基于現(xiàn)金流量的上市公司財務(wù)危機(jī)預(yù)警研究

廖斐　賈煒瑩

摘要：本文選擇2004年至2011年因財務(wù)狀況異常而首次被ST的227家公司和227家非ST上市公司作為樣本，選取18個現(xiàn)金流量指標(biāo)，建立了基于現(xiàn)金流量的財務(wù)預(yù)警模型指標(biāo)體系。首先運(yùn)用正態(tài)性檢驗(yàn)和非參數(shù)檢驗(yàn)篩選出達(dá)到顯著性水平的指標(biāo)，然后利用主成分分析法，進(jìn)行指標(biāo)的篩選降維，選取主成分因子，最后通過Logistic回歸方法構(gòu)建了基于現(xiàn)金流量的我國上市公司財務(wù)預(yù)警模型，并通過對隨機(jī)抽取的50家樣本企業(yè)T-3、T-2、T-1年的財務(wù)數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表明模型具有較理想的預(yù)測效果。

關(guān)鍵詞：現(xiàn)金流量 財務(wù)危機(jī)預(yù)警 主成分分析 Logistic回歸

務(wù)預(yù)警的實(shí)證研究一直是一個被廣泛關(guān)注的課題，目前國內(nèi)關(guān)于財務(wù)預(yù)警方面的研究，尤其是引入現(xiàn)金流量的研究還不成熟。只有基于現(xiàn)金流量指標(biāo)構(gòu)建的預(yù)測模型才能反映公司是否有足夠的現(xiàn)金支付到期債務(wù)，達(dá)到更好的預(yù)測效果。

一、研究設(shè)計(jì)

（一）研究樣本的選擇

基于對國外相關(guān)研究的考察和分析，結(jié)合我國證券市場的實(shí)際情況，本文選取2004年至2011年間因財務(wù)狀況異常而首次被ST的上市公司為樣本，同時，對于非ST公司樣本的選擇采用配對樣本設(shè)計(jì)方法，即對應(yīng)每一個ST公司樣本，按會計(jì)年度相同、行業(yè)相同、資產(chǎn)規(guī)模相近的原則，選擇一個非ST公司。再剔除數(shù)據(jù)不全的公司和并非由于財務(wù)狀況異常而被ST的公司，最終共選出符合條件的454家上市公司，其中ST公司和非ST配對樣本公司各227家，100家作為測試樣本，其余的354家公司作為訓(xùn)練樣本，根據(jù)對訓(xùn)練樣本進(jìn)行分析所構(gòu)建的模型，再對測試樣本進(jìn)行預(yù)測。本文選取的研究期間為公司被ST之前的1至3年，因此樣本數(shù)據(jù)采集時間為2001年至2010年的現(xiàn)金流量數(shù)據(jù)。

（二）現(xiàn)金流量預(yù)警指標(biāo)的選取

現(xiàn)有的財務(wù)危機(jī)預(yù)警模型由于缺乏必要的經(jīng)濟(jì)理論的支撐，在財務(wù)指標(biāo)的選取上主要還是依靠對前人研究成果的借鑒和研究者的經(jīng)驗(yàn)。因此，本文在選擇現(xiàn)金流量預(yù)警指標(biāo)時，主要從指標(biāo)的重要性出發(fā)，選擇比較重要的現(xiàn)金流量指標(biāo)。從理論上來看，在現(xiàn)金流量分析中，最能體現(xiàn)現(xiàn)金流量表編制目的的是獲現(xiàn)能力分析和償債能力分析。因?yàn)?，如果上市公司的獲現(xiàn)能力強(qiáng)，則盈利質(zhì)量高，同時也會有較多的資金用于資本支出，滿足投資需要；反之亦然。上市公司的償債能力與財務(wù)彈性有較大的相關(guān)性，如果上市公司的償債能力強(qiáng)，資產(chǎn)流動性大，則財務(wù)彈性就大；反之財務(wù)彈性就小。因此，通過對公司獲現(xiàn)能力和償債能力的分析可以為其他問題的分析提供初步的判斷基礎(chǔ)。

