基于現(xiàn)金流指標(biāo)的財(cái)務(wù)預(yù)警模型研究

王小美 史茲國(guó)

（1、江蘇海事職業(yè)技術(shù)學(xué)院 2、南京曉莊學(xué)院）

財(cái)務(wù)預(yù)警作為一種防范財(cái)務(wù)危機(jī)的事前手段，具備一定的實(shí)際意義。不過(guò)傳統(tǒng)的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)大多選擇基于資產(chǎn)負(fù)債表和利潤(rùn)表的財(cái)務(wù)比率，這些指標(biāo)易受主觀調(diào)控，而導(dǎo)致財(cái)務(wù)預(yù)警結(jié)果的準(zhǔn)確性受到影響，因此也無(wú)法對(duì)公司財(cái)務(wù)危機(jī)做出準(zhǔn)確的預(yù)測(cè)和防范。而基于現(xiàn)金流量的財(cái)務(wù)預(yù)警模型具有更高的準(zhǔn)確性，其以真實(shí)可靠而非假設(shè)可靠的預(yù)警指標(biāo)為基礎(chǔ)，更加能夠準(zhǔn)確地預(yù)測(cè)企業(yè)財(cái)務(wù)困境。

一、樣本選取與現(xiàn)金流量指標(biāo)體系建立

（一）研究樣本的選取

1.財(cái)務(wù)危機(jī)公司樣本

國(guó)外主要將破產(chǎn)作為財(cái)務(wù)危機(jī)的標(biāo)志。但由于我國(guó)破產(chǎn)制度不完善，上市公司出現(xiàn)財(cái)務(wù)危機(jī)而導(dǎo)致破產(chǎn)的實(shí)屬不多，因此不能以破產(chǎn)作為衡量上市公司財(cái)務(wù)危機(jī)的標(biāo)志。因此本文選擇被ST的公司作為研究對(duì)象，因?yàn)樵谝欢ㄒ饬x上ST公司在持續(xù)經(jīng)營(yíng)上確實(shí)出現(xiàn)問(wèn)題，甚至陷入了財(cái)務(wù)困境。

由于2013年后期及2014年我國(guó)滬深資本市場(chǎng)由于各種原因連續(xù)出現(xiàn)脫帽摘星潮，原有被特別處理的公司已不完全符合本文財(cái)務(wù)危機(jī)公司的特點(diǎn)，從而致使可選樣本數(shù)量偏少，由此分析得出的結(jié)論也不會(huì)公允準(zhǔn)確，因此本文選取了2012年79家滬深A(yù)股被特別處理的公司作為研究樣本。選取的樣本涉及到我國(guó)上市公司的各個(gè)行業(yè)。具體樣本分布如表1。

表1 ST公司分布

2.配對(duì)樣本的選取

本文按1:l的比例在對(duì)應(yīng)行業(yè)中選擇資產(chǎn)規(guī)模相當(dāng)、未被特別處理的公司作為配對(duì)樣本。通過(guò)上市公司被宣告ST的年度(以下簡(jiǎn)稱第T年)前4年(以下簡(jiǎn)稱第T-4年)、前3年(以下簡(jiǎn)稱第T-3年)、前2年(以下簡(jiǎn)稱第T-2年)和前1年(以下簡(jiǎn)稱第T-1年)的年度相關(guān)財(cái)務(wù)數(shù)據(jù)來(lái)預(yù)測(cè)第T年公司是否陷入財(cái)務(wù)困境，即形式上公司是否被ST。本文的數(shù)據(jù)來(lái)源是：和訊網(wǎng)數(shù)據(jù)庫(kù)、國(guó)泰安數(shù)據(jù)庫(kù)。

3.財(cái)務(wù)預(yù)警指標(biāo)的選擇

本文通過(guò)對(duì)現(xiàn)金流財(cái)務(wù)比率的分析，來(lái)預(yù)測(cè)企業(yè)是否陷入財(cái)務(wù)困境。主要運(yùn)用以下現(xiàn)金流相關(guān)財(cái)務(wù)比率，詳見(jiàn)表2。

