徐玉芳　邵勝華

【摘 要】 科學(xué)的財(cái)務(wù)危機(jī)預(yù)警模型對(duì)提升企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理水平具有重要意義?；趪?guó)內(nèi)外現(xiàn)有財(cái)務(wù)預(yù)警模型，選取80家非金融中小型上市公司為研究對(duì)象，經(jīng)過(guò)變量篩選、Wilcoxon秩和非參數(shù)檢驗(yàn)、KMO檢驗(yàn)、公共因子計(jì)算、載荷系數(shù)計(jì)算等步驟，采用Logistic方法建立了兩種不同的中小型企業(yè)財(cái)務(wù)危機(jī)預(yù)警回歸模型，并對(duì)80家上市公司進(jìn)行實(shí)證分析。研究結(jié)果表明：針對(duì)ST和非ST兩類企業(yè)，綜合Logistic回歸模型比純財(cái)務(wù)指標(biāo)Logistic回歸模型的財(cái)務(wù)危機(jī)預(yù)警準(zhǔn)確率提高了18.182%和10.145%。

【關(guān)鍵詞】 財(cái)務(wù)預(yù)警模型； Logistic回歸模型； 因子分析法； 中小企業(yè)

【中圖分類號(hào)】 F272.35 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2017）12-0031-04

一、引言

我國(guó)中小企業(yè)較多，普遍存在的問(wèn)題是資本結(jié)構(gòu)不健全、管理結(jié)構(gòu)不合理、財(cái)務(wù)信息不完善、內(nèi)部控制制度落后、風(fēng)險(xiǎn)意識(shí)薄弱等，因此中小企業(yè)很難抵擋外部環(huán)境引發(fā)的風(fēng)險(xiǎn)。目前，很多中小型企業(yè)尚未意識(shí)到財(cái)務(wù)風(fēng)險(xiǎn)危機(jī)，也并未采取相關(guān)措施進(jìn)行防治，直接導(dǎo)致很多中小企業(yè)連年虧損，甚至出現(xiàn)破產(chǎn)。建立一套完善可行的中小企業(yè)危機(jī)預(yù)警方法，成為當(dāng)前學(xué)者們的研究熱點(diǎn)。

國(guó)外學(xué)者采用多元概率比回歸分析法、現(xiàn)金流量信息預(yù)測(cè)分析法和混合模型分析法對(duì)中小企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)開(kāi)展了大量研究，并取得了一定成果。Zmijewski[1]采用概率回歸分析法對(duì)3 800家正常企業(yè)和76家破產(chǎn)企業(yè)進(jìn)行研究，建立了Probit財(cái)務(wù)預(yù)警模型；Aziz[2]通過(guò)對(duì)比破產(chǎn)和非破產(chǎn)企業(yè)的現(xiàn)金流量均值及公司納稅情況，提出了現(xiàn)金流量信息模型；Hongkyu et al.[3]采用破產(chǎn)預(yù)警混合模型，對(duì)韓國(guó)破產(chǎn)企業(yè)和正常企業(yè)進(jìn)行了實(shí)證研究，驗(yàn)證了混合模型分析法的可行性。任惠光等[4]采用DEA數(shù)據(jù)包絡(luò)分析法、Logistic模型和模糊神經(jīng)網(wǎng)絡(luò)模型，選取了財(cái)務(wù)、公司管理、效益等51個(gè)技術(shù)指標(biāo)，對(duì)378家上市公司進(jìn)行實(shí)證研究，提出一種跨期財(cái)務(wù)綜合危機(jī)預(yù)警模型；楊瀟[5]結(jié)合傳統(tǒng)Logistic財(cái)務(wù)預(yù)警模型和隨機(jī)欠抽樣不均衡分析方法，建立了RU-Logistic財(cái)務(wù)預(yù)警模型，采用主成分分析法對(duì)我國(guó)上市電力公司開(kāi)展研究。

雖然近年來(lái)國(guó)內(nèi)外針對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警進(jìn)行了大量研究，但是仍存在以下不足：（1）現(xiàn)有財(cái)務(wù)危機(jī)預(yù)警主要針對(duì)大型企業(yè)，對(duì)中小企業(yè)的相關(guān)研究還不多見(jiàn)；（2）國(guó)內(nèi)現(xiàn)有相關(guān)研究很少考慮我國(guó)國(guó)情，國(guó)外一些基本假設(shè)未必符合我國(guó)市場(chǎng)體制；（3）財(cái)務(wù)預(yù)警評(píng)價(jià)體系還不完善，很少考慮非財(cái)務(wù)指標(biāo)對(duì)企業(yè)危機(jī)的影響。本文針對(duì)這些不足之處，選取80家中小企業(yè)上市公司為研究對(duì)象，采用Logistic方法建立了兩種不同的中小型企業(yè)財(cái)務(wù)危機(jī)預(yù)警回歸模型，并對(duì)比了兩種模型的企業(yè)財(cái)務(wù)危機(jī)預(yù)警準(zhǔn)確率。研究成果可為中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警提供參考。

