基于不同指標類型的財務危機預測模型比較

[摘要]本文選取我國證券市場上446家制造業(yè)上市公司，以因財務狀況異常而被ST作為公司進入財務危機為標志，分別建立了基于財務指標的危機預測模型、基于非財務指標的危機預測模型和基于混合指標的危機預測模型，并對模型的預測結(jié)果進行了比較分析。分析發(fā)現(xiàn)，財務指標模型對于訓練樣本預測精度好于非財務指標模型，但模型外推性（穩(wěn)定性）不如非財務指標模型。財務指標模型和非財務指標模型的互補性較強?；旌现笜四Ｐ图婢吡藛沃笜祟愋湍Ｐ偷膬?yōu)點，對于訓練樣本和測試樣本的預測精度都具較高水平。

[關(guān)鍵詞] 財務危機 預測模型 財務指標 非財務指標

[中圖分類號]F275 [文獻標識碼]A[文章編號]1004-6623(2008)02-0096-06

[作者簡介] 柏丙林（1964—），湖南常德人，深圳中航地產(chǎn)股份有限公司副總經(jīng)理，高級會計師，博士。研究方向：產(chǎn)業(yè)經(jīng)濟；呂峻（1970—），甘肅靜寧人，中國社會科學院數(shù)量經(jīng)濟與技術(shù)經(jīng)濟研究所，博士。研究方向：產(chǎn)業(yè)經(jīng)濟。

一、引 言

對于財務危機預測的定量研究，一直是財務界研究的熱點。國外自Beaver（1966）的研究開始興起。之后，Altman（1968，1977，1993）、Olson（1980）、Odom（1990）、Catherine Dalton(1994)、Platt(1990，2002)等人在該領(lǐng)域進行了積極的探索和研究。國內(nèi)對于財務危機的定量研究從已有的文獻來看興起于陳靜（1999），其后隨著我國證券市場的發(fā)展，許多學者對于該領(lǐng)域進行了研究，比較有代表性的有陳曉和陳治鴻（2000）、吳世農(nóng)和盧賢義（2001）、劉洪（2004）等人的研究。

在該研究領(lǐng)域，一個很重要的問題是預測變量的選擇。從已有的研究來看，由于財務指標對于財務危機的可定義性、直觀性以及數(shù)據(jù)易得性，絕大多數(shù)學者在財務危機預測模型中均選擇了財務指標作為預測變量。但是，利用財務指標預測財務危機也存在一定的局限性，比如財務指標易于被操縱，不能反映企業(yè)陷入財務危機的原因，無法進行較為遠期的預測等等。于是，許多國外學者在預測變量的選擇上進行了積極的探索，在傳統(tǒng)財務指標的基礎(chǔ)上引入了許多非財務指標，如產(chǎn)業(yè)變量(Plat Plat ，1990)、宏觀經(jīng)濟變量（Rose， Andrews Giroux， 1982）、治理結(jié)構(gòu)（Catherine Dalton，1994；Fathi Gueyie，2001）等變量。國內(nèi)學者對于預測變量拓展的相關(guān)文獻不多，姜秀華和孫錚（2001）將股權(quán)集中系數(shù)納入財務危機預測模型中。實證發(fā)現(xiàn)，在財務危機預測模型中引入這些非財務指標后，模型預測精度都得到一定程度的提高。

非財務指標的類型有許多種，如宏觀經(jīng)濟變量、產(chǎn)業(yè)、地域、治理結(jié)構(gòu)、人力資源、企業(yè)戰(zhàn)略、制度建設、市場份額、客戶滿意度、企業(yè)年齡等等。但要將之應用于財務危機的定量研究，除需其與財務危機的發(fā)生具有相關(guān)性外，還需其容易量化且數(shù)據(jù)容易獲得。然而大多數(shù)非財務指標不具有這一特性。從目前情況來看，已被理論和實踐所證明影響公司業(yè)績的、上市公司需定期披露的治理結(jié)構(gòu)指標是進行財務危機研究的有效工具之一①。

雖然國內(nèi)外學者在財務危機預測的研究中，對引入治理結(jié)構(gòu)指標等非財務指標作為預測進行了一定的嘗試，但從已有的研究來看，這類研究尚處于起步階段。所有已有的研究都是引入一個非財務指標，以財務指標為主構(gòu)建危機預測模型（同時包含財務指標和非財務指標的的危機預測模型，本文以下簡稱混合指標模型）。然后對引入非財務指標前后的模型預測精度進行了簡單比較。但是，他們對以下問題沒有進行探討：

