上市公司財(cái)務(wù)預(yù)警問題研究
——基于證券市場(chǎng)財(cái)務(wù)數(shù)據(jù)的研究

衛(wèi)紅楊雯

（中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院天津300300）

上市公司財(cái)務(wù)預(yù)警問題研究
——基于證券市場(chǎng)財(cái)務(wù)數(shù)據(jù)的研究

衛(wèi)紅楊雯

（中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院天津300300）

本文借鑒A l t m a n財(cái)務(wù)預(yù)警研究思想，選取了A股市場(chǎng)58家S T公司及58家非S T公司作為研究樣本，建立財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行了有效性檢驗(yàn)。結(jié)果表明：多元判別模型在上市公司財(cái)務(wù)危機(jī)出現(xiàn)前一年的預(yù)測(cè)準(zhǔn)確率達(dá)到95%，并且具有提前三年預(yù)測(cè)出上市公司財(cái)務(wù)危機(jī)的能力。同時(shí)還發(fā)現(xiàn)，隨著財(cái)務(wù)危機(jī)企業(yè)S T戴帽年的臨近，財(cái)務(wù)危機(jī)企業(yè)與非財(cái)務(wù)危機(jī)企業(yè)各預(yù)警變量值間的差異明顯擴(kuò)大。

財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)警證券市場(chǎng)財(cái)務(wù)數(shù)據(jù)

一、引言

財(cái)務(wù)風(fēng)險(xiǎn)是企業(yè)在財(cái)務(wù)活動(dòng)中由于各種不確定因素的影響，使企業(yè)實(shí)際財(cái)務(wù)收益與預(yù)期收益發(fā)生偏離，進(jìn)而造成企業(yè)蒙受損失的機(jī)會(huì)和可能。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)全球化與資本市場(chǎng)發(fā)展的加速，國(guó)內(nèi)公司也難以躲避金融危機(jī)的巨大風(fēng)險(xiǎn)。于是，如何在公司陷入財(cái)務(wù)風(fēng)險(xiǎn)之前進(jìn)行有效的預(yù)測(cè)，為證券市場(chǎng)中的各參與者提供更有效的預(yù)測(cè)方法和更準(zhǔn)確的預(yù)測(cè)信息，已成為社會(huì)各界密切關(guān)注，并迫切需要得到解決的問題。對(duì)比中西方學(xué)者建立預(yù)測(cè)中國(guó)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的判別模型，發(fā)現(xiàn)這些研究中存在如下問題：一些研究者直接把西方學(xué)者貫用的變量用在預(yù)測(cè)中國(guó)企業(yè)財(cái)務(wù)危機(jī)的模型中。忽略中國(guó)與西方會(huì)計(jì)制度、數(shù)據(jù)質(zhì)量、權(quán)益結(jié)構(gòu)以及影響公司營(yíng)運(yùn)情況的因素差異，導(dǎo)致模型不能夠客觀反映中國(guó)企業(yè)的真實(shí)財(cái)務(wù)狀況；在初始變量選擇中沒有現(xiàn)金流指標(biāo)。主要因?yàn)槲覈?guó)在1998年之前并沒有要求上市公司披露現(xiàn)金流信息，這就限制了西方模型在中國(guó)市場(chǎng)上的應(yīng)用，而且研究者們針對(duì)中國(guó)市場(chǎng)建立的模型也缺少此類信息；之前的大多數(shù)研究都缺少用財(cái)務(wù)危機(jī)企業(yè)的數(shù)據(jù)來對(duì)其模型進(jìn)行有效性檢驗(yàn)或是長(zhǎng)期預(yù)測(cè)，因?yàn)橹袊?guó)企業(yè)的財(cái)務(wù)數(shù)據(jù)是十分有限的，有財(cái)務(wù)危機(jī)企業(yè)的數(shù)據(jù)更難獲得；基于上述討論，選用了23個(gè)財(cái)務(wù)變量，這些變量幾乎覆蓋了各類財(cái)務(wù)指標(biāo)，并包括反映公司現(xiàn)金流的變量（具體見表1），驗(yàn)證本文所建模型在預(yù)測(cè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)上的有效性與可靠性。

