張婕， 程航， 楊麗嬌

摘要： 自證監(jiān)會對財(cái)務(wù)狀況異常的上市公司實(shí)施ST制度以來，一些公司屢次被實(shí)施ST，“戴帽-摘帽-又戴帽”現(xiàn)象頻繁發(fā)生。上市公司的ST復(fù)發(fā)風(fēng)險(xiǎn)已成為我國資本市場上不可忽視的監(jiān)管問題。為有效評估ST公司的復(fù)發(fā)風(fēng)險(xiǎn)，文章選取1999-2020年在滬深兩市上市經(jīng)歷過“戴帽-摘帽”的A股公司為樣本，運(yùn)用生存分析方法構(gòu)建Cox比例風(fēng)險(xiǎn)模型，提取影響上市公司ST復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素及危險(xiǎn)因素，分別為現(xiàn)金比率、資本密集度、成本費(fèi)用利潤率、每股收益及成立年限;進(jìn)一步，為驗(yàn)證模型的有效性，利用Harrell的C指數(shù)估算Cox比例模型預(yù)測能力，得出其預(yù)測精度達(dá)0.779，具有較高的預(yù)測能力。本研究結(jié)果可為證監(jiān)會監(jiān)管ST類公司提供精準(zhǔn)監(jiān)管指標(biāo)，有利于防控系統(tǒng)風(fēng)險(xiǎn)，實(shí)施有效的監(jiān)管措施并引導(dǎo)市場理性投資。

關(guān)鍵詞： 特別處理（ST）; 復(fù)發(fā)風(fēng)險(xiǎn); 生存分析; Cox比例風(fēng)險(xiǎn)模型

中圖分類號： F275文獻(xiàn)標(biāo)識碼： ADOI： 10.3963/j.issn.1671-6477.2022.03.004

一、 引言

特別處理（Special Treatment，簡稱ST）是我國證券市場于1998年推出的一項(xiàng)制度，規(guī)定當(dāng)上市公司出現(xiàn)財(cái)務(wù)或其他狀況異常時(shí)，將對其股票實(shí)施特別處理。其處理規(guī)則為：股票被ST期間，交易價(jià)格日漲跌幅為±5%;股票縮寫前添加“ST”標(biāo)記，俗稱“戴帽”。被實(shí)施ST的公司，會采取有效手段改善其財(cái)務(wù)狀況，恢復(fù)上市地位，一般有成功摘帽恢復(fù)正常上市狀態(tài)及從交易所退市兩種結(jié)局。然而，基于當(dāng)前的現(xiàn)實(shí)及宏觀監(jiān)測數(shù)據(jù)來看，許多ST公司成功摘帽后，再次陷入財(cái)務(wù)或其他狀況異常的概率呈現(xiàn)上升趨勢，部分企業(yè)出現(xiàn)反復(fù)“戴帽-摘帽-戴帽”的現(xiàn)象。根據(jù)CSMAR數(shù)據(jù)庫中“股票市場系列/特別處理與特別轉(zhuǎn)讓/特殊處理變動文件”數(shù)據(jù)統(tǒng)計(jì)，截止2020年12月31日，中國股票市場上發(fā)生過一次ST事件的公司共有789家，此后有225家公司再次被ST，ST復(fù)發(fā)占比為37.63%?？梢?，股票市場上發(fā)生ST復(fù)發(fā)事件的現(xiàn)象十分常見，復(fù)發(fā)公司數(shù)量較多，上市公司ST復(fù)發(fā)的風(fēng)險(xiǎn)較大。

本文中研究的ST復(fù)發(fā)風(fēng)險(xiǎn)，是指第一次被ST，即“戴帽-摘帽”后恢復(fù)正常狀態(tài)的公司再次被ST的風(fēng)險(xiǎn)，即經(jīng)歷了“戴帽-摘帽-戴帽”，俗稱的二次ST現(xiàn)象。上市公司在被實(shí)施ST后，市場估值呈下滑趨勢，投資者對ST公告作出理性的負(fù)面反應(yīng)，ST制度起到一定的預(yù)警作用[1]。

以ST制度為研究背景，將ST公司作為主體的研究得到學(xué)界的廣泛關(guān)注。早期的研究者較多關(guān)注ST制度能否在資本市場上發(fā)揮政策預(yù)期的警示作用[2-3]及ST制度對公司治理及企業(yè)績效的影響[4-5]。近些年，ST公司的摘帽方式研究成為學(xué)者們關(guān)注的主要內(nèi)容，其研究的主體主要包括企業(yè)的并購重組[6-7]、盈余管理[8-9]、公司治理[10-11]及獲得政府補(bǔ)助[12-13]等摘帽方式。在研究方法上，學(xué)者們通過利用企業(yè)被ST作為陷入財(cái)務(wù)困境數(shù)據(jù)，運(yùn)用判別分析模型[14-15]、多元條件概率模型[16]、生存分析模型[17-18]等方法建立不同的財(cái)務(wù)危機(jī)預(yù)警模型，以判別上市公司是否會發(fā)生財(cái)務(wù)危機(jī)。但前述研究更多集中于上市公司首次被ST的情形，對于上市公司“二次戴帽”的現(xiàn)象較少關(guān)注。因此，本文利用CSMAR數(shù)據(jù)庫中我國A股上市公司中ST類企業(yè)的ST復(fù)發(fā)數(shù)據(jù)，將生存分析方法中的Cox比例風(fēng)險(xiǎn)模型應(yīng)用到ST復(fù)發(fā)風(fēng)險(xiǎn)的研究中，探究預(yù)示ST復(fù)發(fā)的影響因素，構(gòu)建風(fēng)險(xiǎn)預(yù)警模型，為上市公司監(jiān)測企業(yè)日常生產(chǎn)經(jīng)營活動中的風(fēng)險(xiǎn)提供依據(jù)，為監(jiān)管部門有效監(jiān)管提供模型決策。

