用公司前兩年的財(cái)務(wù)報(bào)表信息來預(yù)測(cè)本年度是否會(huì)因財(cái)務(wù)狀況異常而被特別處理。本文的樣本來源于萬(wàn)得數(shù)據(jù)庫(kù)收錄的我國(guó)滬、深證券交易所的制造業(yè)上市公司，根據(jù)我國(guó)信息披露制度的要求選取一組估計(jì)樣本和一組檢驗(yàn)樣本，前者由22家2003—2013年首次被ST公司和22家同行業(yè)的非ST公司組成，用來構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。后者隨機(jī)另外挑選了10家ST公司和10家非ST公司，用來檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力。

（二）指標(biāo)選取 財(cái)務(wù)危機(jī)的主要表現(xiàn)是不能償還到期債務(wù)，尤其是制造業(yè)行業(yè)資產(chǎn)負(fù)債率偏高，因此優(yōu)先選擇償債能力指標(biāo)，當(dāng)然，財(cái)務(wù)危機(jī)的形成從其它角度看也有可能是盈利能力差、營(yíng)運(yùn)能力差的結(jié)果，因此選取指標(biāo)的范圍包括了營(yíng)運(yùn)、成長(zhǎng)、盈利、償債、現(xiàn)金流量等方面指標(biāo)。資本市場(chǎng)融資能力也是反映上市公司財(cái)務(wù)健康狀況的重要內(nèi)容，本文從兩個(gè)方面來予以衡量：市凈率和市盈率，這兩個(gè)指標(biāo)是衡量股票投資價(jià)值的一種動(dòng)態(tài)指標(biāo)，容易理解且數(shù)據(jù)容易取得，是很具有參考價(jià)值的股市指標(biāo)。在高效的市場(chǎng)中，價(jià)格對(duì)信息的反應(yīng)是瞬間的、迅速的，所以僅憑股價(jià)就可以準(zhǔn)確判斷出上市公司發(fā)生財(cái)務(wù)危機(jī)的可能性。但是在低效的證券市場(chǎng)上，股票價(jià)格只能部分反映公司的財(cái)務(wù)狀況。目前我國(guó)股票市場(chǎng)基本達(dá)到弱式有效，市場(chǎng)效率不高，因此，以財(cái)務(wù)報(bào)表為基礎(chǔ)，綜合動(dòng)態(tài)股市信息的模型具有更好的預(yù)測(cè)效果。

根據(jù)以上分析本文共選取表1所示的34個(gè)指標(biāo)來構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。

表1 制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警的財(cái)務(wù)指標(biāo)體系

（三）指標(biāo)優(yōu)化 對(duì)34個(gè)解釋變量進(jìn)行了相關(guān)性檢驗(yàn)，發(fā)現(xiàn)指標(biāo)之間存在著顯著的相關(guān)性，多重共線性的存在會(huì)影響本文采用回歸分析構(gòu)建預(yù)警模型的效果，因此，采用主成分分析法提取主成分來降低模型的變量并解決變量多重共線性的問題。

（1）確定因子是否適合做因子分析。運(yùn)用KMO檢驗(yàn)?zāi)Ｐ团c巴特利特球度檢驗(yàn)（Bartlett’s）檢驗(yàn)數(shù)據(jù)是否適合采用因子分析法。檢驗(yàn)結(jié)果如表2所示。

表2 KMO偏相關(guān)檢驗(yàn)和巴特利球形檢驗(yàn)

KMO統(tǒng)計(jì)量用于探查變量間的偏相關(guān)性，其取值范圍在0-1之間。KMO越接近1，越適合做因子分析，0.9最佳，0.7尚可。KMO值大于0.7，表明適合采用因子分析法，同時(shí)，相伴概率為0.000，也支持采用因子分析法。

（2）提取主成分。如表3所示：

表3 主成分分析結(jié)果

表3列示了各主成分的特征值和方差，按照特征根大于1，累計(jì)方差貢獻(xiàn)率大于85%的原則提取前9個(gè)變量，累計(jì)方差貢獻(xiàn)率為88.26%，符合主成分分析的要求，進(jìn)一步計(jì)算主成分因子載荷矩陣，見表4。

