制造業(yè)上市公司財務(wù)預(yù)警模型構(gòu)建

李海玲

制造業(yè)上市公司財務(wù)預(yù)警模型構(gòu)建

李海玲

針對制造業(yè)短期財務(wù)預(yù)警模型缺乏的現(xiàn)狀，本文以2014年數(shù)據(jù)為模型樣本，嘗試以Logistic和Fisher構(gòu)建短期財務(wù)預(yù)警模型。在此基礎(chǔ)上，以2016年公布的2015年1867家制造業(yè)上市公司數(shù)據(jù)為檢驗樣本，對模型預(yù)警能力進行檢驗。旨在為對企業(yè)管理、短期投資、或相關(guān)利益者有效辨別財務(wù)困境提供有效模型。

Logistic回歸；Fisher判別；財務(wù)預(yù)警；制造業(yè)

一、研究背景

（一）國內(nèi)外文獻綜述

國外，最早是Fitzpatrick進行財務(wù)危機單變量預(yù)警，后期研究從單變量突破到多變量。關(guān)于多變量的研究，主要有多元線性、多元邏輯、多元概率三大類模型。還有其他研究，即嘗試著對基本模型加入現(xiàn)金流量、審計意見、股權(quán)治理等新因素，期望提高財務(wù)困境預(yù)警模型準確率。

國內(nèi)研究始于上世紀八十年代，相對于國外起步較晚，可以借鑒的國外研究很多，所以國內(nèi)研究軌跡基本和國外是一致的。在此基礎(chǔ)上，以我國企業(yè)數(shù)據(jù)為樣本，國內(nèi)學者也嘗試著進行了一些有益的探索。首先，分行業(yè)進行研究。最新的文獻主要有王洪艷（2015）生物制藥業(yè)、梁飛媛（2014）機械制造業(yè)、張國政（2015）農(nóng)業(yè)、定鵬（2012）高校、邢有洪（2011）航空公司等。其次，分模型進行研究。相對于國外三大類模型，國內(nèi)偏向于研究三大類模型中的這些具體模型：Ahmna的Z值模型、Fisher判別模型、Logistic模型、網(wǎng)絡(luò)神經(jīng)模型。

（二）研究目的

縱觀國內(nèi)研究，雖然取得了重大進展，但是，還存在一定的研究空間。首先，行業(yè)方面。隨著《中國制造2025》規(guī)劃的推出，制造業(yè)備受關(guān)注。但是，對于制造業(yè)，近三年有關(guān)制造業(yè)財務(wù)預(yù)警文獻并不多。其次，模型方面。雖然有些財經(jīng)類網(wǎng)站提供上市公司Z值預(yù)警，但與公布的ST真實結(jié)果相差較大。當然，國內(nèi)許多研究表明，Logistic模型準確率相對較高。但是，對此模型，絕大部分學者選擇以年度數(shù)據(jù)進行檢驗。針對短期財務(wù)困境的預(yù)警模型還十分匱乏，不能滿足短期投資需求，故本文嘗試構(gòu)建短期財務(wù)預(yù)警模型，旨在為相關(guān)利益者有效辨別短期財務(wù)困境提供參考。

二、Logistic模型構(gòu)建

（一）樣本及指標選取

1.樣本選取

首先，樣本行業(yè)選取制造業(yè)。根據(jù)國內(nèi)外學者研究發(fā)現(xiàn)，樣本所處行業(yè)不同，財務(wù)指標呈現(xiàn)較大的差異性，因此，ST預(yù)警結(jié)合行業(yè)更加精確合理。根據(jù)我國證監(jiān)會行業(yè)統(tǒng)計，共有18個行業(yè)?？v觀各行業(yè)上市公司的數(shù)量、各行業(yè)被ST的公司數(shù)量，制造業(yè)在這兩方面都位居首位，故本文選取了2014年制造業(yè)上市公司作為模型樣本，以其2012年至2014年數(shù)據(jù)為樣本數(shù)據(jù)。其次，樣本容量大、數(shù)據(jù)新。最后，樣本配比比例多次測算。國內(nèi)外對于ST和非ST公司的配比有1:1、1:2、1:3，本文通過對1:1到1:4的幾種比例進行測算對比，發(fā)現(xiàn)1:2建模是最佳的，而且過高的配比比例會影響模型的穩(wěn)健性。對于本文選取的樣本見表1：

表1　制造業(yè)上市公司ST預(yù)警樣本選取情況　　單位：家

2.指標選取

在選取指標時，考慮到以下幾個特點：（1）獲取性。本文主要是為了構(gòu)建簡易模型，能夠通過財務(wù)指標快速地預(yù)測被ST的可能性。所以，在選取指標時，要考慮指標容易獲取。本文的指標通過新浪、同花順等財經(jīng)類網(wǎng)站均可獲取，便于決策者快速預(yù)測。（2）全面性。單項財務(wù)指標反映的能力有限，本文從6個方面選取指標作為自變量，旨在提高預(yù)警效力。（3）穩(wěn)定性。選取每種財務(wù)能力的核心指標，過多的指標進行組合建模會影響模型的穩(wěn)定性。綜上，構(gòu)成自變量的指標具體如表2所示：

表2　　預(yù)警指標選取情況

（二）Logistic模型構(gòu)建

1.正態(tài)性檢驗

本文首先對所選取的12項財務(wù)指標進行正態(tài)性檢驗，這主要通過SPSS軟件中的K-S檢驗來實現(xiàn)。從檢驗結(jié)果可知，在a=0.05的顯著水平下，只有X10的雙側(cè)顯著性0.2＞0.05，服從正態(tài)分布，其他指標均不服從正態(tài)分布。

