蔡玉蘭錢崇秀++董雪杰

摘要：本文利用持續(xù)期模型，基于1996～2013年A股上市公司共16000個公司-年觀測值，重新估計了經(jīng)典的Z積分模型、Probit模型以及Beaver等的風(fēng)險模型變量對財務(wù)困境的解釋作用，研究了我國上市公司財務(wù)報表信息對財務(wù)困境預(yù)測能力的變化情況。實證結(jié)果表明，財務(wù)報表信息對企業(yè)財務(wù)困境有著重要的解釋力，僅資產(chǎn)經(jīng)營利潤率和杠桿率兩個指標(biāo)就足以解釋中國上市公司的財務(wù)困境，這二者所構(gòu)成的持續(xù)期模型的預(yù)測準(zhǔn)確度達(dá)到了0.98。財務(wù)比率作為一種分析工具對預(yù)測企業(yè)財務(wù)困境有著重要的應(yīng)用價值，其作用應(yīng)被強調(diào)而不是被降級。

關(guān)鍵詞：財務(wù)比率；財務(wù)困境；持續(xù)期模型

中圖分類號：F275文獻標(biāo)識碼：A文章編號：1003-5192（2016）05-0048-07doi：10.11847/fj.35.5.48

1引言

財務(wù)報表信息被用于企業(yè)財務(wù)困境預(yù)測至今已有80多年的歷史。業(yè)界普遍認(rèn)為財務(wù)比率對財務(wù)困境的預(yù)測能力至少可達(dá)企業(yè)陷入困境前的2～5年

[1]。由于財務(wù)比率名目繁多以及建模技術(shù)的多樣化，有關(guān)財務(wù)困境預(yù)測模型的文獻已相當(dāng)豐富。Balcaen和Ooghe[2]，Aziz和Dar[3]，Kumar和Ravi[4]，Gepp和Kumar[5]，Ak等[6]，以及Sun等[7]都從不同視角對國際研究作了較好的綜述和歸納。

縱觀國內(nèi)的研究，除起步較晚外，同國際研究相比還存在著明顯的滯后性和不足，表現(xiàn)在：（1）傳統(tǒng)的統(tǒng)計分析技術(shù)應(yīng)用較多，而對企業(yè)陷入財務(wù)困境的時間因素考慮不足；（2）聚焦于利用新的樣本、不同的變量及方法建立和開發(fā)新的預(yù)測模型，卻鮮有對已有模型加以驗證和比較；（3）在對模型預(yù)測能力的評估上，大多數(shù)研究只考慮了分類鑒別能力，而對預(yù)測的可靠性（模型預(yù)測的概率是否與實際結(jié)果一樣）檢驗不足。

檢驗財務(wù)報表信息預(yù)測企業(yè)財務(wù)困境的能力一直是會計學(xué)中的一個重要研究方面[8]。本研究通過檢驗財務(wù)比率對財務(wù)困境的預(yù)測能力討論了財務(wù)報表信息解釋力的長期變化，試圖說明財務(wù)報表所提供的信息是否足以解釋企業(yè)的財務(wù)困境。之所以有此疑問，一方面，由于財務(wù)報表信息的一些固有缺陷，近年來國內(nèi)外很多文獻都認(rèn)為基于前瞻性的股票價格信息比財務(wù)比率更適用于預(yù)測企業(yè)財務(wù)困境，如楊德勇和馬若微[9]，Campbell等[10，11]；另一方面，Beaver等[1，8]指出，會計準(zhǔn)則的變化、金融衍生品的爆炸性增長以及財務(wù)報表中自由裁量權(quán)的增加都會影響財務(wù)比率對企業(yè)財務(wù)困境預(yù)測的穩(wěn)健性。

為了實現(xiàn)本研究的目的，針對上述滯后性與不足，本文特作了以下創(chuàng)新和改進工作：（1）以考慮了時間因素的持續(xù)期模型進行實證分析，通過將觀測數(shù)據(jù)期間以金融危機全面爆發(fā)時間為分界點，分為1996～2007年和2008～2013年兩個階段來考察財務(wù)比率預(yù)測能力的變化；（2）從模型預(yù)測績效測量的兩個維度：分類鑒別能力和預(yù)測可靠性，運用信息量檢驗、十分位預(yù)測、ROC曲線分析以及樣本外預(yù)測等逐步遞進的具體方法分析實證結(jié)果。