二、 研究方法

（一） 生存分析基本概念

如果將上市公司看作一個生命體，被ST復(fù)發(fā)的過程，可類比為一個生命體患病康復(fù)又復(fù)發(fā)的過程。生存分析（survival analysis）是研究終點(diǎn)事件已發(fā)生或未發(fā)生之前，經(jīng)歷時(shí)間的一種統(tǒng)計(jì)分析方法，分為非參數(shù)、半?yún)?shù)及參數(shù)模型，已在生物學(xué)、醫(yī)學(xué)及經(jīng)濟(jì)學(xué)等領(lǐng)域廣泛應(yīng)用[19]。生存時(shí)間（survival time）是指從某個起始事件開始到被觀測終點(diǎn)所經(jīng)歷的時(shí)間，觀測終點(diǎn)通常是感興趣的事件發(fā)生時(shí)或觀測期終止時(shí)。通常在觀測期結(jié)束時(shí)，某些個體仍未發(fā)生感興趣的事件，生存分析中定義此類現(xiàn)象為刪失，并稱其為刪失數(shù)據(jù)（censored data）;當(dāng)個體在觀測期內(nèi)發(fā)生感興趣的事件，則稱其為完全數(shù)據(jù)（complete data）。

生存分析中一般涉及四個基本函數(shù)，T表示生存時(shí)間的隨機(jī)變量，t表示生存時(shí)間的某一特定取值。

累計(jì)概率密度函數(shù)：F（t）=P（T≤t）=∫t0f（x）dx（1）概率密度函數(shù)：f（t）=dF（t）dt=F′（t）（2）生存函數(shù)：S（t）=P（T>t）=1-F（t）=∫

（二） Cox比例風(fēng)險(xiǎn)模型基本形式

Cox比例風(fēng)險(xiǎn)模型是英國統(tǒng)計(jì)學(xué)家D.R.Cox于1972年提出的一種半?yún)?shù)模型。本文將Cox比例風(fēng)險(xiǎn)模型由醫(yī)學(xué)領(lǐng)域的疾病復(fù)發(fā)事件引入到上市公司被ST復(fù)發(fā)現(xiàn)象的研究中，其主要優(yōu)勢有三點(diǎn)：

（1）可利用刪失數(shù)據(jù)及完整的企業(yè)生存時(shí)間數(shù)據(jù)，其中刪失數(shù)據(jù)是指研究期內(nèi)尚未發(fā)生ST復(fù)發(fā)事件的企業(yè)，也可考慮成研究樣本;（2）模型不必事先給出生存時(shí)間的具體分布，但其模型估計(jì)結(jié)果仍具有穩(wěn)健性;（3）模型在不用估計(jì)基準(zhǔn)生存率的情況下，仍能估計(jì)出影響因素的系數(shù)，據(jù)此評估影響因素的影響程度，適用于多因素分析研究。

Cox比例風(fēng)險(xiǎn)模型的基本形式如下：

hi（t）=h0（t）exp（xiβ）=h0（t）expβ1xi1 +β2xi2+…+βkxik （5）

該模型表示任何個體i 在時(shí)間t 時(shí)的風(fēng)險(xiǎn)率hi（t）是兩個因素的乘積：

1.基準(zhǔn)危險(xiǎn)率函數(shù)h0（t）;

2.協(xié)變量的指數(shù)線性函數(shù)exp β1xi1+β2xi2+…+βkxik其中，xik 代表個體i 的第k 個協(xié)變量的取值，βk 是xk 的系數(shù)。

（三） Cox比例風(fēng)險(xiǎn)模型的比例風(fēng)險(xiǎn)假設(shè)及風(fēng)險(xiǎn)比

根據(jù)Cox比例風(fēng)險(xiǎn)模型的基本形式，假設(shè)兩個個體的協(xié)變量分別為X 和X*，則任意兩個個體的風(fēng)險(xiǎn)函數(shù)之比可表示為：