本文借鑒前人的研究成果，為綜合反映企業(yè)的財務(wù)狀況，選擇獲現(xiàn)能力分析指標(biāo)、償債能力分析指標(biāo)、盈利質(zhì)量分析指標(biāo)、財務(wù)彈性發(fā)展能力分析指標(biāo)和現(xiàn)金流量結(jié)構(gòu)指標(biāo)共五大類現(xiàn)金流量指標(biāo)作為研究變量，并在這五大類指標(biāo)中選擇一些相對重要，同時數(shù)據(jù)資料比較完整的現(xiàn)金流量指標(biāo)。為了使指標(biāo)更具普遍性和代表性，同時引入資本支出與折舊攤銷比、凈資產(chǎn)增長率、營業(yè)收入增長率三個傳統(tǒng)的財務(wù)指標(biāo)。

最終設(shè)計(jì)的現(xiàn)金流量指標(biāo)體系為：（1）獲現(xiàn)能力分析指標(biāo)，包括：總資產(chǎn)獲現(xiàn)比、每股經(jīng)營活動現(xiàn)金凈流量、資本支出與折舊攤銷比。（2）償債能力分析指標(biāo)，包括：現(xiàn)金負(fù)債總額比、現(xiàn)金流動負(fù)債比、現(xiàn)金流量帶息負(fù)債保障倍數(shù)。（3）現(xiàn)金流量結(jié)構(gòu)指標(biāo)，包括：經(jīng)營活動現(xiàn)金流入流出結(jié)構(gòu)比、投資活動現(xiàn)金流入流出結(jié)構(gòu)比、籌資活動現(xiàn)金流入流出結(jié)構(gòu)比、經(jīng)營活動現(xiàn)金流入結(jié)構(gòu)比率、籌資活動現(xiàn)金流入結(jié)構(gòu)比率、經(jīng)營活動現(xiàn)金流出結(jié)構(gòu)比率、籌資活動現(xiàn)金流出結(jié)構(gòu)比率。（4）盈利質(zhì)量分析指標(biāo)，包括：銷售現(xiàn)金比和盈余現(xiàn)金保障倍數(shù)。（5）財務(wù)彈性發(fā)展能力分析指標(biāo)，包括：經(jīng)營活動現(xiàn)金流量凈增長率、凈資產(chǎn)增長率、營業(yè)收入增長率。

二、實(shí)證結(jié)果與分析

（一）研究樣本的正態(tài)性檢驗(yàn)

通常情況下，當(dāng)樣本服從正態(tài)分布時，適合選用T檢驗(yàn)的方法進(jìn)行顯著性檢驗(yàn)；如果樣本不服從正態(tài)分布，則選用非參數(shù)檢驗(yàn)的方法進(jìn)行顯著性檢驗(yàn)。在國內(nèi)外有關(guān)財務(wù)危機(jī)預(yù)警的研究中，基于樣本服從正態(tài)分布的假設(shè)前提，許多學(xué)者都選用T檢驗(yàn)進(jìn)行顯著性檢驗(yàn)。但是這種假設(shè)是不符合實(shí)際的，實(shí)際的情況是數(shù)據(jù)很少嚴(yán)格服從正態(tài)分布。因此，本文運(yùn)用SPSS軟件，選擇K-S檢驗(yàn)來判斷各現(xiàn)金流量指標(biāo)是否服從正態(tài)分布。在顯著性水平a=0.05的條件下，P≥0.05時，說明該指標(biāo)服從正態(tài)分布；而當(dāng)P<0.05時，說明該指標(biāo)不服從正態(tài)分布。

從檢驗(yàn)結(jié)果得出，T-1年有3個指標(biāo)P≥0.05，有15個指標(biāo)P<0.05；T-2年有5個指標(biāo)P≥0.05，有13個指標(biāo)P<0.05；T-3年有4個指標(biāo)P≥0.05，有14個指標(biāo)P<0.05。T-1年不服從正態(tài)分布的有15個指標(biāo)，占總指標(biāo)的83.3%；T-2年不服從正態(tài)分布的有13個指標(biāo)，占總指標(biāo)的72.2%；T-3年不服從正態(tài)分布的指標(biāo)有14個，占總指標(biāo)的77.8%?？梢?，大多數(shù)的現(xiàn)金流量指標(biāo)不服從正態(tài)分布。因此，本文放棄T檢驗(yàn)，采用非參數(shù)檢驗(yàn)對現(xiàn)金流量指標(biāo)進(jìn)行顯著性檢驗(yàn)。