二、文獻(xiàn)綜述

（一）國(guó)外文獻(xiàn)F i t z p a t r i c k（1932）開展的單變量破產(chǎn)預(yù)測(cè)研究，發(fā)現(xiàn)判別能力最高的是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債兩個(gè)比率。B e a v e r（1966）發(fā)現(xiàn)最好的判別變量是現(xiàn)金流量/負(fù)債和凈利潤(rùn)/總資產(chǎn)，總負(fù)債/總資產(chǎn)、流動(dòng)資產(chǎn)/總資產(chǎn)、流動(dòng)比率等財(cái)務(wù)指標(biāo)也具有較高的判別性。而且，B e a v e r還發(fā)現(xiàn)，越臨近破產(chǎn)日，誤判的概率就越低。A l t m a n于1968年首先使用了多元線性判別模型研究公司破產(chǎn)的問題。O h l s o n（1980）發(fā)現(xiàn)至少存在四類顯著影響公司破產(chǎn)概率的變量：公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的變現(xiàn)能力。同時(shí)還發(fā)現(xiàn)以前的一些研究有高估模型預(yù)測(cè)能力的現(xiàn)象，他這種現(xiàn)象歸咎于樣本中破產(chǎn)申請(qǐng)日后公布的數(shù)據(jù)。隨著統(tǒng)計(jì)技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，遞歸分類、人工智能及人工神經(jīng)元網(wǎng)絡(luò)等技術(shù)也逐漸被引入到財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)研究中。

（二）國(guó)內(nèi)文獻(xiàn)我國(guó)市場(chǎng)經(jīng)濟(jì)體制的建立和資本市場(chǎng)的發(fā)展歷史相對(duì)較短，證券法規(guī)體系和破產(chǎn)機(jī)制的不完善制約實(shí)證研究的發(fā)展，所以財(cái)務(wù)預(yù)警實(shí)證研究起步較晚，目前我國(guó)財(cái)務(wù)預(yù)警實(shí)證研究主要是借鑒國(guó)外的研究方法、利用我國(guó)的數(shù)據(jù)構(gòu)建類似的模型。陳靜（1999）分別采用單變量分析和多元判別分析方法進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)，發(fā)現(xiàn)由資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率等6項(xiàng)指標(biāo)構(gòu)成的判別函數(shù)能夠較好地預(yù)測(cè)出S T公司，判別精度達(dá)到92.6%。高培業(yè)、張道奎（2000）采用29個(gè)財(cái)務(wù)指標(biāo)，運(yùn)用多元判別分析方法建立模型，發(fā)現(xiàn)由留存收益/總資產(chǎn)、息稅前利潤(rùn)/總資產(chǎn)、銷售收入/總資產(chǎn)、資產(chǎn)負(fù)債率、營(yíng)運(yùn)資本/總資產(chǎn)構(gòu)成的判別函數(shù)有較好的預(yù)測(cè)能力。陳曉、陳治鴻（2000）建立了L o g i t模型，前一年的預(yù)測(cè)精度達(dá)到78.24%。張玲（2000）研究出4變量判別模型，該模型在公司戴帽前四年具有超前的預(yù)測(cè)能力。吳世農(nóng)、盧賢義（2001）應(yīng)用F i s h e r線性判定分析、多元線性回歸模型和L o g i t回歸分析三種方法，分別建立了三種預(yù)測(cè)模型，在財(cái)務(wù)困境發(fā)生前四年內(nèi)的誤判率在28%以內(nèi)。楊保安（2002）利用人工神經(jīng)網(wǎng)絡(luò)模型方法進(jìn)行研究，選擇了4類財(cái)務(wù)比率總共15項(xiàng)指標(biāo)建立模型，最終表明神經(jīng)網(wǎng)絡(luò)是進(jìn)行財(cái)務(wù)評(píng)估的一種比較好的應(yīng)用工具。