等式左邊被稱為風(fēng)險(xiǎn)比，可以看出風(fēng)險(xiǎn)比是一個與時(shí)間t 無關(guān)的常數(shù)，比例風(fēng)險(xiǎn)模型因此得名。通過回歸分析可以得出系數(shù)β，βi 表示當(dāng)其他變量不變時(shí)，Xi 每變化一個單位，風(fēng)險(xiǎn)相對變化expβi 個單位。若βi >0，該因素為危險(xiǎn)因素，會使風(fēng)險(xiǎn)增大;若βi <0，該因素為保護(hù)因素，會使風(fēng)險(xiǎn)減小。

（四） Cox比例風(fēng)險(xiǎn)模型的參數(shù)估計(jì)

Cox模型的參數(shù)β =（β1，…，βk）通過偏似然函數(shù)估計(jì)得到。假設(shè)對n 個企業(yè)的ST復(fù)發(fā)時(shí)間進(jìn)行觀測，ti 表示個體的生存時(shí)間，即ST復(fù)發(fā)時(shí)間。當(dāng)企業(yè)在觀測期內(nèi)發(fā)生ST 復(fù)發(fā)事件，即為完整數(shù)據(jù)樣本，記δi =1，ti =ST企業(yè)第一次摘帽至再次被ST的時(shí)間;當(dāng)企業(yè)在觀測期內(nèi)未發(fā)生ST復(fù)發(fā)事件，即為刪失數(shù)據(jù)樣本，記δi =0，ti =ST企業(yè)第一次摘帽至觀測終止的時(shí)間。樣本的觀測數(shù)據(jù)可表示為：

ti，δi，xi ，i=1，2，…，n，δi=0或1 （7）

將所有發(fā)生ST復(fù)發(fā)事件樣本的生存時(shí)間（ST復(fù)發(fā)時(shí)間）按從小到大的順序排列：t1

L（β）=Πjexp（xTjβ）

通過對上式進(jìn)行最大似然估計(jì)，即可得到系數(shù)β 的估計(jì)值。

（五） Cox比例風(fēng)險(xiǎn)模型的預(yù)測精度評價(jià)指標(biāo)C指數(shù)

評價(jià)模型的好壞不僅要看模型的擬合優(yōu)度，還要考察模型的預(yù)測精度。C 指數(shù)（concordance index）是評價(jià)Cox比例風(fēng)險(xiǎn)模型預(yù)測精度的一種方法，也被稱為一致性指數(shù)。C指數(shù)最早由范德堡大學(xué)生物統(tǒng)計(jì)教授Frank E Harrell Jr于1996年提出，主要用于計(jì)算生存分析中的Cox模型預(yù)測值與真實(shí)值之間的區(qū)分度。

計(jì)算C指數(shù)時(shí)首先把所有樣本隨機(jī)地兩兩配對，再觀測配對樣本的預(yù)測生存概率，若概率的順序結(jié)果與樣本實(shí)際生存時(shí)間的比較結(jié)果一致，則認(rèn)為預(yù)測結(jié)果與實(shí)際結(jié)果相一致。通過計(jì)算C指數(shù)配對樣本占總配對樣本的比值，評估模型的精度。通常認(rèn)為，C指數(shù)在0.50～0.70為低準(zhǔn)確度，在0.71～0.90之間為中準(zhǔn)確度，高于0.90則為高準(zhǔn)確度。

三、 研究設(shè)計(jì)和數(shù)據(jù)選取

ST類上市公司根據(jù)風(fēng)險(xiǎn)警示等級，可分為一般風(fēng)險(xiǎn)警示公司（ST 公司）和退市風(fēng)險(xiǎn)警示公司（*ST公司），ST與*ST都是對上市公司風(fēng)險(xiǎn)狀況的一種提示，本研究將ST 或*ST 均定義為ST 狀態(tài)，不再作具體區(qū)分。本研究所有ST公司相關(guān)的生存時(shí)間及財(cái)務(wù)數(shù)據(jù)均來自于CSMAR 數(shù)據(jù)庫，采用的數(shù)據(jù)分析工具為R語言。

（一） 樣本選擇

本文以1999-2020年間在滬深兩市上市經(jīng)歷過“戴帽-摘帽”的A 股公司為樣本，研究關(guān)注的終點(diǎn)事件為上市公司繼首次“摘帽”后再次被ST 的事件。生存時(shí)間起點(diǎn)為上市公司第一次摘帽的時(shí)間，終點(diǎn)為2020年12月31日，采用的時(shí)間尺度為年，定義上市公司ST復(fù)發(fā)當(dāng)年生存時(shí)間t=1。初始樣本經(jīng)過以下標(biāo)準(zhǔn)篩選：

1.僅包含發(fā)行A 股上市的公司。

2.剔除因賣“殼”而實(shí)現(xiàn)摘帽的企業(yè)。ST公司出售其“殼”資源背后是公司實(shí)質(zhì)的更換，其指標(biāo)數(shù)據(jù)無法代表原公司的發(fā)展?fàn)顟B(tài)，不具有連續(xù)性。

3.剔除數(shù)據(jù)缺失較多的公司89家。

因此，最終有效樣本中共有227個公司，其中：房地產(chǎn)行業(yè)8家，工業(yè)169家，綜合行業(yè)29家，公用事業(yè)14家，商業(yè)7家。在樣本觀測期內(nèi)，共有57家公司發(fā)生了ST 復(fù)發(fā)事件，ST 復(fù)發(fā)率為25.11%。