（二）現(xiàn)金流量指標(biāo)的顯著性檢驗(yàn)

在無法確定樣本是否服從正態(tài)分布，并且兩個配對樣本相互獨(dú)立的情況下，采用非參數(shù)檢驗(yàn)的兩獨(dú)立樣本的曼-惠特尼U檢驗(yàn)（Mann-whitney U）方法。運(yùn)用SPSS統(tǒng)計(jì)軟件得出，在顯著性水平為0.05的條件下，T-1年有17個指標(biāo)通過了顯著性檢驗(yàn)，說明財務(wù)危機(jī)公司和財務(wù)正常公司在這17個指標(biāo)上存在顯著性差異，是建立財務(wù)危機(jī)預(yù)警模型的有效指標(biāo)。同理可以得出，T-2年有17個指標(biāo)通過了顯著性檢驗(yàn)，T-3年有13個指標(biāo)通過了顯著性檢驗(yàn)。本文對這些通過顯著性檢驗(yàn)的指標(biāo)通過因子分析進(jìn)行進(jìn)一步的篩選，然后運(yùn)用Logistic回歸方法建立財務(wù)危機(jī)預(yù)警模型。

（三）因子分析

因子分析是用少數(shù)幾個因子綜合反映原始數(shù)據(jù)的大部分信息的統(tǒng)計(jì)方法，在進(jìn)行科學(xué)研究時，較多的變量會一定程度的增加研究的復(fù)雜程度。因子分析可以用少數(shù)幾個因子來描述多個指標(biāo)或因素之間的聯(lián)系，通過尋找眾多變量之間的公共因素來簡化變量中存在的復(fù)雜關(guān)系。原有變量之間具有較強(qiáng)的相關(guān)性是利用因子分析的前提條件，本文通過KMO檢驗(yàn)和Bartlett球度檢驗(yàn)，判斷樣本數(shù)據(jù)是否適合進(jìn)行因子分析。KMO檢驗(yàn)取值在0和1之間，所有變量間相關(guān)系數(shù)的平方和大于偏相關(guān)系數(shù)的平方和時，KMO越接近1，說明變量間的相關(guān)性越強(qiáng)，原有變量越適合進(jìn)行因子分析。Bartlett球度檢驗(yàn)是根據(jù)相關(guān)系數(shù)矩陣的行列式得出的結(jié)果，該值越大且對應(yīng)的相伴概率小于設(shè)定的顯著性水平，則拒絕原假設(shè)，說明原始變量之間存在相關(guān)性，適合進(jìn)行因子分析。運(yùn)用主成分分析法，對搜集的177對訓(xùn)練樣本公司ST前三年的經(jīng)過顯著性檢驗(yàn)的指標(biāo)數(shù)據(jù)進(jìn)行分析，判斷樣本是否適合做因子分析。得出樣本公司被ST前三年的KMO值分別為0.744、0.732、0.647，均大于0.6，而且被ST前三年的相伴概率值均為0.000，小于顯著性水平0.05。因此， T-1年、T-2年和T-3年的原始變量之間均存在相關(guān)性，適合進(jìn)行因子分析。endprint

利用SPSS統(tǒng)計(jì)軟件對訓(xùn)練樣本T-1年的通過顯著性檢驗(yàn)的17個現(xiàn)金流量指標(biāo)進(jìn)行主成分分析，得到8個主成分的特征值和貢獻(xiàn)率。從結(jié)果可以得出，在T-1年，前8個主成分的累計(jì)貢獻(xiàn)率為82.143%，說明用這8個因子代替原來的17個指標(biāo)，共計(jì)反映原有變量82.143%的信息。同理，可以得出T-2年和T-3年的特征值和貢獻(xiàn)率，從結(jié)果可以發(fā)現(xiàn)，T-2年共提取了7個主成分因子，累計(jì)貢獻(xiàn)率達(dá)到了81.733%，說明這7個主成分因子包含了原有變量81.733%的信息量，總體上，7個因子能夠解釋原有變量大部分的信息。T-3年提取了5個主成分因子，累計(jì)貢獻(xiàn)率達(dá)到82.760%，說明這5個主成分因子包含了原有變量82.760%的信息量，也就是說5個主成分因子基本上保留了原始數(shù)據(jù)的信息量。