實證分析選擇了經(jīng)典文獻中的3組財務(wù)變量進行模型估計，考察這些變量在樣本觀測期內(nèi)解釋能力的變化情況。為了更好地說明財務(wù)比率預(yù)測能力的可靠性，我們在最后保留的財務(wù)變量組合中特別加入財務(wù)比率無法替代的市場變量——波動率指標(biāo)，旨在分析波動率對財務(wù)比率的預(yù)測能力是否具有顯著的改善作用。之所以如此設(shè)計，是因為Shumway[12]曾指出波動率無論在統(tǒng)計上還是邏輯上都同企業(yè)財務(wù)困境密切相關(guān)，Campbell等[13]也認(rèn)為任何會計模型中缺乏波動率指標(biāo)很可能導(dǎo)致其預(yù)測能力的大幅下滑，因為公司在波動性上有明顯的橫截面差異。Hillegeist等[14]研究發(fā)現(xiàn)，波動率捕獲了公司資產(chǎn)價值下降至無力償還債務(wù)的可能性，企業(yè)破產(chǎn)的概率隨著波動率的增加而增加，兩個杠桿率相同的公司其破產(chǎn)概率可能有本質(zhì)性的差異。文獻綜述發(fā)現(xiàn)，自Shumway[12]的研究后，國際文獻普遍把波動率作為一個至關(guān)重要的因子引進到財務(wù)困境預(yù)測模型中，如Beaver等[1，8]，Campbell等[10]，Wu等[15]，Christidis和Gregory[16]，Tinoco和Wilson [17]，并指出波動率對企業(yè)財務(wù)困境有非常重要的解釋力。

4實證分析

4.1均值變化

我們描述分析了財務(wù)困境公司各財務(wù)比率在ST前4年的變化趨勢，并與財務(wù)正常公司相比較。只是需要說明的是，由于財務(wù)正常公司屬于刪失樣本集（沒有確切的生存時間），故而其均值由所有年度觀測值堆疊而成，不存在變化情況。

我們發(fā)現(xiàn)，從第T-4年至T-1年，財務(wù)困境公司的盈利能力（EBIT/TA，NI/TA，RE/TA）、流動性（WC/TA，CA/CL）、債務(wù)保障程度（MB/TL，EBITDA/TL）均呈遞減趨勢，且明顯小于財務(wù)正常公司的相應(yīng)值；而杠桿率（TL/TA）則呈遞增趨勢，明顯大于財務(wù)正常公司?？梢姡S著ST的臨近，各項財務(wù)比率均趨于惡化，這符合我們對財務(wù)困境公司的一般判斷。

總體上，財務(wù)困境公司與財務(wù)正常公司各財務(wù)變量的均值在ST前4年就已經(jīng)有明顯的差別了，而且距離ST越近，這種差異也越來越明顯。未報告的Log-Rank Test發(fā)現(xiàn)，所有比率都在1%的統(tǒng)計水平上顯著，意味著這些財務(wù)比率對兩類公司都有顯著的鑒別能力，說明財務(wù)報表信息對企業(yè)財務(wù)困境是有顯著解釋力的。

4.2模型估計

表1匯總了各組變量于各觀測期的估計結(jié)果。表中顯示，Z*模型的組合變量中，MB/TL并不顯著。不僅如此，未報告的結(jié)果還發(fā)現(xiàn)，經(jīng)典的Z-Score模型的5個組合變量，ME/TL（權(quán)益市值/總負(fù)債）和Sales/TA（營業(yè)收入/總資產(chǎn)）都不顯著。這一發(fā)現(xiàn)同Shumway[12]對Z-Score模型的重新估計結(jié)果比較相似，所不同的是，Shumway[12]發(fā)現(xiàn)，除EBIT/TA和ME/TL外，其他變量均沒有解釋力。可見，在西方成熟資本市場中起作用的ME/TL在中國資本市場上并未體現(xiàn)出它的作用，企業(yè)資產(chǎn)周轉(zhuǎn)的快慢（Sales/TA）對企業(yè)陷入財務(wù)困境也沒有明顯的影響。

同Shumway[12]的發(fā)現(xiàn)相一致，經(jīng)典的Probit模型變量中，CA/CL不顯著，表明流動比率對企業(yè)陷入財務(wù)困境過程并沒有實質(zhì)性的影響。而Beaver等[1，8]認(rèn)為的預(yù)測企業(yè)失敗的最佳變量EBITDA/TL也不顯著，這同左小德和程守紅[27]的實證檢驗結(jié)果相反。很大原因在于左小德和程守紅[27]的研究是基于截面數(shù)據(jù)的Logistic回歸，而這種靜態(tài)方法所產(chǎn)生的估計量是有偏且不一致的。