二、企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型設(shè)計(jì)

（一）模型特點(diǎn)與針對(duì)性

Logistic回歸模型是一種概率回歸廣義線性模型，可用于描述和推斷一組變量與多分類因變量之間的關(guān)系。Logistic回歸模型參數(shù)估計(jì)主要采用非條件最大似然法，通過(guò)建立似然函數(shù)和對(duì)數(shù)似然函數(shù)，獲得對(duì)數(shù)似然函數(shù)的最大特征根相關(guān)參數(shù)，得出各個(gè)參數(shù)的最大似然估計(jì)值。本文采用Logistic回歸來(lái)進(jìn)行中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究，主要因?yàn)長(zhǎng)ogistic回歸模型具有以下特點(diǎn)[6-7]：（1）Logistic回歸模型的自變量與因變量存在非線性關(guān)系；（2）Logistic回歸模型無(wú)需假設(shè)方差不變，對(duì)自變量分布無(wú)特殊要求，各個(gè)自變量可以是連續(xù)值或離散值，甚至可以為虛擬值，即不需要假設(shè)自變量間存在多元正態(tài)分布；（3）Logistic回歸模型的因變量為分類變量，預(yù)測(cè)精度較高。基于Logistic回歸模型上述特點(diǎn)，認(rèn)為其可以進(jìn)行中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究。

將中小企業(yè)是否陷入財(cái)務(wù)危機(jī)作為因變量，其狀態(tài)可以用0和1表示。當(dāng)中小企業(yè)陷入財(cái)務(wù)危機(jī)時(shí)，因變量取1；當(dāng)中小企業(yè)財(cái)務(wù)狀況良好時(shí)，因變量取0。在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)發(fā)現(xiàn)自變量（包括財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)）不服從正態(tài)分布，因此選用不需要假設(shè)自變量間存在多元正態(tài)分布的Logistic回歸模型進(jìn)行中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究。

（二）研究樣本

鑒于我國(guó)大多中小企業(yè)并未上市，很多財(cái)務(wù)信息存在虛假情況且財(cái)務(wù)數(shù)據(jù)搜集較為困難，本文研究的中小企業(yè)主要來(lái)自滬深兩市中小企業(yè)板塊。采用與國(guó)內(nèi)外學(xué)者類似的研究方法，以上市公司是否處于ST狀態(tài)為判斷財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn)，共選取80家非金融類中小型上市公司，其中69家非ST企業(yè)和11家ST企業(yè)，分為非財(cái)務(wù)危機(jī)組和財(cái)務(wù)危機(jī)組開(kāi)展研究?？紤]到行業(yè)等因素對(duì)研究結(jié)果的影響，非財(cái)務(wù)危機(jī)組所處行業(yè)和資產(chǎn)規(guī)模盡量與財(cái)務(wù)危機(jī)組相近，所搜集數(shù)據(jù)均來(lái)自2012—2016年滬深兩市的公開(kāi)財(cái)務(wù)報(bào)表。

（三）研究變量選取

1.財(cái)務(wù)變量選取

企業(yè)財(cái)務(wù)狀況與其運(yùn)營(yíng)能力、管理能力、盈利能力息息相關(guān)，目前仍沒(méi)有形成完善的企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)變量選取依據(jù)。本文基于現(xiàn)有研究基礎(chǔ)，認(rèn)為預(yù)警模型財(cái)務(wù)變量需滿足如下條件：（1）變量指標(biāo)相關(guān)數(shù)據(jù)容易獲得；（2）能夠顯示中小企業(yè)短期償債能力；（3）可以體現(xiàn)中小企業(yè)的經(jīng)營(yíng)現(xiàn)狀和發(fā)展?fàn)顟B(tài)；（4）可以體現(xiàn)中小企業(yè)投資水平的合理性；（5）可以體現(xiàn)中小企業(yè)成長(zhǎng)能力。

