我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警研究

任金政 劉璇

摘要：本文以2008-2010年被“特別處理”（ST和*ST）的34家制造業(yè)上市公司和68家健康公司為研究樣本，選取了資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、銷售凈利率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、現(xiàn)金流量比率、每股收益等25個(gè)財(cái)務(wù)預(yù)警初始指標(biāo)，運(yùn)用正態(tài)性檢驗(yàn)、T檢驗(yàn)、非參數(shù)檢驗(yàn)以及相關(guān)性分析，篩選出了財(cái)務(wù)預(yù)警能力較強(qiáng)的財(cái)務(wù)指標(biāo)；基于logistic回歸分析法，構(gòu)建了T-2年、T-3年和T-4年的制造企業(yè)上市公司財(cái)務(wù)預(yù)警模型，采用樣本外檢驗(yàn)法檢驗(yàn)了所建模型的有效性，解釋分析了模型結(jié)果。結(jié)果表明模型具有較高的預(yù)測(cè)能力，尤其在發(fā)生財(cái)務(wù)危機(jī)的前兩年，準(zhǔn)確度更是高達(dá)90%以上。

關(guān)鍵詞：財(cái)務(wù)危機(jī)；預(yù)警；制造業(yè)；Logistic回歸

中圖分類號(hào)：F811.3 文獻(xiàn)標(biāo)識(shí)碼：B

一、引言

面對(duì)經(jīng)濟(jì)全球化浪潮的沖擊，上市公司所面臨的競(jìng)爭(zhēng)日益加大。在商業(yè)競(jìng)爭(zhēng)日益劇烈的環(huán)境下，尤其是在經(jīng)濟(jì)秩序動(dòng)蕩的后金融危機(jī)下，上市公司所面臨的不確定性和各種威脅呈現(xiàn)頻數(shù)增加、化解困難、影響巨大等特征，最終導(dǎo)致企業(yè)財(cái)務(wù)危機(jī)的出現(xiàn)。在這一過(guò)程中，如何從“潛伏期”中挖掘各種可能導(dǎo)致財(cái)務(wù)危機(jī)的因素和特征，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)，如何為證券市場(chǎng)各參與主體提供有效、科學(xué)地預(yù)測(cè)方法和準(zhǔn)確的預(yù)測(cè)信息，是各有關(guān)方面密切關(guān)注的問(wèn)題之一。

財(cái)務(wù)危機(jī)又稱財(cái)務(wù)困境，F(xiàn)oster認(rèn)為財(cái)務(wù)危機(jī)是指公司出現(xiàn)了嚴(yán)重的資產(chǎn)折現(xiàn)問(wèn)題即償債問(wèn)題，而且這種問(wèn)題的解決必須要依賴于公司的經(jīng)營(yíng)方式或存在形式的轉(zhuǎn)變［1］。Frank 認(rèn)為財(cái)務(wù)失敗是企業(yè)履行義務(wù)時(shí)的受阻，具體表現(xiàn)為流動(dòng)性不足、權(quán)益不足、債務(wù)拖欠及資金不足等四種形式，遭受這四種情形之一的企業(yè)即為財(cái)務(wù)危機(jī)企業(yè)［2］。劉紅霞和張心認(rèn)為財(cái)務(wù)危機(jī)是企業(yè)明顯無(wú)力償還到期的無(wú)爭(zhēng)議的債務(wù)的困難與危機(jī)［3］。由此可見(jiàn)，財(cái)務(wù)危機(jī)的本質(zhì)是企業(yè)償債能力的低下［4］，因此本文選擇特別處理的ST和*ST公司作為財(cái)務(wù)危機(jī)公司。

國(guó)外關(guān)于財(cái)務(wù)預(yù)警的最早研究可以追溯到1932年的Fitzpartrick，他首次對(duì)19家公司進(jìn)行了單個(gè)財(cái)務(wù)比率破產(chǎn)預(yù)測(cè)模型的研究［5］；隨后的Altman先后建立了經(jīng)典的Z評(píng)分模型和ZETA模型，通過(guò)多元回歸的方法預(yù)測(cè)財(cái)務(wù)困境［6］；為克服多元回歸對(duì)數(shù)據(jù)正態(tài)分布的限制，Ohlson為代表的研究者們采用了條件概率模型進(jìn)行預(yù)測(cè)分析，主要有Logistic模型和Probit模型兩種統(tǒng)計(jì)方法［7］。近些年，由于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等非線性預(yù)測(cè)方法對(duì)變量分布的要求較低，從而得到一些研究和應(yīng)用。

國(guó)內(nèi)最早在財(cái)務(wù)預(yù)警方面做出貢獻(xiàn)的是吳世農(nóng)等在1986年介紹的公司破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型［8］，之后眾多學(xué)者開(kāi)始采用不同預(yù)測(cè)方法對(duì)我國(guó)上市公司的財(cái)務(wù)狀況開(kāi)展研究，其中部分學(xué)者的研究?jī)?nèi)容和情況如表1所示。