表1統(tǒng)計(jì)了不同ST復(fù)發(fā)事件時(shí)間間隔年份的ST復(fù)發(fā)公司占總樣本的比重。

圖1為根據(jù)樣本數(shù)據(jù)運(yùn)用生存分析中的非參數(shù)法Kaplan-Meier方法估計(jì)的樣本總體生存曲線。從生存曲線來看，有73.1%以上的公司在首次ST 摘帽后正常經(jīng)營超過10年未發(fā)生ST 復(fù)發(fā)事件;其中，企業(yè)生存率在前7年下降較快，7年之后，生存率保持著相對平穩(wěn)的狀態(tài)。

（二） 協(xié)變量的選擇

上市公司的財(cái)務(wù)報(bào)表能反映出企業(yè)某一時(shí)期內(nèi)的經(jīng)營成果和財(cái)務(wù)狀況變動，預(yù)示公司的發(fā)展前景，幫助報(bào)表使用者了解公司狀況，也是進(jìn)行各類分析研究的可靠資料。本文選取39個指標(biāo)作為初始風(fēng)險(xiǎn)預(yù)警指標(biāo)，如表2所示。這些指標(biāo)綜合反映了企業(yè)的償債能力、經(jīng)營能力、盈利能力、發(fā)展能力、現(xiàn)金流量和公司基本情況等信息。為避免部分ST 公司摘帽時(shí)可能會對財(cái)務(wù)數(shù)據(jù)進(jìn)行修飾，從而造成估計(jì)結(jié)果有偏，研究所用指標(biāo)數(shù)據(jù)為ST公司摘帽后半年的財(cái)務(wù)報(bào)表數(shù)據(jù)。

四、 模型構(gòu)建與檢驗(yàn)

由于研究中初選影響因素較多，且財(cái)務(wù)指標(biāo)間的高度相關(guān)性可能造成模型結(jié)果不準(zhǔn)確。本文首先采用Lasso方法對初始協(xié)變量進(jìn)行初篩，以降低變量間多重共線性的影響，再將經(jīng)過Lasso方法篩選出的變量，引入Cox模型中進(jìn)行逐步回歸，篩取ST復(fù)發(fā)風(fēng)險(xiǎn)關(guān)鍵影響因素，構(gòu)建Cox比例風(fēng)險(xiǎn)模型。其次，對篩選出的影響因素進(jìn)行多重共線性檢驗(yàn)，對最終模型進(jìn)行比例風(fēng)險(xiǎn)假設(shè)檢驗(yàn)和模型整體的顯著性檢驗(yàn)。最后，利用Harrell的C指數(shù)判斷模型預(yù)測值與真實(shí)值之間的區(qū)分度，評價(jià)模型的預(yù)測精度。

（一） Cox比例風(fēng)險(xiǎn)模型構(gòu)建

1.Lasso方法篩選變量

Lasso（the Least absolute shrinkage and selection operator）是由Robert Tibshirani于1996年提出的一種壓縮估計(jì)方法，它是在回歸系數(shù)的絕對值之和小于等于一個常數(shù)λ 的約束條件下，使logL（β）最大，來將某些變量的系數(shù)壓縮為0，從而得到參數(shù)估計(jì)值。可見，Lasso方法篩選變量的關(guān)鍵在于調(diào)和參數(shù)λ 的取值，對變量個數(shù)的壓縮程度取決于λ 的取值。若λ 取值過大，則導(dǎo)致模型參數(shù)趨于0，不能篩選出需要的變量;若λ 取值過小，則可能出現(xiàn)過度擬合，使過多變量進(jìn)入模型，達(dá)不到降維的目的。最優(yōu)λ值的確定可以通過K折交叉驗(yàn)證進(jìn)行估計(jì)，通過R語言中的glmnet包，采用十折交叉驗(yàn)證，確定最優(yōu)λ 值為0.0397，同時(shí)得到Lasso方法初步刪選出的變量為X3、X11、X13、X16、X19、X23、X28、X29、X33、X34、X35、X36、X39。圖2為通過Lasso方法選擇變量的CV 圖。

2.Cox比例風(fēng)險(xiǎn)模型的參數(shù)估計(jì)

根據(jù)Lasso方法初步篩選的13個變量建立Cox比例風(fēng)險(xiǎn)模型，篩選出影響ST公司復(fù)發(fā)風(fēng)險(xiǎn)的最終可解釋變量，其變量的參數(shù)估計(jì)結(jié)果如表3所示。

因此，企業(yè)ST復(fù)發(fā)Cox比例風(fēng)險(xiǎn)模型如下：

hi（t）= h0（t）e-3.09061X3 -0.04209X16 -2.77051X23 -1.73036X35 +0.07902X39

（二） 模型檢驗(yàn)

1.多重共線性檢驗(yàn)