三、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)來源本文以中國(guó)股市上市公司為研究對(duì)象，將公司因財(cái)務(wù)狀況異常而被特別處理（S T）作為企業(yè)陷入財(cái)務(wù)困境的標(biāo)志，選取了116家在上海和深圳股票交易所上市的公司為樣本。研究中的所有數(shù)據(jù)均取自于上海證券交易所和深圳證券交易所官方網(wǎng)站。所選公司幾乎涵蓋了中國(guó)各個(gè)行業(yè)。樣本的選擇標(biāo)準(zhǔn)為：S T公司在t年由于“財(cái)務(wù)狀況異?！北惶貏e處理，且可以獲得該公司（t-2）、（t-3）財(cái)務(wù)年度的財(cái)務(wù)報(bào)表數(shù)據(jù)；非S T公司在（t-3）年1月1日前上市，在t年未被特別處理，且可以獲得該公司（t-2）、（t-3）財(cái)務(wù)年度的財(cái)務(wù)報(bào)表數(shù)據(jù)。之所以未采用（t-1）年的財(cái)務(wù)報(bào)表數(shù)據(jù)來預(yù)測(cè)公司在t年的狀態(tài)，如O h l s o n（1980）所指出的那樣，采用破產(chǎn)之后獲得的信息來預(yù)測(cè)破產(chǎn)會(huì)高估模型的預(yù)測(cè)能力。而一旦獲得某一公司（t-1）年的年報(bào)信息，幾乎可以同時(shí)肯定該公司是否會(huì)由于“財(cái)務(wù)狀況異?！倍惶貏e處理。本文所使用的預(yù)測(cè)信息全部是被特別處理前一年可獲得的公開信息，從而有效地控制了信息獲得時(shí)間對(duì)模型預(yù)測(cè)能力的影響。接著將這些公司分為兩組。第一組有60家公司，其中2006年至2008年被戴帽的S T公司30家，以及為每一家S T公司選擇的行業(yè)相同、資產(chǎn)規(guī)模相當(dāng)?shù)姆荢 T公司30家。第二組有56家公司，其中2006年至2008年被戴帽的S T公司28家，非S T公司28家。

（二）財(cái)務(wù)預(yù)警指標(biāo)體系本文選取了23個(gè)財(cái)務(wù)比率，這些比率涵蓋了企業(yè)的盈利能力、償債能力、流動(dòng)性、資產(chǎn)管理效率、增長(zhǎng)能力以及資本結(jié)構(gòu)等各個(gè)方面（見表1）。

表1 財(cái)務(wù)比率列表

（三）研究方法研究財(cái)務(wù)危機(jī)預(yù)警模型的典型方法有多種，并且每種方法都有各自的優(yōu)缺點(diǎn)。但是從研究歷史與實(shí)際應(yīng)用結(jié)果來看，多元判別分析法被使用最多，理論基礎(chǔ)較為深厚，所以在本文的實(shí)證研究中，采用多元判別分析法建立模型。

四、實(shí)證結(jié)果分析

表2 Fisher判別統(tǒng)計(jì)結(jié)果

表3 分類結(jié)果

表4 判別公式統(tǒng)計(jì)檢驗(yàn)結(jié)果（1）

表5 判別公式統(tǒng)計(jì)檢驗(yàn)結(jié)果（2）

（一）多元判別分析在運(yùn)用統(tǒng)計(jì)軟件S P S S對(duì)上述23個(gè)變量進(jìn)行了大量的組合測(cè)試后，最終發(fā)現(xiàn)，在0.20-0.25的顯著水平下，擁有七個(gè)變量的多元判別模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)精度最高。這七個(gè)變量包括X2，X6，X7，X9，X15，X18，X20，見（表2）。由表可得判別模型為：