總體上，所有財務(wù)比率的系數(shù)符號都符合預(yù)期，而且盈利能力指標(biāo)的系數(shù)（絕對值）都比較大，其次是資產(chǎn)負(fù)債率，而不顯著變量的系數(shù)值幾乎都不到1個單位的水平。由exp（β）可知，TL/TA的單位變化量對風(fēng)險函數(shù)的影響最大，在其他變量不變的情況下，TL/TA每增加一個單位，企業(yè)發(fā)生財務(wù)困境的風(fēng)險率將至少增加2000%；EBIT/TA（NI/TA）每增加一個單位，企業(yè)發(fā)生財務(wù)困境的風(fēng)險率都將降低100%。這意味著，杠桿率和盈利能力對企業(yè)財務(wù)困境有著重要的決定作用。這同ST的界定及財務(wù)困境本身的內(nèi)涵是相一致的，從而也在一定程度上說明了將ST公司界定為財務(wù)困境公司是合理的。這一結(jié)果并不支持呂長江和趙巖[28]以及田軍和周勇[29]的研究。呂長江和趙巖[28]實證發(fā)現(xiàn)，公司的資本結(jié)構(gòu)對公司被特別處理的風(fēng)險的作用并不明顯，認(rèn)為特別處理同財務(wù)困境兩者間存在很大的差異，這可能是因為他們采用了Cox模型并且只用了截面數(shù)據(jù)的緣故。田軍和周勇[29]也是基于Cox模型進行實證分析，指出與利潤有關(guān)的變量并不是主要的影響因素，他們認(rèn)為這是選擇數(shù)據(jù)的周期和ST的審核時間不一致所造成的，因為他們使用的是季度數(shù)據(jù)，季度的細(xì)分弱化了利潤的影響。

在各分階段，各組變量的擬合統(tǒng)計量Pseudo R2與全樣本觀測期非常接近，全樣本觀測期中不顯著的變量在各分階段仍不顯著。所不同的是，MB/TL與CA/CL的系數(shù)符號在危機前階段都變?yōu)檎?，EBITDA/TL在危機及后危機階段變?yōu)檎?，都與預(yù)期相悖；變量的顯著性也發(fā)生了一些變化，表現(xiàn)在危機及后危機階段，WC/TA和RE/TA分別于5%和10%的統(tǒng)計水平上顯著，第二組變量中TL/TA在10%的水平上顯著。這至少表明：（1）盈利能力指標(biāo)是最具穩(wěn)健性的預(yù)測變量；（2）金融危機前后一些變量對財務(wù)困境的解釋作用發(fā)生了重大變化。

剔除了各模型估計中不顯著的變量后，發(fā)現(xiàn)盈利能力指標(biāo)與杠桿率的組合具有較高的穩(wěn)健性。最終我們檢驗了EBIT/TA和TL/TA這2個變量共同作用下的模型估計和預(yù)測結(jié)果。之所以只保留EBIT/TA這個盈利性指標(biāo)，是因為EBIT/TA是一個獨立于任何稅收或杠桿因素的衡量公司生產(chǎn)能力的指標(biāo)。Altman和Hotchkiss[30]指出，這種盈利能力的度量方法至少與現(xiàn)金流量方法的預(yù)測能力是一樣好的。

4.3預(yù)測能力檢驗

表2報告了EBIT/TA、TL/TA兩變量以及加入了1/σE后的模型估計結(jié)果。未報告的十分位預(yù)測結(jié)果顯示，在整個樣本觀測期，僅EBIT/TA與TL/TA兩個變量的作用（模型1）在第1個十分位數(shù)組上就識別出了95.21%的財務(wù)困境公司，模型ROC曲線下面積（AUC）達(dá)到了0.9804，已相當(dāng)高了。根據(jù)表2，在整個數(shù)據(jù)觀測期間，1/σE在5%的統(tǒng)計水平上與企業(yè)財務(wù)困境風(fēng)險顯著負(fù)相關(guān)，在控制其他變量不變的情況下，1/σE每增加一個單位，發(fā)生財務(wù)困境的風(fēng)險率將下降39.85%，LR的提升（ΔLR=1837.876-1830.164=7.712，P=0.0055）意味著1/σE對模型1有顯著的增量信息作用。但十分位預(yù)測的結(jié)果卻發(fā)現(xiàn)，1/σE并沒有明顯改善模型1的預(yù)測能力。模型2與模型1可以說沒有區(qū)別，二者的ROC曲線圖幾乎完全重合，AUC僅相差0.0002，在統(tǒng)計上并不顯著（P=0.6683），這說明模型2與模型1的鑒別能力是等同的。