參考中國(guó)上市公司財(cái)務(wù)指標(biāo)分析數(shù)據(jù)庫(kù)中的相關(guān)指標(biāo)選擇本文分析所需的財(cái)務(wù)變量[8]。根據(jù)中小企業(yè)特點(diǎn)，確定償債能力指標(biāo)、盈利能力指標(biāo)、營(yíng)運(yùn)能力指標(biāo)、發(fā)展能力指標(biāo)和現(xiàn)金流指標(biāo)為財(cái)務(wù)危機(jī)預(yù)警的一級(jí)指標(biāo)，具體二級(jí)指標(biāo)及其計(jì)算方法見(jiàn)表1。

2.非財(cái)務(wù)變量選取

中小企業(yè)財(cái)務(wù)危機(jī)不僅受到財(cái)務(wù)變量影響，還會(huì)受到宏觀經(jīng)濟(jì)、社會(huì)環(huán)境、行業(yè)因素等非財(cái)務(wù)變量影響。與財(cái)務(wù)變量不同，非財(cái)務(wù)變量收集難度大、成本高。國(guó)外研究人員大多選擇宏觀經(jīng)濟(jì)指標(biāo)和行業(yè)指標(biāo)作為非財(cái)務(wù)變量，但由于我國(guó)經(jīng)濟(jì)環(huán)境與國(guó)外經(jīng)濟(jì)環(huán)境有著較大差異，本文非財(cái)務(wù)變量更側(cè)重于微觀方面。選擇企業(yè)組織結(jié)構(gòu)、管理費(fèi)用、董事會(huì)構(gòu)成和審計(jì)意見(jiàn)作為非財(cái)務(wù)變量一級(jí)指標(biāo)，四項(xiàng)一級(jí)指標(biāo)下設(shè)若干二級(jí)指標(biāo)，具體情況見(jiàn)表2。

三、企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型實(shí)證

（一）變量篩選

如果利用上述22個(gè)指標(biāo)構(gòu)建中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，雖然可以進(jìn)行較為全面的分析，但是工作量十分巨大，這些指標(biāo)中的部分指標(biāo)存在線性相關(guān)。為了提高計(jì)算準(zhǔn)確率，須對(duì)上文16個(gè)財(cái)務(wù)候選指標(biāo)和6個(gè)非財(cái)務(wù)候選指標(biāo)進(jìn)行正態(tài)性檢驗(yàn)和顯著性檢驗(yàn)。對(duì)各變量進(jìn)行K-S檢驗(yàn)，利用隨機(jī)變量B的樣本數(shù)據(jù)構(gòu)建分布函數(shù)，通過(guò)計(jì)算分布函數(shù)落在某個(gè)區(qū)間內(nèi)與正態(tài)分布重合的概率，用于判斷變量是否滿足正態(tài)分布。表3為16個(gè)財(cái)務(wù)候選指標(biāo)和6個(gè)非財(cái)務(wù)候選指標(biāo)的K-S檢驗(yàn)及顯著性檢驗(yàn)結(jié)果。表3中，各變量顯著性水平都接近于0，遠(yuǎn)遠(yuǎn)小于0.5。

由于各變量間不服從正態(tài)分布，因此需要對(duì)其進(jìn)行Wilcoxon秩和非參數(shù)檢驗(yàn)。將企業(yè)成為ST的前1年、前2年、前3年分別記為T-1、T-2、T-3。根據(jù)各單變量Wilcoxon秩和非參數(shù)檢驗(yàn)結(jié)果，發(fā)現(xiàn)存貨周轉(zhuǎn)率（A12）、最大股東持股比例（B1）、Z-指數(shù)（B2）、董事會(huì)規(guī)模（B4）的顯著性水平均大于0.5，須剔除這些變量。因此，從前文16個(gè)財(cái)務(wù)候選指標(biāo)和6個(gè)非財(cái)務(wù)候選指標(biāo)中篩選出15個(gè)財(cái)務(wù)候選指標(biāo)和3個(gè)非財(cái)務(wù)候選指標(biāo)，作為中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的變量。

（二）因子分析

如果基于剩余的18個(gè)候選指標(biāo)開(kāi)展財(cái)務(wù)危機(jī)預(yù)警研究，計(jì)算量仍然很大，可進(jìn)一步通過(guò)因子分析降低變量數(shù)。

1.KMO檢驗(yàn)

利用KMO檢驗(yàn)結(jié)果對(duì)候選財(cái)務(wù)變量進(jìn)行判斷。若KMO值越大，說(shuō)明變量相關(guān)性越強(qiáng)。對(duì)本文15個(gè)財(cái)務(wù)候選指標(biāo)進(jìn)行巴特利球體檢驗(yàn)，其卡方計(jì)算結(jié)果為1192.15，自由度計(jì)算值為102，財(cái)務(wù)指標(biāo)變量的KMO值為0.821。若KMO值分布在[0.8，0.9]，則說(shuō)明因子分析效果較好，因此15個(gè)財(cái)務(wù)候選指標(biāo)因子分析效果較好。