（1）基于非財務指標的預測是否比基于財務指標的預測具有超前性？因為從理論上來說，非財務指標所反映的危機征兆的出現(xiàn)一般先于財務指標所反映的征兆，且財務報表的公布一般要滯后于財務報表所屬的會計年度。所以，基于非財務指標的危機預測模型（本文以下簡稱非財務指標模型）與基于財務指標的危機預測模型（本文以下簡稱財務指標模型）相比，前者預測的及時性和遠期精度應該優(yōu)于后者。

（2）非財務指標模型的穩(wěn)定性是否優(yōu)于財務指標模型。因為從理論上來看，非財務指標不易于操縱，而且一般不會出現(xiàn)離群值、極端值，而財務指恰恰相反。所以，以非財務指標作為預測變量建立的模型，其外推性能②（穩(wěn)定性）應該優(yōu)于以財務指標作為預測變量而建立的模型。

（3）同時利用財務指標模型和非財務指標模型進行預測，其所提供的預測結(jié)果與混合指標模型相比，其預測效果如何？是否能夠提供一些與混合指標模型相比，有利于判斷公司狀態(tài)的增量信息？因為，任何一個預測模型所包含的預測變量有限，混合指標模型與單指標類型模型相比③，勢必要遺漏一些相對重要的財務或非財務變量。而且，在混合指標模型中，由于財務指標和非財務指標之間的共同作用，雖然有利于判斷一些對于單指標類型模型來說的處于“灰色”區(qū)域的公司（指將該類公司數(shù)據(jù)代入預測模型，得出的預測值處于中間區(qū)域，很難判斷其未來是否會陷入財務危機），如對于財務狀況和治理狀況④相對偏弱的將來會進入財務危機的公司，通過混合指標模型就可以比較明確地正確判斷其將來的狀態(tài)。但對于財務狀況極好而治理狀況極差的（或者相反）公司，其將來狀態(tài)采用混合指標模型可能會判斷錯誤。所以，明確混合指標模型和單指標類型的預測結(jié)果各自的特點，對于我們在實際工作中有效利用危機預測模型、降低預測錯誤率大有幫助。

本文將分別構(gòu)建財務指標模型、非財務指標模型和混合指標模型，比較三類模型之間預測結(jié)果，來探索以上三個問題。

二、研究設計

（一） 財務危機的定義和樣本的選取

關(guān)于財務危機的界定不同的學者有不同的觀點，國內(nèi)絕大多數(shù)學者在其研究中將上市公司因財務狀況異常而被特別處理（ST）作為企業(yè)陷入財務危機的標志。由于這一標準不僅符合中國的實際情況，而且也便于不同學者研究之間的相互比較，本文對于財務危機的界定也采用了這一標準。

本文按照如下原則選擇危機公司樣本和對照樣本：（1）公司所在行業(yè)屬于制造業(yè)。由于不同行業(yè)的財務比率特征不同，而且各行業(yè)公司被ST的概率也不相同。本文為了避免行業(yè)因素造成的問題的復雜性，選擇了在所有上市公司所占比例最大、ST公司最多的制造業(yè)上市公司作為樣本選擇總體。（2）樣本公司至少擁有距離ST公司自被特別處理當年（t年）起提前至少3（t-3⑤）年和4年(t-4)的財務和非財務數(shù)據(jù)。t-3年是ST公司財務狀況發(fā)生逆轉(zhuǎn)的重要轉(zhuǎn)折點，采用t-3年及以前的數(shù)據(jù)進行財務危機預測更具有實踐意義。（3）正常公司（非ST公司）樣本的選擇沒有采用和ST公司1:1配對的方式選擇，而是選擇了所有符合前兩條規(guī)則的正常公司作為樣本。因為如果采用1:1的配對方式，由于陷入財務危機的公司為少數(shù)，總可以從大量的非財務危機公司中找出差別最大的一組來自我證明模型的效率，故預測模型的普遍性值得懷疑。

按照上述三個樣本選取原則，并考慮到CCER數(shù)據(jù)庫⑥的情況，共選取了2002年至2005年4年首次被ST公司共81家和正常公司（非ST）共365家正常公司來作為本研究的樣本。

（二）模型建立方法和思路

本文首先采用樣本公司的t-3年、t-4年財務指標和非財務指標，通過Mann-Whitney非參數(shù)檢驗尋找在ST公司和正常公司之間具有顯著差異的指標①（顯著性水平的臨界值P值為0.05），篩選掉不具有區(qū)別ST公司和正常公司功能的指標。然后，利用相關(guān)性分析方法對指標進行再次篩選。最后采用Logistic回歸方法建立財務危機預測模型。