在兩個分階段，EBIT/TA與TL/TA仍保留了同整個樣本觀測期相一致的顯著性水平和參數(shù)符號，模型的Pseudo R2都在0.6左右的水平。比較十分位預(yù)測的結(jié)果及模型的AUC，發(fā)現(xiàn)EBIT/TA與TL/TA兩變量的模型估計和預(yù)測在3個觀測期相差無幾。這表明EBIT/TA與TL/TA兩變量對企業(yè)財務(wù)困境的預(yù)測作用具有穩(wěn)健性。此外，1/σE雖在危機前階段仍在5%的統(tǒng)計水平上顯著，但在危機及后危機階段卻不再顯著，而且模型2的擬合結(jié)果與模型1并沒有明顯差別。

總體上，模型估計和預(yù)測的結(jié)果表明，加入了1/σE后的模型2與模型1并無明顯的差異。由此可見，在包含了EBIT/TA和TL/TA后，波動率指標(biāo)對企業(yè)財務(wù)困境并沒有實質(zhì)性的解釋作用。圖1描述了利用模型1在危機前階段的參數(shù)估計預(yù)測危機及后危機階段財務(wù)困境風(fēng)險的ROC曲線圖。圖中顯示由EBIT/TA和TL/TA組成的持續(xù)期模型是非常有效的，其AUC為0.9829，說明具有很好的預(yù)測效果。

總體上，本節(jié)實證檢驗表明，波動率指標(biāo)并沒有對財務(wù)比率起到明顯的改善作用，僅EBIT/TA與TL/TA兩個指標(biāo)就足以解釋企業(yè)的財務(wù)困境了。財務(wù)報表對預(yù)測企業(yè)財務(wù)困境提供了非常重要的信息。

5結(jié)論

本文實證研究了財務(wù)比率對企業(yè)財務(wù)困境預(yù)測能力的變化情況。實證分析采用動態(tài)的持續(xù)期分析技術(shù)進行模型估計和預(yù)測，以ST標(biāo)準(zhǔn)界定財務(wù)困境，基于1996年上市以來的非金融A股上市公司最長達(dá)18年的觀測數(shù)據(jù)共16000個觀測值，選擇經(jīng)典文獻中的3組財務(wù)比率，通過將整個樣本觀測期以金融危機全面爆發(fā)為分界點分為兩個階段，得出：

Altman所建立的Z*模型中的產(chǎn)權(quán)比率指標(biāo)（MB/TL）、Zmijewski的Probit模型中的流動比率（CA/CL）以及Beaver等極力推崇的現(xiàn)金流負(fù)債比（EBITDA/TL）都對企業(yè)財務(wù)困境沒有實質(zhì)性的預(yù)測能力。金融危機明顯影響了一些變量（營運資本比、累計盈利能力）的解釋力。但企業(yè)盈利性（EBIT/TA）和杠桿率（TL/TA）對財務(wù)困境的解釋作用卻至關(guān)重要且具有穩(wěn)健性。參數(shù)估計顯示，在其他變量不變的情況下，TL/TA每增加一個單位，企業(yè)發(fā)生財務(wù)困境的風(fēng)險率至少增加2000%；EBIT/TA每增加一個單位，企業(yè)發(fā)生財務(wù)困境的風(fēng)險率將降低100%，這二者對風(fēng)險函數(shù)的影響是其他變量所無法比及的。在預(yù)測能力上，由這兩個變量所構(gòu)成的持續(xù)期模型的預(yù)測準(zhǔn)確度已達(dá)到了0.98，而且變量的解釋作用幾乎不受金融危機的影響。雖然財務(wù)報表以外的波動率信息對它們有顯著的增量信息作用，卻沒有實質(zhì)性地改善其預(yù)測能力，財務(wù)報表信息對企業(yè)財務(wù)困境的解釋作用是非常強大的。

總體上，本研究表明盡管外部環(huán)境急劇變化，財務(wù)報表仍對預(yù)測企業(yè)財務(wù)困境提供了非常重要的信息，財務(wù)比率作為一種分析工具有著重要的應(yīng)用價值，其作用應(yīng)被強調(diào)而不是被降級。

參考文獻：

[1]Beaver W H， Correia M， McNichols M F. Financial statement analysis and the prediction of financial distress[J]. Foundation and Trends in Accounting， 2010， 5（2）： 99-173.

[2]Balcaen S， Ooghe H. 35 years of studies on business failure： an overview of the classic statistical methodologies and their related problems[J]. The British Accounting Review， 2006， 38（1）： 63-93.