表2 財(cái)務(wù)預(yù)警現(xiàn)金流量指標(biāo)體系

二、財(cái)務(wù)預(yù)警實(shí)證分析

（一）變量的顯著性差異檢驗(yàn)

在構(gòu)建模型之前，先將ST公司和非ST公司的各現(xiàn)金流指標(biāo)組成配對(duì)樣本，比較配對(duì)樣本現(xiàn)金流量指標(biāo)的均值，對(duì)各指標(biāo)進(jìn)行顯著性差異檢驗(yàn)，分析各個(gè)指標(biāo)在樣本公司和配對(duì)樣本公司之間是否存在顯著性差異。再將這兩類公司存在顯著性差異的現(xiàn)金流量指標(biāo)列為預(yù)測(cè)變量，從而構(gòu)建以現(xiàn)金流量指標(biāo)為基礎(chǔ)的財(cái)務(wù)危機(jī)預(yù)警模型。各現(xiàn)金流指標(biāo)的檢驗(yàn)結(jié)果如下所示：

1.償債能力指標(biāo)分析

表3 現(xiàn)金比率非參數(shù)檢驗(yàn)結(jié)果

在表3中，T期、T-1期以及T-2期，ST公司和非ST公司的現(xiàn)金比率存在著顯著的差異。

在表4中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的利息保障倍數(shù)存在著顯著的差異。

在表5中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的現(xiàn)金流量負(fù)債比存在著顯著的差異。

在表6中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的現(xiàn)金流量比率存在著顯著的差異。

綜合償債能力分析，ST公司在現(xiàn)金比率、利息保障倍數(shù)、現(xiàn)金流量負(fù)債比率、現(xiàn)金流量比方面和非ST公司相比存在顯著差異。

表4 利息保障倍數(shù)非參數(shù)檢驗(yàn)結(jié)果

表5 現(xiàn)金流量負(fù)債比非參數(shù)檢驗(yàn)結(jié)果

表6 現(xiàn)金流量比率非參數(shù)檢驗(yàn)結(jié)果

2.盈利能力分析

表7 每股現(xiàn)金流非參數(shù)檢驗(yàn)結(jié)果

在表7中，T期、T-1期、T-2期和T－3期，ST公司和非ST公司的每股現(xiàn)金流量存在著顯著的差異。

表8 營(yíng)運(yùn)指數(shù)非參數(shù)檢驗(yàn)結(jié)果

在表8中，T-1期和T-3期，ST公司和非ST公司的營(yíng)運(yùn)指數(shù)存在著顯著的差異。

表9 全部資產(chǎn)現(xiàn)金回收率非參數(shù)檢驗(yàn)結(jié)果

在表9中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的全部資產(chǎn)現(xiàn)金回收率存在著顯著的差異。

綜合盈利能力分析，ST公司在每股現(xiàn)金流量、營(yíng)運(yùn)指數(shù)和全部資產(chǎn)現(xiàn)金回收率方面和非ST公司相比存在顯著差異。

3.收益質(zhì)量分析

在表10中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的銷售現(xiàn)金比不存在著顯著的差異。

表10 銷售現(xiàn)金比非參數(shù)檢驗(yàn)結(jié)果

表11 盈余現(xiàn)金保障倍數(shù)非參數(shù)檢驗(yàn)結(jié)果

在表11中，T期、T-1期，ST公司和非ST公司的盈余現(xiàn)金保障倍數(shù)存在著顯著的差異。

表12 經(jīng)營(yíng)指數(shù)非參數(shù)檢驗(yàn)結(jié)果

在表12中，T-1期和T-2期，ST公司和非ST公司的經(jīng)營(yíng)指數(shù)存在著顯著的差異。

綜合收益質(zhì)量分析，ST公司在盈余現(xiàn)金保障倍數(shù)和經(jīng)營(yíng)指數(shù)方面和非ST公司相比存在顯著差異。

4.現(xiàn)金流變動(dòng)分析

在表13中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率不存在著顯著的差異。

表13 經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率非參數(shù)檢驗(yàn)結(jié)果

在表14中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的投資活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率不存在著顯著的差異。

表14 投資活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率非參數(shù)檢驗(yàn)結(jié)果

表15 籌資活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率非參數(shù)檢驗(yàn)結(jié)果

