國有企業(yè)財務(wù)危機預(yù)警模型實證研究

岳彩信

【摘 要】 財務(wù)危機從根本上威脅著企業(yè)的持續(xù)性經(jīng)營和發(fā)展，如果不對其進行預(yù)測分析很可能給企業(yè)和社會帶來嚴重的影響。近年來，我國政府部門頻繁出臺文件和措施要求企業(yè)特別是國有企業(yè)要加強對財務(wù)危機的管理控制。文章以上海市××區(qū)國有企業(yè)為研究對象，選取了29家出現(xiàn)財務(wù)困境的國有企業(yè)和29家財務(wù)正常的國有企業(yè)為樣本，參照國內(nèi)外學(xué)者對上市公司財務(wù)危機預(yù)警的研究方法，并結(jié)合國有企業(yè)財務(wù)實際，選擇13個財務(wù)指標為變量，應(yīng)用Logistic回歸分析建立財務(wù)危機預(yù)警模型。研究表明：所建立的Logistic預(yù)測模型對財務(wù)危機發(fā)生前一年的預(yù)測準確率達93.1%。

【關(guān)鍵詞】 國有企業(yè)； 財務(wù)危機； 預(yù)警模型

一、財務(wù)危機預(yù)警模型研究的相關(guān)問題

縱觀財務(wù)危機判定和預(yù)測模型的研究，涉及到三個基本問題：一是財務(wù)危機的定義；二是預(yù)測變量或判定指標的選擇；三是計量方法的選擇。

（一）財務(wù)危機的定義

財務(wù)危機又稱財務(wù)困境。國外很多學(xué)者的同類研究一般采用破產(chǎn)標準（Altman，1968；Ohlson，1971；Platt，1990和1994）。然而，我國的情況與國外有所不同，我國的多數(shù)研究大都把被特別處理（ST）的上市公司作為存在財務(wù)危機的公司（陳靜，1999；李華中，2001）。在本文的研究中，考慮到國有企業(yè)的特殊性及實際情況，并采用以上研究的思想，將連虧兩年（以下簡稱LK）的國有企業(yè)作為研究樣本，并將財務(wù)危機視作“因財務(wù)狀況困難而出現(xiàn)連續(xù)虧損兩年即LK”。

（二）指標變量的選擇

參照國內(nèi)外學(xué)者研究上市公司財務(wù)危機預(yù)警模型的方法，結(jié)合目前我國國有企業(yè)年報已有的財務(wù)信息，本文選擇債務(wù)風(fēng)險、現(xiàn)金流風(fēng)險、盈利能力風(fēng)險和投資風(fēng)險4個方面共13個財務(wù)指標作為財務(wù)危機預(yù)警指標，并將其作為構(gòu)建財務(wù)危機預(yù)警模型的預(yù)選指標。

（三）計量方法的選擇

隨著統(tǒng)計科學(xué)的不斷發(fā)展，越來越多的計量模型被應(yīng)用到財務(wù)危機預(yù)警研究中。

西方關(guān)于財務(wù)危機預(yù)測研究成果最顯著和影響最廣泛的是威廉·比弗（Willian Beaver）的單一變量模型和艾得沃德·阿爾特曼（Edward I.Altiman）的“Z-Score”模型。比弗通過對1945年至1964年間79家失敗企業(yè)和對應(yīng)的79家成功企業(yè)的比較研究表明，以下財務(wù)指標對預(yù)測財務(wù)危機最有效：現(xiàn)金流量/債務(wù)總額，凈收益/資產(chǎn)總額（資產(chǎn)收益率），債務(wù)總額/資產(chǎn)總額（資產(chǎn)負債率）。美國財務(wù)專家阿爾特曼1968年提出了企業(yè)財務(wù)危機預(yù)測的“Z-Score”模型，該模型主要適用于上市公司，樣本選取的是1946年至1965年期間提出破產(chǎn)申請的33家公司和同樣數(shù)量的非破產(chǎn)公司。通過計算，該模型給出了一個總的判斷分，稱為Z值。Z的分值越高，企業(yè)發(fā)生財務(wù)危機的可能就越小，反之亦然。

在國內(nèi)，學(xué)者陳靜（1999）以1998年27家ST公司和27家配對的非ST公司為樣本，根據(jù)1995年至1997年54家樣本企業(yè)財務(wù)數(shù)據(jù)，分別進行了單變量和二類線性判定分析，在單變量判定分析中，發(fā)現(xiàn)在負債比率、流動比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個財務(wù)指標中，流動比率、負債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)負債比率、凈資產(chǎn)收益率、流動比率、營運資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個指標構(gòu)建的模型在ST發(fā)生的前3年能較好地預(yù)測ST。得出的結(jié)論是在宣布前一年預(yù)測模型的準確率較高，離宣布年越遠，準確率越低。