有些指標只在t-4年和t-3年間的某一年顯著，出現(xiàn)這種情況的原因可能是:（1）公司情況的隨機性變化；（2）ST公司發(fā)展趨勢變化。前一種原因造成的差異不能看作是具有區(qū)別ST公司和正常公司的財務危機征兆，后一種原因造成的差異可以看作是財務危機征兆。但由于這兩種原因不易區(qū)分，本文為穩(wěn)健起見，將出現(xiàn)這種情況的指標仍看作是非顯著類指標。

為了檢驗危機預測模型外推能力，將樣本總體劃分為訓練樣本和測試樣本。訓練樣本主要用來構(gòu)建危機預測模型，測試樣本主要用來測試危機預測模型的外推能力。樣本的具體劃分情況見表1:

三、預測變量的選擇

（一）財務指標（變量）的選擇

縱觀國內(nèi)外的相關(guān)研究，財務指標的選取主要取決于個人的偏好，沒有公認的準則。本文依據(jù)全面性和層次性③原則選擇了33個財務比率（見附表1），這些指標涵蓋了資產(chǎn)結(jié)構(gòu)、財務結(jié)構(gòu)、資產(chǎn)管理能力、盈利能力、發(fā)展能力、現(xiàn)金流量六大方面的常用財務指標。

（二）非財務指標（變量）的選取

盡管關(guān)于非財務指標與財務危機的關(guān)系定性描述的很多，但非財務指標往往難以量化，因此很難用來進行定量的研究。本文對于非財務指標的選擇主要圍繞治理結(jié)構(gòu)指標來選取，同時增加地域和上市年齡變量。之所以如此，主要因為（1）治理結(jié)構(gòu)指標等指標容易量化。（2）根據(jù)委托代理理論和產(chǎn)權(quán)理論，學術(shù)界對治理結(jié)構(gòu)和企業(yè)績效的關(guān)系的研究有很多，絕大多數(shù)研究認為治理結(jié)構(gòu)對于企業(yè)績效具有較大的影響，因此采用治理結(jié)構(gòu)指標預測財務危機具有可行性。（3）上市年齡與公司是否ST的概率存在倒U型關(guān)系。一般來說上市初期因為由于企業(yè)剛剛經(jīng)過“包裝”，自身隱含的問題不易顯現(xiàn)，等到一定階段之后，一些本身素質(zhì)較差、治理結(jié)構(gòu)不好的企業(yè)開始顯形④，而能夠在這一階段存活下來的公司，一般質(zhì)地較好。因此上市時間較長的企業(yè)也一般不宜陷入危機。（4）不同地區(qū)由于經(jīng)濟發(fā)展水平、政府效率、人才、上市公司數(shù)量、市場等方面有較大差別，會對兩類公司的績效產(chǎn)生不同的影響。

基于前人的研究結(jié)果，考慮到數(shù)據(jù)來源情況，本文的研究采用以下指標：

1.股權(quán)特征指標。股權(quán)性質(zhì)指標根據(jù)第一大股東的性質(zhì)采用2個指標：（1）是否國有控股：依據(jù)第一大股東的所有制性質(zhì)，將上市公司區(qū)分為國有控股和非國有控股公司；（2）是否政府控股：根據(jù)第一大股東性質(zhì)判別，政府控股的公司是指第一大股東是政府部門或政府舉辦的國有資產(chǎn)經(jīng)營公司。此指標僅是針對國有控股公司來說。

股權(quán)集中度采用2個指標：（1）第一大股東的持股比例；（2）前三大股東的持股比例之和。

2.董事會特征指標。本研究引入5個指標來描述董事會的特征：（1）董事會規(guī)模；（2）獨立董事所占比例；（3）內(nèi)部董事所占比例；（4）總經(jīng)理和董事長是否兩職分離：若董事長兼任總經(jīng)理則該指標值為0，否則為1；（5）持股董事所占比例。

3.高管人員激勵特征指標。激勵特征指標共選取2個：（1）董事會主席持股量；（2）董事會主席持股比例。

4.地區(qū)和年齡特征指標。（1） 地區(qū)級別：地區(qū)級別分為兩類。將注冊地在省會城市以下⑤歸為第一類，賦值為1；將公司注冊地在省會城市歸為第二類，賦值為2。（2）上市年齡：指公司上市到本研究所取樣本年度之間的年數(shù)。