國(guó)內(nèi)外相關(guān)文獻(xiàn)的梳理表明，財(cái)務(wù)預(yù)警的方法主要是統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)方法，變量處理的方式有T、Z、F檢驗(yàn)和因子分析等方法?；诖?，本文采用分類效果最好的Logistic模型進(jìn)行研究，并力圖在以下三方面有所改進(jìn)：一是變量的選擇方面增加了現(xiàn)金流量方面的信息；二是摒棄傳統(tǒng)研究模型中較少考慮行業(yè)差異和規(guī)模大小因素的影響，選擇最具代表性的制造行業(yè)進(jìn)行研究；三是采用股改之后的最新數(shù)據(jù)，通過(guò)K-S檢驗(yàn)、T檢驗(yàn)、非參數(shù)檢驗(yàn)、相關(guān)性分析、Logistic回歸分析和樣本外檢驗(yàn)等方法建立預(yù)測(cè)能力較強(qiáng)的行業(yè)財(cái)務(wù)預(yù)警模型。

二、樣本的選取

（一）研究樣本的選擇

本文選擇了在2008-2010年因財(cái)務(wù)狀況異常而被特別處理（ST和*ST）的A股制造業(yè)上市公司作為初始樣本，并在此基礎(chǔ)上按一定標(biāo)準(zhǔn)選擇了相應(yīng)的健康公司作為配對(duì)樣本。由于ST公司都是由于T-1年的財(cái)務(wù)數(shù)據(jù)而被特別處理的，故采用T-2年的截面數(shù)據(jù)進(jìn)行分析。為保證模型的準(zhǔn)確性，需建立3個(gè)預(yù)警模型，因此研究對(duì)象從T-2年向前追溯到T-4年，即下文中出現(xiàn)的T-2年為公司被ST前兩年的數(shù)據(jù)，T-3年、T-4年依此類推。

（二）研究樣本的確定

已有文獻(xiàn)的研究大都采用1:1配對(duì)抽樣，即樣本組和控制組包含相等的研究個(gè)體。但Zmjiewski［14］研究了兩組間樣本個(gè)體數(shù)量分配的問(wèn)題，認(rèn)為1:1配對(duì)會(huì)使樣本中兩類公司的比例嚴(yán)重偏離其在實(shí)際總體中的比例，從而高估模型的預(yù)測(cè)能力，特別會(huì)高估對(duì)破產(chǎn)公司的預(yù)測(cè)能力，因此本文采用隨機(jī)抽樣的方法以1:2的比例按條件為ST公司選擇配對(duì)樣本。具體配對(duì)條件包括：一是所屬行業(yè)相同，用于排除行業(yè)特征差異；二是資產(chǎn)規(guī)模相近，所選公司與被“特別處理”公司的最近一個(gè)會(huì)計(jì)年度的年度資產(chǎn)規(guī)模相差不超過(guò)10%；三是正常組的上市公司擁有相對(duì)良好的財(cái)務(wù)狀況。

依據(jù)以上要求，本文初篩了2008-2010年被ST的41家公司（其中2008年9家，2009年10家，2010年22家），考慮到2008年金融危機(jī)等系統(tǒng)性風(fēng)險(xiǎn)的影響，剔除了主營(yíng)業(yè)務(wù)包括進(jìn)出口業(yè)務(wù)的3家公司，再剔除掉不能配對(duì)的4家公司，最終剩余34家ST公司，配對(duì)樣本為68家，共計(jì)102個(gè)研究樣本，并將其分為兩組：

估計(jì)樣本A1：包括23家ST公司及46家非ST公司，用于構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型；

檢驗(yàn)樣本A2：包括11家ST公司及22家非ST公司，用于檢驗(yàn)?zāi)Ｐ偷呢?cái)務(wù)預(yù)警能力。

三、變量的選取

（一）初始變量

由于各公司被ST的原因不盡相同，所以很難用某幾個(gè)財(cái)務(wù)指標(biāo)來(lái)衡量所有公司被ST而陷入財(cái)務(wù)危機(jī)的境況。本文在國(guó)內(nèi)外研究成果的基礎(chǔ)上，從償債能力、營(yíng)運(yùn)能力、盈利能力、成長(zhǎng)能力、現(xiàn)金流量能力指標(biāo)及資本市場(chǎng)指標(biāo)等6個(gè)方面選擇了初始變量25個(gè)，如表2所示。