周首華等（1996）對阿爾特曼的“Z-Score”模型進行了拓展研究，建立了“F分數(shù)模式”，F(xiàn)分數(shù)模式的臨界值為0.0274，此數(shù)值上下0.0755為不確定區(qū)域，F(xiàn)分數(shù)越小，發(fā)生財務(wù)危機的概率就越大。

吳世農(nóng)、盧賢義（2001）采用三種模型——LMP、Fisher模型、Logistic模型，對我國上市公司財務(wù)危機預(yù)警模型進行了對比性的研究，成果表明：1.在單變量模型中，凈資產(chǎn)報酬率的判斷效果更好；2.多變量模型優(yōu)于單變量模型；3.與其他兩種多變量模型相比，Logistic模型的判斷準確率更高。

此外，近年來神經(jīng)網(wǎng)絡(luò)模型和決策樹模型等也被用到財務(wù)危機預(yù)警研究中。如李?。?009）通過神經(jīng)網(wǎng)絡(luò)模型分析得出，盈利能力指標對企業(yè)是否發(fā)生財務(wù)危機影響最為顯著，現(xiàn)金流量指標具有較好的短期預(yù)測能力，資產(chǎn)管理能力指標具有較好的長期預(yù)測能力；通過決策樹模型可以得到易于理解的財務(wù)危機企業(yè)的特征屬性規(guī)則集。

二、實證研究

（一）樣本選取

本文參照其他學(xué)者對上市公司財務(wù)危機預(yù)警的研究方法，把連虧兩年的國有企業(yè)處理為LK。選取上海市××區(qū)2009年1月至2009年6月間180多家國有企業(yè)，在2008年年報后，因連虧兩年而被視作LK的29家國有企業(yè)作為研究樣本。同時，按照國民經(jīng)濟行業(yè)分類代碼選取了同種行業(yè)、同等規(guī)模的29家非LK公司作為配對樣本。在選取樣本時筆者注意了以下關(guān)鍵：

1.在對LK公司的配對公司的選擇上堅持同行業(yè)、同規(guī)模的原則。

2.非LK的樣本以同行業(yè)為第一選取標準，即在資產(chǎn)規(guī)模不同的情況下，首先要保持行業(yè)的一致性，排除行業(yè)差異帶來的干擾。

3.所以在選擇觀測年限時，取LK前一年即2007年的財務(wù)年度的財務(wù)指標，對應(yīng)的配對樣本也取同期的財務(wù)指標。

4.在選取樣本時，均選年報已經(jīng)被審核過的公司作為樣本，以確保研究數(shù)據(jù)的真實可靠。

本文的數(shù)據(jù)均來自國資信息平臺V3。運用的統(tǒng)計分析軟件為SPSS17.0。

（二）單變量分析

從表2中可以看出，LK與非LK公司之間有許多財務(wù)指標存在很大差異，例如X3、X4、X6、X7、X9等財務(wù)指標。

接下來，通過獨立樣本的均值比較，來分析LK公司與非LK公司之間各單項財務(wù)指標的差異規(guī)律。首先建立假設(shè)，然后運用獨立樣本T檢驗來進行假設(shè)檢驗。

假設(shè)：H0：LK公司與非LK公司之間13個財務(wù)指標同期均值相等

H1：LK公司與非LK公司之間13個財務(wù)指標同期均值不相等

從表3的顯著性檢驗結(jié)果匯總表可以看出，樣本和樣本2間財務(wù)指標中共有11個指標能在很小顯著性水平下拒絕原假設(shè)而接受備選假設(shè)，說明兩個樣本間的這11個指標具有顯著的差異，這些指標是X1、X2、X4、X5、X6、X7、X8、X9、X11、X12、X13。

（三）Logistic回歸模型

1.因子分析

從表4可以看出，前5個因子的特征根分別為2.62、2.14、1.52、1.23、1.21，值大于1，累積方差貢獻率為79.51%，即前5個變量解釋了原有變量總方差的79.51%。在因子旋轉(zhuǎn)后，累積方差比沒有變化，沒有影響原有變量的共同度，保持了信息的完整性，使原有變量在總體上信息丟失較少，因子分析取得理想效果。