2.公共因子計(jì)算

表4為15個(gè)財(cái)務(wù)候選指標(biāo)公共因子特征值、貢獻(xiàn)率計(jì)算結(jié)果。由表4可知，如果選擇5個(gè)公共因子，則能反映出15個(gè)財(cái)務(wù)候選指標(biāo)81.693%的信息量；如果選擇4個(gè)公共因子，則能反映出15個(gè)財(cái)務(wù)候選指標(biāo)78.113%的信息量。綜合效率和計(jì)算量，本文選擇前4個(gè)公共因子作為財(cái)務(wù)候選指標(biāo)的替代變量，將其分別記為C1、C2、C3、C4。

（四）結(jié)果分析

1.純財(cái)務(wù)指標(biāo)Logistic回歸模型

采用純財(cái)務(wù)指標(biāo)回歸模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的檢驗(yàn)結(jié)果見(jiàn)表8。由表8可知，針對(duì)ST中小企業(yè)和非ST中小企業(yè)，純財(cái)務(wù)指標(biāo)回歸模型預(yù)警準(zhǔn)確率分別為63.636%和82.609%。

2.綜合Logistic回歸模型

采用綜合回歸模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的檢驗(yàn)結(jié)果見(jiàn)表9?？梢?jiàn)，對(duì)于ST中小企業(yè)和非ST中小企業(yè)，綜合回歸模型預(yù)警準(zhǔn)確率分別為81.818%和92.754%。對(duì)比綜合回歸模型和純財(cái)務(wù)指標(biāo)回歸模型，綜合回歸模型預(yù)警準(zhǔn)確率分別提升18.182%和10.145%。

四、結(jié)論

本文選取國(guó)內(nèi)80家非金融類中小上市公司為研究對(duì)象，其中69家非ST企業(yè)，11家ST企業(yè)。經(jīng)過(guò)變量篩選、Wilcoxon秩和非參數(shù)檢驗(yàn)、KMO檢驗(yàn)、公共因子計(jì)算、載荷系數(shù)計(jì)算等步驟，分別構(gòu)建了純財(cái)務(wù)指標(biāo)回歸模型和綜合回歸模型。計(jì)算結(jié)果表明：對(duì)于ST企業(yè)和非ST企業(yè)，純財(cái)務(wù)指標(biāo)回歸模型的預(yù)警準(zhǔn)確率分別為63.636%和82.609%；綜合回歸模型的企業(yè)預(yù)警準(zhǔn)確率分別為81.818%和92.754%；與純財(cái)務(wù)指標(biāo)回歸模型相比，綜合回歸模型預(yù)警準(zhǔn)確率分別提升18.182%和10.145%。

【參考文獻(xiàn)】

[1] ZMIJEWSKI M E. Methodological issues related to the estimation of financialdistress prediction models[J].Journal of Accounting Research，1984（22）：59-82.

[2] AZIZ D，et al. Bankruptcy prediction： An investigation of cash flow based models[J].Journal of Management Studies，1988，25（5）：419-437.

[3] HONGKYU J，INGOO H.Integration a of Case-Based Forecasting Neural Network and Discriminant Analysis for Bankruptcy Prediction[J].Expert System with Applications，1996，11（4）：415-422.

[4] 任惠光，班博.中國(guó)A股上市公司財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建及實(shí)證研究[J].山東大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2007（6）：130-136.

[5] 楊瀟.基于改進(jìn)Logit模型的電力公司財(cái)務(wù)危機(jī)預(yù)警研究[J].會(huì)計(jì)之友，2017（2）：95-98.

[6] 牛似虎，方繼華，蘇明政.基于供應(yīng)鏈金融的中小企業(yè)績(jī)效評(píng)價(jià)與實(shí)證[J].統(tǒng)計(jì)與決策，2017（1）：64-66.

[7] 馬大來(lái)，武文麗，董子銘.中國(guó)工業(yè)碳排放績(jī)效及其影響因素——基于空間面板數(shù)據(jù)模型的實(shí)證研究[J].中國(guó)經(jīng)濟(jì)問(wèn)題，2017（1）：121-135.

[8] 王謙，時(shí)文超，西鳳茹.基于粗糙集——支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究[J].統(tǒng)計(jì)與決策，2013（20）：156-158.