其中，x2=R O E（凈利潤(rùn)/權(quán)益資本平均額）；x6=速動(dòng)比率（速動(dòng)資產(chǎn)/流動(dòng)負(fù)債）；x7=營(yíng)運(yùn)資金總資產(chǎn)比（營(yíng)運(yùn)資金/總資產(chǎn)）；x9=現(xiàn)金比例（現(xiàn)金/流動(dòng)負(fù)債）；x15=應(yīng)收賬款周轉(zhuǎn)率（銷售收入/應(yīng)收賬款平均余額）；x18=銷售收入增長(zhǎng)率（當(dāng)期銷售收入-上期銷售收入）/上期銷售收入）；x20=留存收益凈利潤(rùn)比（留存收益/凈利潤(rùn)）。

（二）模型有效性及判別精度驗(yàn)證驗(yàn)證一個(gè)預(yù)測(cè)模型的判別精度的方法有很多，其中之一就是交互驗(yàn)證。這種方法主要用來分析樣本資料非正態(tài)分布所可能帶來的判別偏差，在S P S S中，交互驗(yàn)證的具體步驟是首先順序剔除一個(gè)樣本，用余下的N-1個(gè)樣本建立判別函數(shù)，再用建立的判別函數(shù)判別剔除的樣本，重復(fù)N次，計(jì)算誤判率（郭志剛，2004）。這種估計(jì)的優(yōu)點(diǎn)是充分利用了樣本的信息建立和驗(yàn)證判別函數(shù)。在本研究中，該模型對(duì)訓(xùn)練樣本的平均預(yù)測(cè)精度達(dá)到95%，交互驗(yàn)證的平均預(yù)測(cè)精度達(dá)到91.7%（表3），并且S T與非S T兩組數(shù)據(jù)基本落在了屬于自己的值域內(nèi)（圖1）。另一種方法就是檢驗(yàn)一些描述性統(tǒng)計(jì)指標(biāo)，如F值、組均值差、B o x’s M檢驗(yàn)。（表4）和（表5）列出了一些重要的統(tǒng)計(jì)檢驗(yàn)值。（表4）中檢驗(yàn)值表明，訓(xùn)練樣本中兩組數(shù)據(jù)的各變量值間存在顯著差異，并拒絕了兩組數(shù)據(jù)具有相同均值的零假設(shè)。而且在0.000的顯著水平下拒絕了觀測(cè)值總體協(xié)方差矩陣相等的零假設(shè)。這說明模型通過有效性檢驗(yàn)，可以進(jìn)行下一步測(cè)試。但（表5）中B o x’s M檢驗(yàn)結(jié)果中B o x’s M值為248.009，F(xiàn)值為3.660，相伴概率為0，顯然達(dá)到了顯著水平，可以拒絕零假設(shè)，也就是觀測(cè)值總體協(xié)方差不等，這樣就不符合判別分析關(guān)于協(xié)方差要相等的前提假設(shè)。而一般情況下，只有相伴概率大于顯著水平時(shí)才可以繼續(xù)進(jìn)行判別分析。但是，由于B o x’s M檢驗(yàn)對(duì)于多元正態(tài)分布和協(xié)方差矩陣相等的假設(shè)非常敏感，當(dāng)樣本數(shù)很大時(shí)，即使是兩組協(xié)方差差異很小，檢驗(yàn)得到的結(jié)果都會(huì)視作很顯著。因此，在某些情況下B o x’s M假設(shè)檢驗(yàn)即使達(dá)到顯著水平，即協(xié)方差矩陣不相等，所得到的判別函數(shù)仍具有較強(qiáng)的判別能力。

（三）分界點(diǎn)的確定及短期預(yù)警判別精度檢驗(yàn)判別式的主要分界點(diǎn)是由S T組與非S T組的均值決定的，即M=（Zg1+Zg2）/2=（-1.246+ 1.289）/2=0.0215。這表明得分大于0.0215的公司將被分為無財(cái)務(wù)風(fēng)險(xiǎn)組（非S T組），其發(fā)生財(cái)務(wù)危機(jī)的概率小于0.5。否則，將被分為有財(cái)務(wù)風(fēng)險(xiǎn)組（S T組），發(fā)生財(cái)務(wù)危機(jī)的概率大于0.5。從（表6）中可以看到，在短期預(yù)測(cè)中（S T戴帽前一年）對(duì)于訓(xùn)練樣本，非S T公司的判別正確率達(dá)到100%，S T公司的判別正確率達(dá)到90%，總判別正確率95%。對(duì)于測(cè)試樣本，非S T公司的判別正確率達(dá)到96.4%，S T公司的判別正確率達(dá)到89.3%，總判別正確率92.9%。