表4 主成分因子得分系數(shù)矩陣

（3）主成分的表達(dá)式。

根據(jù)主成分分值的計(jì)算公式：

計(jì)算主成分的表達(dá)方程：

其中，ZXi為各個(gè)解釋變量的標(biāo)準(zhǔn)差，計(jì)算公式為：

通過以上步驟計(jì)算出44家樣本公司的主成分分值。

三、制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建

（一）預(yù)警臨界點(diǎn)劃分 在企業(yè)經(jīng)營(yíng)管理活動(dòng)過程中，財(cái)務(wù)風(fēng)險(xiǎn)是普遍存在的，因此根據(jù)模型計(jì)算出來的數(shù)值在不高于某一臨界值時(shí)，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性很小，當(dāng)超過某一臨界值時(shí)，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性則有可能會(huì)顯著增大，因此需要尋找一個(gè)合理的臨界值。構(gòu)建多元線性回歸模型需要不斷的進(jìn)行改造和發(fā)展，不斷增加新變量或者減少不必要的變量，通過某些財(cái)務(wù)指標(biāo)來判斷企業(yè)的財(cái)務(wù)特征以及發(fā)生財(cái)務(wù)危機(jī)的概率。一般以0.5作為是否發(fā)生財(cái)務(wù)危機(jī)的分割點(diǎn)，如果模型得出的事件發(fā)生概率大于0.5，則判定這一事件發(fā)生。財(cái)務(wù)危機(jī)預(yù)測(cè)模型無法避免的兩個(gè)錯(cuò)誤是：Ⅰ類錯(cuò)誤（誤拒錯(cuò)誤）和Ⅱ類錯(cuò)誤（誤受錯(cuò)誤），前者指把財(cái)務(wù)危機(jī)公司誤判為非財(cái)務(wù)危機(jī)公司，后者則恰恰相反。在理論上并不存在普遍適用的“分割點(diǎn)”，分割點(diǎn)的確定依賴于模型使用者的目標(biāo)，同時(shí)還受到行業(yè)特征、企業(yè)特征的影響，因此，本文采用普遍使用的0.5作為最優(yōu)分割點(diǎn)。

（二）財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建 在對(duì)模型進(jìn)行回歸統(tǒng)計(jì)過程中應(yīng)考慮歸結(jié)果的合理性，例如企業(yè)凈資產(chǎn)收益率的提升應(yīng)當(dāng)減少財(cái)務(wù)危機(jī)發(fā)生的可能性，因此模型中的回歸系數(shù)應(yīng)為負(fù)，如果出現(xiàn)正數(shù)的值，則應(yīng)考慮將其剔除。

根據(jù)樣本公司t-2年的數(shù)據(jù)值計(jì)算各主成分得分并進(jìn)行回歸統(tǒng)計(jì)，因變量Y表示制造業(yè)上市公司是否陷入財(cái)務(wù)危機(jī)，取0和1兩個(gè)值，0表示財(cái)務(wù)正常的制造業(yè)公司，1表示財(cái)務(wù)危機(jī)的制造業(yè)公司。運(yùn)用SPSS軟件分析獲得模型的相關(guān)參數(shù)如表5所示。

表5 回歸方程中的變量系數(shù)及主要參數(shù)

回歸結(jié)果表明，9個(gè)主成分中，F(xiàn)1、F3、F7、F8進(jìn)入了模型且通過了顯著性檢驗(yàn)。其中F1在模型中的系數(shù)為-0.219，且在0.5%的顯著性水平下通過了檢驗(yàn)，這說明企業(yè)的盈利能力越強(qiáng)，企業(yè)陷入財(cái)務(wù)困境的可能性越?。籉3在模型中的系數(shù)為-1.167，且在0.5%的顯著性水平下通過了檢驗(yàn)，這說明企業(yè)的營(yíng)運(yùn)能力越強(qiáng)，企業(yè)陷入財(cái)務(wù)困境的可能性越小；F8在模型中的系數(shù)為0.082，且在0.5%的顯著性水平下通過了檢驗(yàn)，與前面幾個(gè)主成分不同，其系數(shù)為正，這說明企業(yè)的資產(chǎn)負(fù)債率越高，企業(yè)成為危機(jī)公司的可能性就越大；F8在模型中的系數(shù)為0.271，且在0.5%的顯著性水平下通過了檢驗(yàn)，這說明市凈率越低，股票越具有投資價(jià)值，市場(chǎng)表現(xiàn)越好，顯然陷入危機(jī)的可能性就越小。