[3]Aziz M A， Dar H A. Predicting corporate bankruptcy： where we stand[J]. Corporate Governance： The International Journal of Business in Society， 2006， 6（1）： 18-33.

[4]Kumar P R， Ravi V. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review[J]. European Journal of Operational Research， 2007， 180（1）： 1-28.

[5]Gepp A， Kumar K. Business failure prediction using statistical techniques： a review[M]. Faculty of Business Publications， 2012. 675.

[6]Ak B K， Dechow P M， Sun Y， et al.. The use of financial ratio models to help investors predict and interpret significant corporate events[J]. Australian Journal of Management， 2013， 38（3）： 553-598.

[7]Sun J， Li H， Huang Q H， et al.. Predicting financial distress and corporate failure： a review from the state-of-the-art definitions， modeling， sampling， and featuring approaches[J]. Knowledge-Based Systems， 2014， 57（2）： 41-56.

[8]Beaver W H， McNichols M F， Rhie J W. Have financial statements become less informative？ Evidence from the ability of financial ratios to predict bankruptcy[J]. Review of Accounting Studies， 2005， 10（1）： 93-122.

[9]楊德勇，馬若微.現(xiàn)代期權(quán)定價理論框架下的財務(wù)困境解釋與實證檢驗[J].財貿(mào)經(jīng)濟，2009，（4）：33-37.

[10]Campbell J Y， Hilscher J， Szilagyi J. In search of distress risk[J]. The Journal of Finance， 2008， 63（6）： 2899-2939.

[11]Campbell J Y， Hilscher J， Szilagyi J. Predicting financial distress and the performance of distressed stocks[J]. Journal of Investment Management， 2011， 9（2）： 14-34.

[12]Shumway T. Forecasting bankruptcy more accurately： a simple hazard model[J]. The Journal of Business， 2001， 74（1）： 101-124.

[13]Campbell J Y， Lettau M， Malkiel B G， et al.. Have individual stocks become more volatile？ An empirical exploration of idiosyncratic risk[J]. The Journal of Finance， 2001， 56（1）： 1-43.

[14]Hillegeist S A， Keating E K， Cram D P， et al.. Assessing the probability of bankruptcy[J]. Review of Accounting Studies， 2004， 9（1）： 5-34.

[15]Wu Y， Gaunt C， Gray S. A comparison of alternative bankruptcy prediction models[J]. Journal of Contemporary Accounting & Economics， 2010， 6（1）： 34-45.

[16]Christidis A C Y， Gregory A. Some new models for financial distress prediction in the UK[R]. Social Science Electronic Publishing， Working Paper， 2010.

[17]Tinoco M H， Wilson N. Financial distress and bankruptcy prediction among listed companies using accounting， market and macroeconomic variables[J]. International Review of Financial Analysis， 2013， 30（12）： 394-419.

[18]Nam C W， Kim T S， Park N J， et al.. Bankruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies[J]. Journal of Forecasting， 2008， 27（6）： 493-506.

[19]Cox D R. Regression models and life-tables[J]. Journal of the Royal Statistical Society， 1972， 34（2）： 187-220.

[20]Allison P D. Survival analysis using SAS： a practical guide[M]. Cary， NC： Sas Institute， 2010.

[21]Amendola A， Restaino M， Sensini L. An analysis of the determinants of financial distress in Italy： a competing risks approach[J]. International Review of Economics and Finance， 2015， 37（5）： 33-41.

[22]Pindado J， Rodrigues L， de la Torre C. Estimating financial distress likelihood[J]. Journal of Business Research， 2008， 61（9）： 995-1003.

[23]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The Journal of Finance， 1968， 23（4）： 589-609.

[24]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research， 1980， 18（1）： 109-131.

[25]Altman E I. Predicting financial distress of companies： revisiting the Z-score and ZETA models[D]. Stern School of Business， New York University， 2000. 7-36.

[26]Zmijewski M E. Methodological issues related to the estimation of financial distress prediction models[J]. Journal of Accounting Research， 1984， 22： 59-82.

[27]左小德，程守紅.上市公司財務(wù)危機預(yù)警的實證研究[J].數(shù)學(xué)的實踐與認(rèn)識，2008，38（8）：7-15.

[28]呂長江，趙巖.中國上市公司特別處理的生存分析[J].中國會計評論，2004，2（2）：311-338.

[29]田軍，周勇.ST公司基于財務(wù)數(shù)據(jù)的動態(tài)分析[J].數(shù)理統(tǒng)計與管理，2014，33（2）：317-328.

[30]Altman E I， Hotchkiss E. Corporate financial distress and bankruptcy[M]. 3rd ed. New York： John Wiley & Sons， 2006.