在表15中，T期、T-1期，ST公司和非ST公司的籌資活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)率存在著顯著的差異。

表16 銷售現(xiàn)金增長(zhǎng)率非參數(shù)檢驗(yàn)結(jié)果

在表16中，T期、T-1期，ST公司和非ST公司的銷售現(xiàn)金增長(zhǎng)率存在著顯著的差異。

綜合現(xiàn)金流變動(dòng)分析，ST公司在籌資活動(dòng)現(xiàn)金流量?jī)纛~增長(zhǎng)和銷售現(xiàn)金增長(zhǎng)率方面和非ST公司相比存在顯著差異。

（二）Logistic回歸模型

本文采用SPSS統(tǒng)計(jì)軟件Logistic回歸分析功能中的向前逐步回歸法自動(dòng)篩選最佳自變量，將0.5劃為臨界值，計(jì)算概率大于0.5則界定公司存在財(cái)務(wù)危機(jī)，低于0.5則界定為非財(cái)務(wù)危機(jī)公司。

1.T-1期的Logistic回歸

利用SPSS16.0軟件進(jìn)行Logistic回歸分析，輸入T-1年的數(shù)據(jù)，變量采用逐步進(jìn)入的方式，結(jié)果選中2個(gè)變量進(jìn)入模型。進(jìn)入模型能夠用來(lái)預(yù)測(cè)T-1期公司是否陷入財(cái)務(wù)困境的指標(biāo)為：現(xiàn)金比率和利息保障倍數(shù)，回歸結(jié)果見(jiàn)表17。從回歸結(jié)果看，變量系數(shù)均顯著。

表17 T-1期logistic回歸估計(jì)結(jié)果

由表17得到Logistic模型的判別方程為:現(xiàn)金比率和利息保障倍數(shù)均是反映企業(yè)的償債能力的指標(biāo)，因此企業(yè)償債能力是進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)的重要因素。報(bào)表信息使用者可以根據(jù)上述判別方程，對(duì)所研究公司是否陷入財(cái)務(wù)困境進(jìn)行判斷，根據(jù)前述判別規(guī)則，計(jì)算概率大于0.5，則界定公司存在財(cái)務(wù)危機(jī)，低于0.5則界定為非財(cái)務(wù)危機(jī)公司。

模型的擬合優(yōu)度見(jiàn)表18，模型的cox&Snell R Square和Nagelkerke R Squar統(tǒng)計(jì)量分別為0.602和0.773，說(shuō)明擬合效果良好。

表18 T-1期擬合優(yōu)度檢驗(yàn)表

根據(jù)回歸所得的Logistic方程，對(duì)ST前一年的原始數(shù)據(jù)進(jìn)行回代判定，結(jié)果見(jiàn)表19:a.The cut value is.500

表19 Logistic回歸模型在ST前1年的判定結(jié)果a

計(jì)算的結(jié)果顯示，在財(cái)務(wù)危機(jī)發(fā)生前T-1期，建立的 Logistic模型對(duì)預(yù)測(cè)樣本的判斷正確率為90.20%。

2.T-2期的Logistic回歸

輸入被ST前2年的數(shù)據(jù)，變量采用逐步進(jìn)入的方法，結(jié)果有1個(gè)變量進(jìn)入模型。進(jìn)入模型能夠用來(lái)預(yù)測(cè)T-2期公司是否陷入財(cái)務(wù)困境的指標(biāo)為：經(jīng)營(yíng)現(xiàn)金流量比率（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~/流動(dòng)負(fù)債），回歸結(jié)果如表20所示。變量的系數(shù)顯著。

表20 T-2期Logistic回歸估計(jì)結(jié)果

由表20即得到Logistic模型的判別方程為:

現(xiàn)金流量比率反映了企業(yè)的償債能力，所以針對(duì)T-2期，企業(yè)的償債能力仍然是進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)的重要因素。模型的擬合優(yōu)度如表21，模型的cox&Snell R Square和Nagelkerke R Squar統(tǒng)計(jì)量分別為0.104和0.139，說(shuō)明擬合效果一般。