Logistic模型一般選擇0.5作為判別點(diǎn)，事實(shí)上由于真實(shí)的事件發(fā)生概率不一定是0.5，這樣有可能造成預(yù)測(cè)偏差，本文借鑒了張愛(ài)民等人［13］的方法選擇分界點(diǎn)：選擇使總誤判率中最低的判別概率點(diǎn)，如果有兩個(gè)以上相同的點(diǎn)則選擇第一類錯(cuò)誤值最小的點(diǎn)，如果仍有相同的點(diǎn)則在其中選擇第二類錯(cuò)誤值最小的點(diǎn)。依此，T-2年的分界點(diǎn)為0.6、T-3年的分界點(diǎn)為0.5、T-4年的分界點(diǎn)為0.6。

2．模型的分類準(zhǔn)確率檢驗(yàn)。對(duì)模型分類準(zhǔn)確率的檢驗(yàn)采用樣本外檢驗(yàn)，即將33個(gè)檢驗(yàn)樣本分別代入T-2、T-3、T-4年模型，并根據(jù)上面確定的分界點(diǎn)，對(duì)模型的準(zhǔn)確率進(jìn)行驗(yàn)證，最終結(jié)果如表6所示。結(jié)果表明，T-2年的模型預(yù)測(cè)準(zhǔn)確率高達(dá)90%，準(zhǔn)確率較低的T-3年模型準(zhǔn)確率也在72%以上，表明所構(gòu)建模型具有較高的預(yù)警能力，尤其是運(yùn)用T-2年的數(shù)據(jù)和模型進(jìn)行預(yù)警效果最佳，可以應(yīng)用于現(xiàn)實(shí)環(huán)境。

五、結(jié)論

本文以我國(guó)制造業(yè)上市公司作為研究對(duì)象，構(gòu)建并分析了該行業(yè)不同時(shí)點(diǎn)的財(cái)務(wù)預(yù)警模型。通過(guò)以上研究可以發(fā)現(xiàn)：首先，預(yù)警模型對(duì)該行業(yè)上市公司發(fā)生財(cái)務(wù)危機(jī)具有預(yù)測(cè)能力；其次，在上市公司發(fā)生財(cái)務(wù)危機(jī)的前4年中，按不同年份構(gòu)建預(yù)警模型是合理的，因?yàn)椴煌攴荽嬖诓煌娘@著性財(cái)務(wù)指標(biāo)；再次，不同年份預(yù)警模型的預(yù)測(cè)能力不盡相同，距離T年越近的模型其預(yù)測(cè)能力越強(qiáng)；最后，制造業(yè)上市公司應(yīng)該更加關(guān)注對(duì)應(yīng)收賬款和運(yùn)營(yíng)資金的管理，因?yàn)檫@兩個(gè)因素會(huì)嚴(yán)重影響公司未來(lái)的財(cái)務(wù)狀況。

參考文獻(xiàn)：

［1］ Foster G. Financial Statement Analysis［M］．Prentice Hall Englewood Cliffs, NJ, 1986.

［2］ Easterbrook, Frank. Is corporate bankruptcy efficient?［J］．Journal of Financial Economics, 1990(27)：41l-418.

［3］ 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型［J］．中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2004（4）：70-75

［4］ 賈明琪，辛江龍.上市公司財(cái)務(wù)困境預(yù)警系統(tǒng)模型及實(shí)證研究［J］．華東經(jīng)濟(jì)管理，2008（5）：76-80.

［5］ Fitzpatrick,P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms［J］．Certified Public Accountant, 1932（2）：73-589.

［6］ Altman, E, I, Haldenan, R.G&Narayanan, P.ZETA.A New Model to identify Bankruptcy Risk of Corporations［J］．Journal of Banking and Finance, 1977,1(6)：29-54

［7］ Ohlson, J. S. Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］．Journal of Accounting Research, 1980,18(7): 109-131.

［8］ 吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型［J］．中國(guó)經(jīng)濟(jì)問(wèn)題, 1986（6）: 15-22.

［9］ 周守華.論財(cái)務(wù)危機(jī)的預(yù)警分析-F分?jǐn)?shù)模型［J］．會(huì)計(jì)研究,1996（8）：8-11.

［10］陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析［J］．會(huì)計(jì)研究,1999（4）：31-38.

［11］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［J］．經(jīng)濟(jì)研究，2001(6):21-26.

［12］楊保安，季海，徐晶.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)警之應(yīng)用［J］．預(yù)測(cè), 2001（2）：62-68.

［13］姜秀華，任強(qiáng)，孫錚.上市公司財(cái)務(wù)危機(jī)模型研究［J］．預(yù)測(cè),2002（3）：56-61.

［14］Zmijwski,M.E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models［J］．Journal of Account Research, 1984(22):59-82.

［15］張愛(ài)民，祝春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)模型及其實(shí)證研究［J］．金融研究，2001（3）: 10-25.

［16］Andrew Fight. Credit risk management ［M］．Oxford：Elsevier Butterworth Heinemann, 2004.

（責(zé)任編輯：嚴(yán)元）