因子分析的目的不僅是提煉主因子，更重要的是表達(dá)每個主因子的意義。通過成分矩陣可以描述各個主因子與原始變量之間的關(guān)系，但是提煉的主因子的典型代表變量并不突出。旋轉(zhuǎn)法使得因子負(fù)荷量更易于解釋，這是由于在因子提取時通常提取初始因子后，對因子無法做出有效的解釋。因此為了更好地解釋因子，必須對負(fù)荷矩陣進(jìn)行旋轉(zhuǎn)。本文運(yùn)用最大方差法進(jìn)行旋轉(zhuǎn)，使得每個因子具有最高載荷的變量的數(shù)目最小，以簡化對因子的解釋。由主成分的因子載荷矩陣，得到主成分與原始變量的相關(guān)系數(shù)即因子載荷量，因子載荷量體現(xiàn)了主成分因子與原始變量之間的相關(guān)程度。因子載荷量越高，表明該因子包含的該指標(biāo)的信息量就越多。利用SPSS可以得到主成分的得分系數(shù)矩陣，由這些系數(shù)和相應(yīng)標(biāo)準(zhǔn)化處理后的指標(biāo)數(shù)據(jù)就可以得到對應(yīng)的主成分的線性表達(dá)式。

（四）Logistic模型的建立

將T-1年得到的8個主成分代入Logistic回歸模型中，并采用后退法作似然比概率檢驗(yàn)，向后逐步選擇最優(yōu)建模變量。向后逐步回歸法通過計(jì)算每一步入選變量的Wald統(tǒng)計(jì)量值，并刪除最小Wald值對應(yīng)的變量，直到所有變量都滿足設(shè)定的顯著性水平時結(jié)束回歸。經(jīng)過兩步計(jì)算，模型最終保留了7個主成分，具體如下頁表1所示。

Wald統(tǒng)計(jì)量的值可以用來判斷自變量是否顯著，如果一個變量的Wald檢驗(yàn)結(jié)果P值小于0.05，就可以考慮將該變量入選為最優(yōu)建模變量。上述7個主成分的Wald檢驗(yàn)結(jié)果的P值均小于0.05，自變量對于因變量的解釋效果顯著，模型擬合效果好，可以作為最優(yōu)建模變量，從而可以得到基于現(xiàn)金流量指標(biāo)的T-1年的模型，即P=e（-0.095-0.841F1+0.62F2-0.644F4-2.728F5+0.418F6-3.209F7-0.643F8）/[1+ e（-0.095-0.841F1+0.62F2-0.644F4-2.728F5+0.418F6-3.209F7-0.643F8）]。用同樣的方法，可以得到基于現(xiàn)金流量指標(biāo)的T-2年的模型為：P=e（-0.128-0.413F1-0.508F2-0.402F3-0.54F5-1.376F6-0.751F7）/[1+ e（-0.128-0.413F1-0.508F2-0.402F3-0.54F5-1.376F6-0.751F7）]。同樣可以得到基于現(xiàn)金流量指標(biāo)的T-3年的模型如下：P=e（-0.073-0.428F1-0.339F2-0.484F3-0.85F4）/[1+ e（-0.073-0.428F1-0.339F2-0.484F3-0.85F4）]。由標(biāo)準(zhǔn)化處理后的現(xiàn)金流量指標(biāo)數(shù)據(jù)以及得到的主成分得分系數(shù)矩陣可以計(jì)算出主成分F1，F(xiàn)2……F8的相應(yīng)數(shù)據(jù)，帶入上面建立的現(xiàn)金流量指標(biāo)模型便可計(jì)算出對應(yīng)的P值。

（五）模型的檢驗(yàn)

為了檢驗(yàn)?zāi)Ｐ偷挠行裕瑢㈦S機(jī)選定的50家測試樣本帶入回歸模型，將模型的判定結(jié)果和公司實(shí)際是否被ST進(jìn)行對照。將危機(jī)發(fā)生前三年的現(xiàn)金流量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化以后帶入主成分的表達(dá)式中，再根據(jù)得到的Logistic回歸模型計(jì)算P值。以P=0.5作為分割點(diǎn)，如果P<0.5，則說明公司財務(wù)狀況健康；如果P≥0.5，則認(rèn)為公司陷入財務(wù)危機(jī)。將T-1年的相關(guān)數(shù)據(jù)帶入模型中進(jìn)行回判，結(jié)果如表2所示。通過表2可以看出，本文建立的T-1年的現(xiàn)金流量財務(wù)危機(jī)預(yù)警模型能夠準(zhǔn)確預(yù)測ST公司的數(shù)量為44家，準(zhǔn)確率為88%；準(zhǔn)確預(yù)測非ST公司的數(shù)量為41家，準(zhǔn)確率為82%。模型總體的檢驗(yàn)準(zhǔn)確率為85%。