盡管研究已建立好ST公司的Cox比例風(fēng)險(xiǎn)模型，但變量的多重共線性問題仍值得關(guān)注。因此，需要對進(jìn)入Cox比例風(fēng)險(xiǎn)模型的5個最終變量進(jìn)行多重共線性檢驗(yàn)，以保證模型所選變量的有效性。本文通過計(jì)算變量之間的相關(guān)系數(shù)和方差擴(kuò)大因子（VIF）來識別變量之間的共線性。一般地，當(dāng)相關(guān)系數(shù)低于0.5時(shí)，視為低度相關(guān);當(dāng)VIF大于10時(shí)，認(rèn)為存在嚴(yán)重的多重共線性。

根據(jù)表4可知，最終進(jìn)入Cox模型中的變量之間的相關(guān)系數(shù)最大不超過0.5，VIF值均小于10，說明所選擇的變量之間不存在嚴(yán)重的共線性，可作為有效變量進(jìn)行參數(shù)估計(jì)。

2.Cox比例風(fēng)險(xiǎn)（PH）的假設(shè)檢驗(yàn)

檢查比例風(fēng)險(xiǎn)假設(shè)的方法有三種：圖形方法、擬合優(yōu)度方法及時(shí)間依存變量方法。本文使用擬合優(yōu)度方法和圖形法對比例風(fēng)險(xiǎn)假設(shè)進(jìn)行檢驗(yàn)，利用R軟件對各協(xié)變量和模型整體的擬合優(yōu)度測試（goodness-of-fit）進(jìn)行測試，結(jié)果見表5。模型中變量在5%的顯著性水平上均不顯著，且模型整體也不拒絕比例風(fēng)險(xiǎn)的原假設(shè)，因此可認(rèn)為模型總體通過了PH 檢驗(yàn)。

同時(shí)，可以繪制出各變量的Schoenfeld殘差圖對PH 假設(shè)作進(jìn)一步檢驗(yàn)，如圖3所示。從圖形檢查來看，線條以0為中心，基本平行于X 軸，不隨時(shí)間規(guī)律變化，可以認(rèn)為各協(xié)變量均滿足比例風(fēng)險(xiǎn)假設(shè)。

3.模型顯著性檢驗(yàn)

根據(jù)前述參數(shù)估計(jì)的結(jié)果可知，最終進(jìn)入模型的協(xié)變量各參數(shù)的統(tǒng)計(jì)量p 值均遠(yuǎn)小于顯著性水平0.05，說明模型的協(xié)變量參數(shù)通過了顯著性檢驗(yàn)。

對于模型整體的顯著性檢驗(yàn)結(jié)果如表6所示，無論是似然比檢驗(yàn)、Score檢驗(yàn)還是Wald檢驗(yàn)，顯著水平均為p <0.0001，表明三個檢驗(yàn)都拒絕了總體參數(shù)為零的原假設(shè)，可認(rèn)為模型整體具有顯著性。

4.模型預(yù)測精度檢驗(yàn)

利用R軟件中的survival包的coxph函數(shù)，即可計(jì)算出構(gòu)建的ST 復(fù)發(fā)風(fēng)險(xiǎn)Cox模型的C指數(shù)為0.779，可見，基于Cox比例風(fēng)險(xiǎn)模型構(gòu)建的ST復(fù)發(fā)風(fēng)險(xiǎn)模型可達(dá)到中等的預(yù)測準(zhǔn)確度。

五、 ST公司復(fù)發(fā)風(fēng)險(xiǎn)影響因素分析及建議

（一） 模型結(jié)果分析

本文運(yùn)用Cox比例模型方法構(gòu)建的ST公司復(fù)發(fā)風(fēng)險(xiǎn)預(yù)警模型的實(shí)證研究，得出現(xiàn)金比率、資本密集度、成本費(fèi)用利潤率、每股收益、成立年限這五個指標(biāo)與ST公司復(fù)發(fā)風(fēng)險(xiǎn)顯著相關(guān)。其中，在Cox比例風(fēng)險(xiǎn)模型中，參數(shù)估計(jì)為正值的變量為危險(xiǎn)因素，參數(shù)估計(jì)系數(shù)為負(fù)值的變量為保護(hù)因素;在此基礎(chǔ)上，估算的風(fēng)險(xiǎn)比數(shù)值能夠精確衡量各影響因素對ST公司復(fù)發(fā)風(fēng)險(xiǎn)的影響程度。接下來，對本研究篩選出的5個ST公司復(fù)發(fā)風(fēng)險(xiǎn)的影響因素進(jìn)行詳細(xì)分析。