表21 T-2期擬合優(yōu)度檢驗(yàn)表

根據(jù)回歸所得的Logistic方程，對(duì)ST前兩年的原始數(shù)據(jù)進(jìn)行回代判定，結(jié)果見(jiàn)表22:a.The cut value is.500

表22 Logistic回歸模型在ST前2年的判定結(jié)果a

計(jì)算的結(jié)果顯示，在財(cái)務(wù)危機(jī)發(fā)生前T-2期，建立的 Logistic模型對(duì)預(yù)測(cè)樣本的判斷正確率為76.10%。

3.T-3期的Logistic回歸

輸入被ST前3年的數(shù)據(jù)，變量采用逐步進(jìn)入的方法，結(jié)果有4個(gè)變量進(jìn)入模型。進(jìn)入模型能夠用來(lái)預(yù)測(cè)T-3期公司是否陷入財(cái)務(wù)困境的指標(biāo)為：經(jīng)營(yíng)現(xiàn)金流量負(fù)債比（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~/負(fù)債總額）、經(jīng)營(yíng)現(xiàn)金流量比率（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~/流動(dòng)負(fù)債）、盈余現(xiàn)金保障倍數(shù)（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~/凈利潤(rùn)）和經(jīng)營(yíng)指數(shù)（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~／營(yíng)業(yè)利潤(rùn)），回歸結(jié)果如表23所示。

表23 T-3期Logistic回歸估計(jì)結(jié)果

由表23即得到Logistic模型的判別方程為:

P=1/[1+e-(-0.171+11.959現(xiàn)金流量負(fù)債比-6.173現(xiàn)金流量比率-0.137盈余現(xiàn)金保障倍數(shù)+0.133經(jīng)營(yíng)指數(shù))] (3)

現(xiàn)金流量負(fù)債比、現(xiàn)金流量比率反映了企業(yè)的償債能力，盈余現(xiàn)金保障倍數(shù)和經(jīng)營(yíng)指數(shù)反映了企業(yè)的盈利質(zhì)量。因此對(duì)于T-3期，償債能力和盈利質(zhì)量是公司財(cái)務(wù)危機(jī)預(yù)測(cè)的重要方面。報(bào)表信息使用者可以根據(jù)上述判別方程，對(duì)所研究公司是否陷入財(cái)務(wù)困境進(jìn)行判斷，根據(jù)前述判別規(guī)則，計(jì)算概率大于0.5則界定公司存在財(cái)務(wù)危機(jī)，低于0.5則界定為非財(cái)務(wù)危機(jī)公司。

模型的擬合優(yōu)度如表24，模型的cox&Snell R Square和Nagelkerke R Squar統(tǒng)計(jì)量分別為0.244和0.379，說(shuō)明擬合效果一般。

表24 T-3期擬合優(yōu)度檢驗(yàn)表

根據(jù)回歸所得的Logistic方程，對(duì)T-3年的原始數(shù)據(jù)進(jìn)行回代驗(yàn)證，見(jiàn)表25。結(jié)果顯示，在財(cái)務(wù)危機(jī)發(fā)生的T-3期，建立的 Logistic模型對(duì)預(yù)測(cè)樣本的判斷正確率為74.90%。

表25 Logistic回歸模型在ST前3年的判定結(jié)果a

4.T-4期的Logistic回歸

輸入第T-4年的數(shù)據(jù)，變量采用逐步進(jìn)入的方法，結(jié)果有2個(gè)變量進(jìn)入模型。進(jìn)入模型能夠用來(lái)預(yù)測(cè)T-4期公司是否陷入財(cái)務(wù)困境的指標(biāo)為：全部資產(chǎn)現(xiàn)金回收率（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~／總資產(chǎn)）和盈余現(xiàn)金保障倍數(shù)（經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~/凈利潤(rùn)），回歸結(jié)果如表26所示，變量的系數(shù)顯著。

表26 T-4期Logistic回歸估計(jì)結(jié)果

由表26即得到Logistic模型的判別方程為：

P=1/[1+e-(-0.801+21.115全部資產(chǎn)現(xiàn)金回收率-0.040盈余現(xiàn)金保障倍數(shù))] (4)