表6 判別模型短期預(yù)測(cè)結(jié)果

表7 判別模型長(zhǎng)期預(yù)測(cè)結(jié)果（財(cái)務(wù)危機(jī)發(fā)生前4年）

（四）長(zhǎng)期預(yù)警的判別精度檢驗(yàn)企業(yè)從財(cái)務(wù)狀況開始變差到破產(chǎn)要經(jīng)過一個(gè)惡化過程，所以，越早地預(yù)測(cè)出企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)可以使投資者、管理者以及公司本身盡快采取措施以防財(cái)務(wù)狀況進(jìn)一步的惡化。為了檢測(cè)文章所建模型的后續(xù)預(yù)測(cè)精度，作者選用了訓(xùn)練組中30家S T公司在被戴帽前五年的財(cái)務(wù)數(shù)據(jù)來進(jìn)行檢驗(yàn)，具體結(jié)果見（表7）。從預(yù)測(cè)結(jié)果可以看出，文中所建立的模型可以對(duì)3年內(nèi)公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的預(yù)測(cè)。但是，作者建議此模型最有效準(zhǔn)確的是應(yīng)用于S T前兩年的預(yù)測(cè)（精度達(dá)到80.0%）。中國(guó)證監(jiān)會(huì)對(duì)于S T的戴帽標(biāo)準(zhǔn)是連續(xù)兩年出現(xiàn)虧損，所以一個(gè)好的判別模型應(yīng)該至少有提前三到四年準(zhǔn)確地預(yù)測(cè)出公司將要面臨的財(cái)務(wù)困境的能力，也就是在公司第一次出現(xiàn)虧損前的兩年。另外，S T公司和非S T公司的判別財(cái)務(wù)指標(biāo)均值也明顯體現(xiàn)出了公司財(cái)務(wù)狀況惡化的過程（見表8）。當(dāng)S T戴帽年份靠近時(shí)，兩組均值差明顯擴(kuò)大，且S T組的各指標(biāo)波動(dòng)較大，如S T組的從0.0207變?yōu)?0.2528，而非S T組的財(cái)務(wù)指標(biāo)變化甚微。

五、結(jié)論

從實(shí)證結(jié)果上看，該預(yù)警模型在短期預(yù)警中，對(duì)訓(xùn)練樣本非S T公司的預(yù)測(cè)判別率達(dá)到100%，S T公司達(dá)到90%，總判別率達(dá)到95%。對(duì)測(cè)試樣本非S T公司的預(yù)測(cè)判別率達(dá)到96.4%，S T公司達(dá)到89.3%，總判別率為92.9%。在長(zhǎng)期預(yù)警中，該模型可以提前三年有效地預(yù)測(cè)出上市公司將要陷入財(cái)務(wù)困境。其中前兩年的預(yù)測(cè)精度為80.0%，前三年為60.0%。由此可以看出，該模型具有較好的長(zhǎng)期預(yù)警能力。對(duì)于模型中所出現(xiàn)過的變量中，X9（現(xiàn)金比例）是第一次被引入判別模型當(dāng)中，反映了企業(yè)流動(dòng)性的償債能力，這一變量的引入體現(xiàn)了中國(guó)證券市場(chǎng)與西方的差異性，也表明該模型更適合中國(guó)市場(chǎng)的特殊情況，在判別中也會(huì)得到更好的效果。另外目前我國(guó)上市公司會(huì)計(jì)報(bào)表的失真問題一直是學(xué)術(shù)界和上市公司各方關(guān)注的焦點(diǎn)，數(shù)據(jù)的失真無疑會(huì)影響模型的判別率。然而在未對(duì)于所取樣本數(shù)據(jù)作任何技術(shù)處理的前提下，從上面的實(shí)證結(jié)論來看，本文根據(jù)所選取的上市公司樣本數(shù)據(jù)建立的判別模型的判別結(jié)果還是較為理想的。這說明，對(duì)于那些上市公司財(cái)務(wù)報(bào)表的數(shù)據(jù)，如果進(jìn)行適當(dāng)?shù)姆治龊徒忉?，就可以?duì)公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確預(yù)測(cè)，為投資者提供有用的信息。但是鑒于數(shù)據(jù)選取年代不同，數(shù)據(jù)處理方式有別，本文所得出的模型與該領(lǐng)域的一些前沿研究者的研究結(jié)果還存在一些距離，但總體來說本文模型的判別效果還是顯著的。