指標(biāo)一現(xiàn)金比率是衡量企業(yè)短期償債能力的指標(biāo)，反映公司不依靠存貨銷售及應(yīng)收款的情況下，支付公司債務(wù)的能力。根據(jù)模型結(jié)果顯示，現(xiàn)金比率X3 的系數(shù)β3 <0，是ST復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素，其風(fēng)險(xiǎn)比為0.0454，說明現(xiàn)金比率每增加一個單位，ST復(fù)發(fā)風(fēng)險(xiǎn)下降95.46%?，F(xiàn)金比率越高，說明企業(yè)變現(xiàn)能力越強(qiáng)，企業(yè)立即償還到期債務(wù)的能力越強(qiáng)。企業(yè)被ST的一個重要指標(biāo)即是期末凈資產(chǎn)為負(fù)值，企業(yè)流動性不足會導(dǎo)致無法償還到期債務(wù)，進(jìn)而引發(fā)財(cái)務(wù)困境，導(dǎo)致企業(yè)經(jīng)營狀況進(jìn)一步惡化。

指標(biāo)二資本密集度是衡量企業(yè)賺取一單位收入所需的資本數(shù)量指標(biāo)。根據(jù)模型結(jié)果顯示，資本密集度X16 的系數(shù)β16 <0，是ST復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素，其風(fēng)險(xiǎn)比為0.9588，說明資本密集度每增加一單位，ST復(fù)發(fā)風(fēng)險(xiǎn)下降4.12%。這可能是由于高資本密集度說明公司業(yè)務(wù)更偏向資本密集而不是勞動密集，資本密集度高的公司通常采用更先進(jìn)的生產(chǎn)技術(shù)和設(shè)備，更有條件創(chuàng)造出更高的勞動生產(chǎn)率，幫助公司降低其ST復(fù)發(fā)的風(fēng)險(xiǎn)。

指標(biāo)三成本費(fèi)用利潤率是企業(yè)一定期間的利潤總額與成本、費(fèi)用總額的比率，反映每付出一單位成本費(fèi)用可獲得的利潤，體現(xiàn)企業(yè)經(jīng)營成果。根據(jù)模型結(jié)果顯示，成本費(fèi)用利潤率X23 的系數(shù)β23 <0，是ST復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素，其風(fēng)險(xiǎn)比為0.0626，說明成本費(fèi)用利潤率每增加一單位，ST 復(fù)發(fā)風(fēng)險(xiǎn)下降93.74%。成本費(fèi)用利潤率越高，說明企業(yè)付出單位成本的回報(bào)率越大，企業(yè)獲取利潤的效率越高，即企業(yè)經(jīng)營業(yè)務(wù)的盈利能力越強(qiáng)，而盈利能力的提高有利于降低ST復(fù)發(fā)的風(fēng)險(xiǎn)。

指標(biāo)四每股收益是衡量普通股股東每持有一股所能享有的企業(yè)凈利潤或需承擔(dān)的企業(yè)凈虧損，能夠反映企業(yè)的經(jīng)營成果，衡量普通股的獲利水平及投資風(fēng)險(xiǎn)。根據(jù)模型結(jié)果顯示，每股收益X35 的系數(shù)β35 <0，是ST復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素，其風(fēng)險(xiǎn)比為0.1772，說明每股收益每增加一個單位，ST復(fù)發(fā)風(fēng)險(xiǎn)下降82.28%。每股收益是投資者評價(jià)企業(yè)盈利能力、預(yù)測企業(yè)成長潛力的重要財(cái)務(wù)指標(biāo)之一，該比率反映了每股創(chuàng)造的稅后利潤，該比率越高，表明企業(yè)創(chuàng)造的利潤越多，其經(jīng)營績效越好，越不易發(fā)生ST復(fù)發(fā)事件。

指標(biāo)五成立年限指標(biāo)衡量公司成立至第一次摘帽經(jīng)歷的時(shí)間。根據(jù)模型結(jié)果顯示，成立年限X39的系數(shù)β >0，是ST復(fù)發(fā)風(fēng)險(xiǎn)的危險(xiǎn)因素，其風(fēng)險(xiǎn)比為1.08223，說明成立年限每增加一個單位，ST復(fù)發(fā)風(fēng)險(xiǎn)上升8.22%。企業(yè)成立時(shí)間越久，其發(fā)生ST復(fù)發(fā)事件的風(fēng)險(xiǎn)就越高，探究其原因，企業(yè)的經(jīng)營風(fēng)險(xiǎn)隨時(shí)間推移呈現(xiàn)累積趨勢，企業(yè)不再具備上市早期充裕的資源，且在遭遇困境后，也更難以快速調(diào)整企業(yè)業(yè)務(wù)結(jié)構(gòu)以適應(yīng)新的市場環(huán)境，改善企業(yè)經(jīng)營狀況。

整體來看，本文利用Cox比例風(fēng)險(xiǎn)模型篩選出的現(xiàn)金比率、資本密集度、成本費(fèi)用利潤率、每股收益以及成立年限能夠刻畫出上市公司ST 復(fù)發(fā)風(fēng)險(xiǎn)概率，同時(shí)根據(jù)C指數(shù)估算的模型預(yù)測精度可達(dá)0.779。因此，相對來說，一家現(xiàn)金比率高、資本密集度高、成本費(fèi)用利潤率高、成立年限短的公司，首次被ST后再次被ST的風(fēng)險(xiǎn)更低，這些指征對于企業(yè)管理者關(guān)注企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)具有重要的指導(dǎo)意義，能夠幫助企業(yè)有效監(jiān)控自身風(fēng)險(xiǎn)水平，有效進(jìn)行資產(chǎn)配置，改善財(cái)務(wù)狀況。