四、財務危機預測模型建立

（一）基于財務指標的財務危機預測模型的建立

統(tǒng)計檢驗顯著的財務比率共有23個（見附表1），通過對23 財務比率進行相關(guān)性檢驗，刪除掉相關(guān)性較高的比率。最后用來建立模型的指標有14個：（1）主營業(yè)務收入增長率；（2）毛利增長率；（3）營業(yè)利潤增長率；（4） 凈利潤增長率；（5）長期虛擬資產(chǎn)總資產(chǎn)①；（6）存貨周轉(zhuǎn)率；（7）應收賬款周轉(zhuǎn)率；（8）總資產(chǎn)周轉(zhuǎn)率；（9）固定資產(chǎn)比總資產(chǎn)；（10）應收賬款比總資產(chǎn)；（11）其他應收款比總資產(chǎn)；（12）現(xiàn)金比總資產(chǎn)；（13）營業(yè)利潤比總資產(chǎn)；（14）經(jīng)營現(xiàn)金凈流量比總資產(chǎn)。

由于初步篩選的變量仍超過10個以上②，需要在建立模型時采用逐步法進一步篩選。利用前述14個變量建立Logistic模型，采用訓練樣本數(shù)據(jù)進行回歸（回歸時采用前項逐步進入法），得財務指標模型。

（二）基于非財務指標財務危機預測模型的建立

通過非參數(shù)檢驗，共有10個非財務變量統(tǒng)計顯著（見附表2）；同時通過Logistic回歸檢驗發(fā)現(xiàn)上市年齡與公司是否ST存在倒U型關(guān)系。在刪除相關(guān)性較高的指標后用9個非財務指標構(gòu)建非財務指標模型。

利用訓練樣本數(shù)據(jù)進行Logistic回歸，結(jié)果見表3。稱為非財務指標模型。

表3中系數(shù)為正的兩個變量與財務危機發(fā)生概率成正比，分別說明了“內(nèi)部人控制”和政府直接控股容易使得公司發(fā)生財務危機；系數(shù)為負的五個變量與財務危機發(fā)生概率成反比，分別說明了國有控股③、注冊地在省會城市、對高管股權(quán)激勵（持股董事比例、董事長持股比例）較多、股權(quán)集中度高的公司不容易發(fā)生財務危機。上市年齡則與公司財務危機發(fā)生概率成倒U型關(guān)系，上市時間較短和較長的公司不容易發(fā)生財務危機。

（三）混合指標模型的建立

以財務指標模型得出的預測概率（稱財務指標預測因子），和非財務指標模型中得出的預測概率（稱非財務指標預測因子），作為混合指標模型的預測變量來建立混合指標模型。回歸結(jié)果如下：

五、三類模型預測精度及分析

（一）三類模型預測精度的比較與分析

和陳曉和陳治鴻（2000）的研究一樣，本文采用先驗概率0.18（ST樣本占總樣本比例）作為最佳分割點。預測概率值大于0.18的樣本判別為ST公司，預測概率值小于0.18 的公司判別為正常公司。以0.18作為最佳分割點，將t-3、t-4年樣本數(shù)據(jù)代入三類危機預測模型得出t-3年、t-4年的判別精度如表5。

通過判別矩陣可以看出，財務指標模型對于訓練樣本的回判精度較高，t-3和t-4年均達到75%以上，但測試樣本的判別精度卻較低，兩年均在66%以下，說明模型的外推性（穩(wěn)定性）不好，存在過度擬合現(xiàn)象。

非財務指標模型和財務指標模型判別精度相比：（1）與財務指標模型相比較，非財務指標模型對于訓練樣本的預測精度較低，但測試樣本的預測和訓練樣本的預測精度相差不大，說明非財務指標模型過度擬合情況不嚴重，模型的穩(wěn)定性和外推性較好。而且非財務指標模型對于測試樣本的判別精度不低于財務指標模型，這也可能說明非財務指標模型的實用性并不低于財務指標模型，當然這一定需要更多測試樣本的進一步證實；（2）和財務指標模型一樣，非財務指標模型的判別精度也隨時間的向前推移，判別精度有所下降，這不符合引言中的推論，因為非財務指標隨時間的變異性應該小于財務指標。

混合指標模型的預測精度與單指標類型模型分別相比有了較大幅度的提高，特別是模型的外推能力提高幅度很大。這說明財務指標和非財務指標的混合使用可以較大提高財務危機預測模型的預測能力和模型的穩(wěn)定性。