利用已構(gòu)建的模型對隨機(jī)抽樣的100家測試樣本公司T-2年的數(shù)據(jù)進(jìn)行預(yù)測檢驗(yàn)，預(yù)測結(jié)果如表3所示。通過表3可以看出，本文建立的T-2年的現(xiàn)金流量財務(wù)危機(jī)預(yù)警模型能夠準(zhǔn)確預(yù)測ST公司的數(shù)量為41家，準(zhǔn)確率為82%；準(zhǔn)確預(yù)測非ST公司的數(shù)量為36家，準(zhǔn)確率為72%。模型總體的檢驗(yàn)準(zhǔn)確率為77%。

將T-3年的現(xiàn)金流量數(shù)據(jù)帶入T-3年的模型，得到的檢驗(yàn)準(zhǔn)確率如表4所示。通過表4可以看出，本文建立的T-3年的現(xiàn)金流量財務(wù)危機(jī)預(yù)警模型能夠準(zhǔn)確預(yù)測ST公司的數(shù)量為35家，準(zhǔn)確率為70%；準(zhǔn)確預(yù)測非ST公司的數(shù)量為33家，準(zhǔn)確率為66%。模型總體的檢驗(yàn)準(zhǔn)確率為68%。

三、研究結(jié)論

本文在分析和總結(jié)傳統(tǒng)財務(wù)指標(biāo)的基礎(chǔ)上，選取了18個現(xiàn)金流量指標(biāo)，建立了一個以現(xiàn)金流量指標(biāo)為主的財務(wù)危機(jī)預(yù)警指標(biāo)體系。運(yùn)用因子分析法和Logistic邏輯回歸方法對財務(wù)危機(jī)發(fā)生前三年的樣本數(shù)據(jù)進(jìn)行分析和研究，建立了三年的基于現(xiàn)金流量的財務(wù)危機(jī)預(yù)警模型，并對模型的預(yù)測能力進(jìn)行了檢驗(yàn)。研究發(fā)現(xiàn)，首先，現(xiàn)金流量指標(biāo)可以用于預(yù)測公司財務(wù)危機(jī)的發(fā)生，并且具有較高的預(yù)測性。選取現(xiàn)金流量指標(biāo)為預(yù)警指標(biāo)，相比傳統(tǒng)的財務(wù)指標(biāo)能更好地反映企業(yè)財務(wù)信息的真實(shí)性。其次，不同的年份存在不同的顯著性指標(biāo)，因此在公司被ST的前3年分別建立預(yù)警模型是合理的。最后，離危機(jī)發(fā)生的年份越近，現(xiàn)金流量指標(biāo)的差異性越明顯，根據(jù)較大差異的指標(biāo)建立的模型判別準(zhǔn)確率就越高，這也說明了公司的財務(wù)狀況惡化是一個逐步累積的過程。X

參考文獻(xiàn)：

1.馬紅，糜仲春.從現(xiàn)金流的角度預(yù)測上市公司的財務(wù)困境[J].價值工程，2004，（8）.

2.梁飛媛.基于現(xiàn)金流的財務(wù)危機(jī)預(yù)警系統(tǒng)實(shí)證研究[J].財貿(mào)經(jīng)濟(jì)，2005，（2）.

3.章之旺.現(xiàn)金流量在財務(wù)困境預(yù)測中的信息含量實(shí)證研究[J].中國管理科學(xué)，2004，（6）.

作者簡介：

1.廖斐，男，北京物資學(xué)院研究生。研究方向：財務(wù)會計(jì)。

2.賈煒瑩，女，北京物資學(xué)院商學(xué)院副院長、教授，管理學(xué)博士。研究方向：企業(yè)風(fēng)險管理。endprint