（二） 結(jié)論與建議

隨著新證券法的正式實(shí)施，我國證券市場逐漸轉(zhuǎn)變?yōu)椤皩掃M(jìn)寬出”的新機(jī)制，一方面，加劇ST 類公司的生存壓力;另一方面，也向監(jiān)管部門提出較大挑戰(zhàn)。對上市公司ST 復(fù)發(fā)風(fēng)險(xiǎn)進(jìn)行預(yù)警分析，可以幫助上市公司加強(qiáng)對自身經(jīng)營風(fēng)險(xiǎn)的監(jiān)控，提前制定風(fēng)險(xiǎn)防范和應(yīng)對策略;幫助政府部門加強(qiáng)對上市公司ST復(fù)發(fā)風(fēng)險(xiǎn)的監(jiān)管，及時(shí)化解市場風(fēng)險(xiǎn)。

文章以1999-2020年在A 股上市的經(jīng)歷過第一次ST后又“摘帽”的公司作為研究對象，采用Lasso方法篩選變量以解決財(cái)務(wù)指標(biāo)多重共線性嚴(yán)重的問題;進(jìn)而構(gòu)建Cox比例風(fēng)險(xiǎn)模型對篩選后的指標(biāo)進(jìn)行研究，提取出有顯著性的影響因素;最后運(yùn)用Harrell的C指數(shù)判斷模型預(yù)測值與真實(shí)值之間的區(qū)分度，評價(jià)模型的預(yù)測精度，研究發(fā)現(xiàn)：（1）現(xiàn)金比率、資本密集度、成本費(fèi)用利潤率、每股收益是ST 復(fù)發(fā)風(fēng)險(xiǎn)的保護(hù)因素，這些指標(biāo)的改善能夠降低公司的ST復(fù)發(fā)風(fēng)險(xiǎn)，其中現(xiàn)金比率和成本費(fèi)用利潤率的影響最為明顯，分別可降低ST復(fù)發(fā)風(fēng)險(xiǎn)95.45%和93.74%;上市公司成立年限是ST復(fù)發(fā)風(fēng)險(xiǎn)的危險(xiǎn)因素，可使ST復(fù)發(fā)風(fēng)險(xiǎn)上升8.22%。（2）根據(jù)模型構(gòu)建的生存曲線可對“摘帽”公司的ST復(fù)發(fā)風(fēng)險(xiǎn)進(jìn)行預(yù)測，其預(yù)測精度根據(jù)C指數(shù)評估為0.779，具備較高的預(yù)測準(zhǔn)確度?；谝陨涎芯拷Y(jié)果，對降低上市公司ST復(fù)發(fā)風(fēng)險(xiǎn)，提出兩點(diǎn)建議：

第一，從最終篩選的ST復(fù)發(fā)風(fēng)險(xiǎn)關(guān)鍵影響因素來看，上市公司應(yīng)著重關(guān)注現(xiàn)金比率及成本費(fèi)用利潤率這兩個指標(biāo)，它們分別反映了公司的償債能力和盈利能力?？梢?，為防范“二次戴帽”的風(fēng)險(xiǎn)，公司管理層在統(tǒng)籌管理的基礎(chǔ)上，可適當(dāng)將管理重點(diǎn)落在公司償債能力和盈利能力的改善上，管理好現(xiàn)金比率及成本費(fèi)用利潤率的指標(biāo)值，在生產(chǎn)經(jīng)營中提升盈利水平，避免過高的負(fù)債比率，將有助于公司防范ST復(fù)發(fā)風(fēng)險(xiǎn)。

第二，政府機(jī)構(gòu)應(yīng)加強(qiáng)監(jiān)管，實(shí)施精準(zhǔn)有效的監(jiān)督措施引導(dǎo)市場理性投資。一方面，根據(jù)圖1的生存曲線可得到上市公司ST復(fù)發(fā)風(fēng)險(xiǎn)的時(shí)間規(guī)律，監(jiān)管部門可結(jié)合此特性對處于不同時(shí)間節(jié)點(diǎn)的公司采取不同力度的監(jiān)管措施;另一方面，結(jié)合構(gòu)建的ST 復(fù)發(fā)風(fēng)險(xiǎn)模型，監(jiān)管部門據(jù)此可對上市公司的未來風(fēng)險(xiǎn)進(jìn)行合理預(yù)測，對高風(fēng)險(xiǎn)公司重點(diǎn)關(guān)注、實(shí)時(shí)監(jiān)管，從而實(shí)施有針對性的監(jiān)管措施，引導(dǎo)上市公司積極進(jìn)行風(fēng)險(xiǎn)防控。

[參考文獻(xiàn)]

[1] 王震，劉力，陳超.上市公司被特別處理（ST）公告的信息含量與影響因素[J].金融研究，2002（09）：61-71.