全部資產(chǎn)現(xiàn)金回收率、盈余現(xiàn)金保障倍數(shù)分別反映了企業(yè)的盈利能力和收益質(zhì)量，所以針對(duì)T-4期，企業(yè)的盈利能力和收益質(zhì)量是進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)的重要因素。

報(bào)表信息使用者可以根據(jù)上述判別方程，對(duì)所研究公司是否陷入財(cái)務(wù)困境進(jìn)行判斷，根據(jù)前述判別規(guī)則，計(jì)算概率大于0.5則界定公司存在財(cái)務(wù)危機(jī)，低于0.5則界定為非財(cái)務(wù)危機(jī)公司。

模型的擬合優(yōu)度如表27，模型的cox&Snell R Square和Nagelkerke R Squar統(tǒng)計(jì)量分別為0.324和0.395，說(shuō)明擬合效果一般。

表27 T-4期擬合優(yōu)度檢驗(yàn)表

根據(jù)回歸所得的Logistic方程，對(duì)ST前4年的原始數(shù)據(jù)進(jìn)行回代判定，結(jié)果見(jiàn)表28：

計(jì)算的結(jié)果顯示，在財(cái)務(wù)危機(jī)發(fā)生前T-4期，建立的 Logistic模型對(duì)預(yù)測(cè)樣本的判斷正確率為68.80%。

表28 Logistic回歸模型在ST前4年的判定結(jié)果a

三、結(jié)論

綜上所述，被ST前4年中模型預(yù)測(cè)的正確率逐年下降，其中第T-2年和第T-3年的預(yù)測(cè)正確率相差不大。第T-1年和第T-2年的預(yù)測(cè)指標(biāo)均為反映償債能力的財(cái)務(wù)指標(biāo)；而T-3年的預(yù)測(cè)指標(biāo)中除了反映償債能力的財(cái)務(wù)指標(biāo)外，還加入了反映收益質(zhì)量的相關(guān)指標(biāo)，即在ST前第3年的收益質(zhì)量也會(huì)對(duì)公司將來(lái)是否會(huì)陷入財(cái)務(wù)危機(jī)產(chǎn)生影響。T-4年的財(cái)務(wù)危機(jī)預(yù)警模型中包含了反映盈利能力和收益質(zhì)量的兩類指標(biāo)，即在ST前第4年的盈利能力和收益質(zhì)量也會(huì)對(duì)公司將來(lái)是否會(huì)陷入財(cái)務(wù)危機(jī)產(chǎn)生影響。

[1]Aziz,Abdul,and Gerald H.Lawson.Cash Flow Reporing and Financial Distress Models:Testing of Hypothesis[J].Financial Management,1989(18):55—63.

[2]Setven M.Fazzari,R.Glenn Hubbard,Burce C.Petesren.Investment-Cash Flow Sensitivities Are Useful.A Comment on Kaplan and Zingales.Journal of Economics,2000(5):695-705.

[3]甘愛(ài)平,柳亮,陳可楨.航運(yùn)上市公司財(cái)務(wù)預(yù)警Logistic分析[J].上海海事大學(xué)學(xué)報(bào),2014(3):65一68.

[4]梁美建,閆蔚.企業(yè)財(cái)務(wù)預(yù)警的國(guó)內(nèi)外研究綜述[J].財(cái)會(huì)月刊,2014(6):105—107.

[5]徐凌,趙程,毛興麗.基于現(xiàn)金流和EVA指標(biāo)構(gòu)建公司財(cái)務(wù)預(yù)警模型[J].財(cái)會(huì)月刊，2014(4):34一37.

[6]萬(wàn)宇詢,陳波,胡巍.會(huì)計(jì)盈余、現(xiàn)金流量的價(jià)值相關(guān)性實(shí)證研究[J].財(cái)務(wù)理論與實(shí)踐,2007(5):57一62.

[7]王阿靚,徐興桃.財(cái)務(wù)預(yù)警模型效果實(shí)證研究[J].財(cái)會(huì)通訊,2014(6):108—110.

[8]萬(wàn)宇詢，陳波，胡巍.會(huì)計(jì)盈余、現(xiàn)金流量的價(jià)值相關(guān)性實(shí)證研究[J].財(cái)務(wù)理論與實(shí)踐,2007(5):57一62.