根據(jù)表6的成分得分系數(shù)矩陣，可以寫出用以表示原有變量的因子得分函數(shù)：

P1=-0.24X1+0.29X2+0.02X4+0.23X5+0.08X6

-0.26X7+0.28X8-0.05X9+0.17X11-0.04X12-0.04X13

P2=-0.12X1-0.01X2+0.12X4-0.11X5-0.06X6

-0.13X7+0.08X8+0.02X9-0.08X11+0.44X12+0.44X13

P3=0.22X1+0.28X2+0.26X4+0.42X5+0.27X6+0.36X7

-0.18X8+0.09X9+0.01X11+0.13X12+0.14X13

P4=0.20X1+0.09X2+0.08X4+0.03X5-0.62X6+0.16X7

+0.02X8-0.07X9+0.57X11+0.05X12+0.05X13

P5=0.26X1+0.07X2-0.01X4+0.09X5-0.23X6-0.11X7

+0.31X8+0.72X9-0.24X11-0.05X12-0.05X13

2.Logistic回歸預(yù)警模型

接下來，首先，引入用來表示是否出現(xiàn)財務(wù)危機的虛擬變量V，V取0代表非LK公司，V取1代表LK公司；其次，將因子分析中得到的5個因子Pi作為自變量，將虛擬變量V作為因變量引入，利用二分類Logistic回歸建立預(yù)警模型并加以檢驗。

二元邏輯回歸擬合方程為：

表8輸出的是該Logistic模型的-2對數(shù)似然值和兩個偽決定系數(shù)Cox & Snell R 方和Nagelkerke R 方，后兩者從不同角度反映了所建模型中自變量的變異占因變量總變異的比例?？梢钥闯觯鲜鰞蓚€偽決定系數(shù)分別達到0.86和0.95，表明該模型中自變量對因變量有良好的解釋程度。

取0.5為概率P最佳分割點，對該模型進行預(yù)測，P小于0.5認定為非Lk公司，P大于0.5認定為LK公司。

從表9的分類表可以看出，該預(yù)測模型對非LK公司的預(yù)測準確率為88.0%，對LK公司的預(yù)測準確率為93.1%，整體預(yù)測效果為90.6%，預(yù)測效果良好。

三、研究結(jié)論

本文選取2007年和2008年上?！痢羺^(qū)國有企業(yè)中29家連續(xù)虧損兩年的公司作為樣本，同時選取同行業(yè)（按國民經(jīng)濟行業(yè)代碼分類）、同規(guī)模的29家非連續(xù)虧損兩年的公司作為配對樣本。根據(jù)財務(wù)指標具有通用性和易獲得性的特點，從效率性原則和實用性原則出發(fā)，基于目前我國國有企業(yè)年報已有的財務(wù)信息，選擇債務(wù)風(fēng)險、現(xiàn)金流風(fēng)險、盈利能力風(fēng)險和投資風(fēng)險4個方面共13個財務(wù)指標作為財務(wù)風(fēng)險預(yù)警指標，并將其作為構(gòu)建財務(wù)危機預(yù)警模型的預(yù)選指標。在構(gòu)建預(yù)警模型的過程中，首先，進行單變量分析，找出具有顯著性差異的指標，然后，對指標進行因子分析，提取出主成分即主要因子，作為自變量引入預(yù)警模型。最后，構(gòu)建預(yù)警模型并加以檢驗，得出所建的預(yù)測模型具有良好的預(yù)測效果，對國有企業(yè)預(yù)測財務(wù)危機具有較高的參考作用?！?/p>

【參考文獻】

［1］ 吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境預(yù)警模型研究［J］.經(jīng)濟研究，2001（6）.

［2］ 陳曉，陳治鴻.中國上市公司的財務(wù)困境預(yù)測［J］.中國會計與財務(wù)研究，2000（9）.

［3］ 吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標和預(yù)測模型［J］.中國經(jīng)濟問題，1986（6）.

［4］ 閆哲.基于Logistic模型的上市公司財務(wù)危機預(yù)測的實證研究［D］.東北財經(jīng)大學(xué)，2007.

［5］ 朱振梅.基于Logistic回歸的上市公司財務(wù)危機預(yù)警模型［J］.會計之友，2007（8）.

［6］ Beaver W.Financial Ratios as Predictors of Failures［J］.Journal of Accounting Research，1996（4）.

［7］ GambolaM.J.,J.E. KetzandD.D.Williams.CashFlowin Bankruptcy Prediction［J］.Financial Management，1987（16）.

［8］ Lau A H.A Five-State Financial Distress Prediction Model［J］.Journal of Accounting Research，1987（25）.

［9］ Platt H., M. B. Platt and J. G. Pedersen. Bankruptcy Prediction with Real Variables［J］.Journal of Business Finance & Accounting，1994（21）.