（二）兩類單指標類型模型判別情況的進一步比較分析

對于財務指標模型和非財務指標模型的預測結(jié)果進行比較和分析，見表6。通過表6可以看出，兩類單指標類型模型具有較強的互補性，同時使用的效率較高。因為兩類模型判別不相符的公司達168家，占樣本總數(shù)的38%；但兩類模型判別均不正確的公司僅有39家，僅占樣本總數(shù)的9%。在實際應用中，我們可以將兩類模型判別均相符結(jié)果較為放心的使用，因為，兩模型均判別錯誤的概率很低，如果我們把10%作為錯誤率是否顯著的顯著性水平的話，那么兩類公司均判別錯誤的錯誤率并不顯著。而兩類公司判別不相符的公司可以作為“灰色”公司，來做進一步慎重分析。

混合模型與兩單指標類型模型同時使用的效果相比，二者各有千秋?；旌项A測模型可以有效地提高預測精度，但兩單指標類型模型同時使用卻可以有效降低犯確定性預測錯誤的概率。因為，在本研究中兩單指標類型模型同時犯錯誤的概率在10%以下。

六、研究總結(jié)

本文將樣本總體分為訓練樣本和測試樣本，通過變量的篩選，利用Logistic回歸分別建立了財務指標模型、非財務指標模型、混合指標模型。研究發(fā)現(xiàn)，財務指標模型的外部適用性和穩(wěn)定性較差；非財務指標模型內(nèi)部適用性較差，但穩(wěn)定性較高。混合指標模型對于訓練樣本和測試樣本的預測精度均比較好，兼具了財務指標模型和非財務指標模型的優(yōu)點。研究還發(fā)現(xiàn)，財務指標模型和非財務指標模型具有很強的互補性，二者同時誤判的概率很低。兩單指標類型模型同時使用與混合指標模型單獨使用效果各有所長。研究未能發(fā)現(xiàn)非財務指標模型相較于財務指標模型具有好的遠期預測效果，這可能是本文所研究的時間段較短的緣故。這一現(xiàn)象需要更長時間段的數(shù)據(jù)分析和研究來解釋。

本文的研究還說明了非國有控股、“內(nèi)部人控制”和政府直接控股容易使公司發(fā)生財務危機；國有法人控股、注冊地在省會城市、對高管股權(quán)激勵較多、股權(quán)集中度高的公司不容易發(fā)生財務危機。上市年齡則與公司財務危機發(fā)生概率成倒U型關(guān)系，上市時間較短和較長的公司不容易發(fā)生財務危機。

[參考文獻]

[1]陳靜.上市公司財務惡化預警的實證分析[J].會計研究，1999，(4).

[2]陳曉，陳治鴻.中國上市公司的財務困境預測[J].中國財務與會計研究，2000，(9).

[3]姜秀華，孫錚.治理弱化與財務危機:一個預測模型[J].南開管理評論，2001，(5).

[4]劉洪，何光軍.基于人工神經(jīng)網(wǎng)絡方法的上市公司經(jīng)營失敗預警研究[J].會計研究，2004，(2).

[5]劉明輝，王義華.帕瑪拉特舞弊案:折射公司治理與公司理財存在的缺陷[J].財務與會計:(理財版)，2006，(3).

[6]吳世農(nóng)，盧賢義.我國上市公司財務困境的預警模型研究[J].經(jīng)濟研究， 2001，(6).

[7]Altman， E.I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968 Vol. 23， No. 4.

[8]Altman， Haldeman and Narayanan. Zeta Analysis， A New Model for Identifying Bankruptcy Risk of Corporation[J].Journal of Banking and Finance， 1977 Vol.1， No.3.

[9]Beaver， W. H. Financial Ratios as Predictors of Failure[J].Journal of Accounting Research，1966 Vol. 4.

[10]Catherine M. and Dalton， R. Bankruptcy and Corporate Governance: The Impact of Board Composition and Structure [J]. Academy of Management Journal， 1994 Vol.25， No.3.

[11]Fathi E， and Jean-Pierre Gueyie. Financial distress and corporate governance:an empirical analysis[J].Corporate Governance， 2001 No 1.

[12]Odom， M.D. and Sharda， R. A Neural Network Model for Bankruptcy Prediction[J]. IEEE INNS IJCNN， 1990 Vol 1.2.

[13]Ohlson， J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research， 1980 Vol.18， No.1.

[14]Platt， H. D. and M. B. Platt.Developing A Stable Class of Predictive Variables：the Case of Bankruptcy Prediction[J].Journal of Business Finance andAccounting， 1990 Vol.17， No.1.

[15]Platt， H. D. and M. B.Platt.Predicting Corporate Financial Distress: Reflection On Choice-Based Sample Bias[J].Journal of Economics and Finance， 2002 Vol. 26 Summer.

[16]Rose P.， Andrews W. and Giroux G. Predicting Business Failure: A Macroeconomics Perspective[J].Journal of Accounting: Auditing and Finance， 1982 Fall.