[2] 張海燕，陳曉.投資者是理性的嗎？ ———基于ST公司交易特性和價(jià)值的分析[J].金融研究，2008（01）：119-131.

[3] 張耀杰，李杰剛，史本山.ST摘帽如何影響公司價(jià)值和股價(jià)[J].運(yùn)籌與管理，2020，29（04）：212-220.

[4] 趙麗瓊，柯大鋼.我國財(cái)務(wù)困境公司的長期績效研究：基于ST上市公司重組摘帽前后的實(shí)證分析[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2009，31（02）：113-118.

[5] 張耀杰，郭靖，史本山.ST“戴帽”能夠提高公司價(jià)值和經(jīng)營績效嗎：基于傾向值匹配和雙重差分模型的因果推斷

[J].工業(yè)工程與管理，2017，22（04）：127-133.

[6] 李哲，何佳.支持、重組與ST公司的“摘帽”之路[J].南開管理評論，2006（06）：39-44.

[7] 張彤玉，丁業(yè)震.我國ST公司資產(chǎn)重組績效的實(shí)證研究[J].理論學(xué)刊，2010（03）：53-57.

[8] 蔣大富，熊劍.非經(jīng)常性損益、會計(jì)準(zhǔn)則變更與ST公司盈余管理[J].南開管理評論，2012，15（04）：151-160.

[9] 周莎，章之旺.ST公司“摘帽”行為中盈余管理的識別：基于Benford法則計(jì)算FSD 值的實(shí)證研究[J].會計(jì)之友，2021（07）：39-48.

[10]過新偉，胡曉.CEO 變更與財(cái)務(wù)困境恢復(fù)：基于ST上市公司“摘帽”的實(shí)證研究[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2012，14（03）：47-54.

[11]張新民，褚洪生.ST企業(yè)高管薪酬與企業(yè)業(yè)績變化關(guān)系研究[J].中國軟科學(xué)，2016（05）：79-92.

[12]杜巨瀾，黃曼麗.ST公司與中國資本市場的行政性治理[J].北京大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2013，50（01）：142-151.

[13]胡寧，靳慶魯.社會性負(fù)擔(dān)與公司財(cái)務(wù)困境動態(tài)：基于ST制度的考察[J].會計(jì)研究，2018（11）：28-35.

[14]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會計(jì)研究，1999（04）：3-5.

[15]Zhang L，Altman E I，Yen J.Corporate financial distress diagnosis model and application in credit rating for listingfirms in China[J].Frontiers of Computer Science in China，2010，4（2）：220-236.

[16]高小雪.基于多元概率比回歸模型的上市公司財(cái)務(wù)危機(jī)預(yù)警分析[J].企業(yè)經(jīng)濟(jì)，2015（04）：188-192.

[17]田軍，周勇.ST公司基于財(cái)務(wù)數(shù)據(jù)的動態(tài)分析[J].數(shù)理統(tǒng)計(jì)與管理，2014，33（02）：317-328.

[18]鮑新中，陶秋燕，傅宏宇.基于變量聚類和COX 比例風(fēng)險(xiǎn)模型的企業(yè)財(cái)務(wù)預(yù)警研究[J].系統(tǒng)管理學(xué)報(bào)，2015，24（04）：517-523，529.

[19]楊麗嬌，丁曉楠，蔣新宇.洪澇災(zāi)害情景下企業(yè)停產(chǎn)及恢復(fù)時(shí)間研究：基于余姚市“菲特”臺風(fēng)受損企業(yè)調(diào)查數(shù)據(jù)[J].災(zāi)害學(xué)，2020，35（03）：110-117.

（責(zé)任編輯 文 格）

Risk Factors of ST Recurrence Companies Based on Cox Proportional Risk Model

ZHAN Jie1， CHENG Hang2， YANG Li-jiao2

（1.The Department of Finance，Wuhan University of Technology，Wuhan 430070，Hubei，China;2.School of Management，Wuhan University of Technology，Wuhan 430070，Hubei，China）

Abstract：Since the CSRC implemented ST system for listed companies with abnormal financial conditions，some companies have been repeatedly implemented ST，and the phenomenon of “wearing hats-removing hats-rewearing hats”occurs frequently.ST recurrence risk of listed companies has become a regulatory issue that cannot be ignored in Chinas capital market.In order to effectively evaluate the recurrence risk of ST companies，A-share companies listed in Shanghai and Shenzhen stock markets during 1999-2020 were selected as samples，and Cox proportional risk model was constructed by survival analysis method.Protective factors and risk factors affecting ST recurrence risk of listed companies were extracted as follows：cash ratio，capital intensity，cost-expense margin， earnings per share and establishment years.Furthermore，in order to verify the validity of the model，Harrells C-index is used to estimate the prediction ability of Cox proportional model，and the prediction accuracy is 0.779，which has high prediction ability.This study can provide precise regulatory indicators for the supervision of ST companies by the CSRC，which is conducive to the prevention and control of systemic risks，the implementation of effective regulatory measures and the guidance of rational market investment.

Key words：special treatment （ST）; recurrence risk; survival analysis; Cox proportional risk model