［1］郭志、溫敏：《基于判別分析法的上市公司財(cái)務(wù)困境預(yù)警研究》，《現(xiàn)代經(jīng)濟(jì)信息（學(xué)術(shù)版）》2008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)警模型研究經(jīng)濟(jì)研究》2001年第6期。

［3］張鳴、張艷：《企業(yè)財(cái)務(wù)預(yù)警研究前沿》，中國(guó)財(cái)政經(jīng)濟(jì)出版社2004年版。

［4］郭志剛：《社會(huì)統(tǒng)計(jì)分析方法》，中國(guó)人民大學(xué)出版社2004年版。

［5］洪楠、吳偉?。骸禨 P S S F o r Wi n d o w s，統(tǒng)計(jì)分析教程（第2版）》，電子工業(yè)出版社2005年版。

［6］E d w a r d I.A l t m a n,L i n g Z h a n g.C o r p o r a t e F i n a n c i a l D i s t r e s s D i a g n o s i s i n C h i n a.N e w Y o r k U n i v e r s i t y S a l o m o n C e n t e r Wo r k i n g P a p e r,2007.

［7］E d w a r dI.A l t m a n,G a b r i e l eS a b a t o.T h eV a l u eo f Q u a l i t a t i v eI n f o r m a t i o ni nS M ER i s kM a n a g e m e n t,N e wY o r kU n i v e r s i t yS a l o m o n C e n t e r Wo r k i n g P a p e r,2009.

［8］J a i n,B h a r a t A.,B a r i n N.N a g.P e r f o r m a n c e E v a l u a t i o n o f N e u r a l N e t w o r k D e c i s i o n M o d e l s.J o u r n a l o f M a n a g e m e n t I n f o r m a t i o n S y s t e m s,1997.

［9］E d w a r d I.A l t m a n,R.H a l d e m a n.Z E T A A n a l y s i s:A N e w M o d e l t o I d e n t i f y B a n k r u p t c y R i s k o f C o r p o r a t i o n s.J o u r n a l o f B a n k i n g a n d F i n a n c e,1977.

［10］E d w a r d I.A l t m a n.F i n a n c i a l R a t i o s，D i s c r i m i n a n t A n a l y s i s a n d t h e P r e d i c t i o n o f C o r p o r a t e B a n k r u p t c y.J o u r n a l o f F i n a n c e，1968.

［11］J a i n,B h a r a t A.,B a r i n N.N a g.P e r f o r m a n c e E v a l u a t i o n o f N e u r a l N e t w o r k D e c i s i o n M o d e l s.J o u r n a l o f M a n a g e m e n t I n f o r m a t i o n S y s t e m s,1997.

［12］B e a v e r，W.H.F i n a n c i a l R a t i o s a s P r e d i c t i o n o f F a i l u r e s.J o u r n a l o f A c c o u n t i n g R e s e a r c h，1966.

（編輯 虹云）

衛(wèi)紅（1963-），女，河南許昌人，中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授

楊雯（1987-），女，河南鄭州人，中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院學(xué)生