從上表5可以得到公司在t-2年的財(cái)務(wù)危機(jī)預(yù)警模型：

即：

本文樣本中財(cái)務(wù)危機(jī)公司與正常公司的比例為1：1，企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)按照P值來判定，當(dāng)P﹤0.5時(shí)，為財(cái)務(wù)正常公司；反之為財(cái)務(wù)危機(jī)公司。將樣本中的解釋變量帶入到模型中，計(jì)算得出了44個(gè)樣本企業(yè)的P值，制造業(yè)上市公司是否發(fā)生財(cái)務(wù)困境的預(yù)測(cè)準(zhǔn)確率見表6。

表6 估計(jì)樣本的預(yù)測(cè)準(zhǔn)確率

模型的第一類錯(cuò)誤預(yù)測(cè)誤判率為8.12%，第二類錯(cuò)誤的誤判率為12.6%，總體誤判率為10.89%，表明模型的預(yù)測(cè)準(zhǔn)確性極較高。第一類誤判是將非財(cái)務(wù)危機(jī)的公司誤判為財(cái)務(wù)危機(jī)公司，會(huì)導(dǎo)致公司采取更謹(jǐn)慎的財(cái)務(wù)政策，影響企業(yè)的正常投資。第二類錯(cuò)誤是將財(cái)務(wù)危機(jī)公司誤判為非財(cái)務(wù)危機(jī)公司，會(huì)導(dǎo)致公司財(cái)務(wù)風(fēng)險(xiǎn)的提升，具有更大的危害性。因此，應(yīng)重點(diǎn)關(guān)注第二類誤判。

采集了20家制造業(yè)上市公司最后進(jìn)入預(yù)警模型的財(cái)務(wù)變量的原始數(shù)據(jù)，采用新的樣本數(shù)據(jù)對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測(cè)能力進(jìn)行檢驗(yàn)，按照上述步驟計(jì)算檢驗(yàn)樣本與建模樣本的準(zhǔn)確率對(duì)比情況，結(jié)果如表所示。

表7 估計(jì)樣本與檢驗(yàn)樣本對(duì)比結(jié)果

從表7可以看出，用測(cè)試樣本數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)時(shí)，發(fā)現(xiàn)將測(cè)試樣本數(shù)據(jù)帶入到模型中，預(yù)測(cè)模型的準(zhǔn)確率達(dá)到90%，比建模樣本的預(yù)測(cè)精度還要高，這表明本模型不僅對(duì)歷史數(shù)據(jù)具有較好的擬合度，對(duì)未來狀況的預(yù)測(cè)也是比較理想的。

四、結(jié)論

本文選取了34個(gè)財(cái)務(wù)指標(biāo)建立的財(cái)務(wù)危機(jī)預(yù)警模型，分別獲得了估計(jì)樣本88.9%的預(yù)測(cè)準(zhǔn)確率和測(cè)試樣本90%的預(yù)測(cè)準(zhǔn)確率。說明所選取的財(cái)務(wù)指標(biāo)對(duì)制造業(yè)企業(yè)陷入財(cái)務(wù)危機(jī)有一定的判別作用。由于我國(guó)證券市場(chǎng)歷史較短，制造業(yè)上市公司本來就不多，本研究涉及的樣本數(shù)據(jù)有限，可能造成數(shù)據(jù)質(zhì)量不高，同時(shí)，由于中小企業(yè)的財(cái)務(wù)資料沒有對(duì)外公開，數(shù)據(jù)極難獲得，而現(xiàn)實(shí)中該類制造業(yè)企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)的可能性遠(yuǎn)大于上市的制造業(yè)企業(yè)。在后續(xù)的研究中，應(yīng)嘗試以中小制造業(yè)企業(yè)為研究對(duì)象建立預(yù)警模型，進(jìn)一步驗(yàn)證該模型的實(shí)用性。

［1］陳曉、陳治鴻：《中國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)》，《中國(guó)會(huì)計(jì)與財(cái)務(wù)研究》2000年第3期。

［2］吳世農(nóng)、盧賢義：《我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究》，《經(jīng)濟(jì)研究》2001年第6期。