2.顯著性檢驗

針對正態(tài)性檢驗的不同結(jié)果，選用不同的顯著性檢驗。首先，對服從正態(tài)分布的X10采用獨立樣本T檢驗，從檢驗結(jié)果可知，方差方程的Levene檢驗結(jié)果為sig.=0.001＜0.05,并且F=11.452,說明兩組方差不相等。當方差不相等時，X10雙側(cè)顯著性0.000＜0.05,說明X10在是否ST上存在顯著性差異。其次，對其他指標采用兩個獨立樣本非參數(shù)檢驗中的Mann-Whitney U檢驗，從檢驗可知，在a=0.05的顯著性水平下，只有X7的雙側(cè)顯著性0.213＞0.05，說明X7在是否ST上不存在顯著性差異。綜上，對于所有指標，只有X7沒有通過顯著性檢驗。

3.擬合度檢驗

表3　　Logistic模型分類表

表3反映利用回歸模型對原始值的預(yù)測情況。整體預(yù)測正確率為79.44%。根據(jù)國內(nèi)外相關(guān)文獻，有相當一部分研究以最低誤判率來尋找分割點。本文的分割點為0.5，如果調(diào)整分割點為0.42，則整體預(yù)測正確率為80.7%。參照現(xiàn)有的國內(nèi)外文獻，模型正確率接近80%，擬合方程的整體擬合效果是比較高的。其中，對非ST公司預(yù)測的正確為91.6%，說明模型對這個單項預(yù)測效果很好。但是，對ST公司預(yù)測的正確率為55.1%，預(yù)測正確率偏低，這主要是由于模型通過ST近三年的數(shù)據(jù)建立的，2/3的樣本距離ST（財務(wù)困境）發(fā)生的時間超過一年。較早的財務(wù)指標還不能充分反映ST公司財務(wù)困境的特點。因為財務(wù)困境是一個隨著時間逐步惡化，是一個漸進的過程。當然，本文也嘗試以年度作為控制變量建立模型，消除時間因素，但其結(jié)果與本模型準確率基本一樣，故不調(diào)整模型。

4.Logistic回歸模型構(gòu)建

根據(jù)回歸結(jié)果中方程式中的變量，通過顯著性為0.05 Wald檢驗的自變量有：X2、X3、X8，說明這3個變量對是否ST具有顯著影響，其他變量沒有通過顯著性水平。根據(jù)統(tǒng)計結(jié)果，3個變量的系數(shù)均為負，說明這3個自變量每增加一個單位，發(fā)生ST的可能性只是小于一個單位的75.4%、88.9%、47%。根據(jù)表中的相關(guān)系數(shù)，進一步得出Logistic擬合回歸方程為：

（三）Logistic模型預(yù)測

本文前面第二部分，已通過2014年ST和非ST公司為樣本建立了財務(wù)預(yù)警模型，整體準確率比較高。在此基礎(chǔ)上，為了檢驗?zāi)Ｐ皖A(yù)測能力，本文再運用此模型對制造業(yè)上市公司1867家2015年的ST與非ST情況進行預(yù)測，并與證監(jiān)會2016年公告的2015年ST結(jié)果進行對比。由于本文基于短期財務(wù)預(yù)警模型缺乏的現(xiàn)狀，預(yù)檢驗?zāi)Ｐ偷亩唐陬A(yù)測能力，所以檢驗期間選取2015年的4個期間進行短期預(yù)測，即2015年第一季、中期、第三季和年度，這四個期間分別對應(yīng)2015年被ST前9個月，6個月、3個月和0個月。列示ST前各個期間，有利于考察模型在各期間的預(yù)警準確率和變化趨勢。當然，財務(wù)報告對外公告的時間一般都比其所屬期間晚，所以，在運用此模型進行預(yù)測時，要注意ST預(yù)測期間所涵蓋的時間范疇。具體預(yù)測效果見表4。

表4　 Logistic模型2015年預(yù)測能力檢驗

從表4可以看出：首先，在預(yù)測期間準確率方面，各期間的單項和整體準確率幾乎都在80%以上，說明該模型具有很高的預(yù)測能力。有利于快速準確地把握制造業(yè)上市公司短期財務(wù)預(yù)警狀況。其次，在準確率變化趨勢方面，距離ST發(fā)生的時間越近，ST預(yù)警模型的單項與整體準確度都越高，模型預(yù)測能力更強，說明自變量可以有效地解釋及預(yù)測因變量。

三、Fisher模型構(gòu)建

對于制造業(yè)財務(wù)預(yù)警，本文也嘗試著運用Fisher判別構(gòu)建模型。運用同樣的數(shù)據(jù)，通過SPSS軟件進行分析，根據(jù)Fisher判別函數(shù)系數(shù)，構(gòu)建的ST的判別表達式表示如下：

非ST=-0.53X1+0.947X2+0.182X3-0.009X4-0.001X 6+3.284X8+1.881X9+0.235X10+0.001X11+0.164X12 -11.929

ST=-0.351X1+0.684X2+0.101X3-0.01X4+0.002X5-0.004X6+2.597X8+1.861X9+0.237X10-0.008X11-0.48X12-11.094

在此基礎(chǔ)上，再運用此表達式對2015年制造業(yè)上市公司進行預(yù)測，判斷其是否被ST，從而檢驗?zāi)Ｐ偷念A(yù)測能力。對2015年制造業(yè)上市公司1867家的4個期間進行預(yù)測，其中，各個期間數(shù)據(jù)存在披露不全的公司。剔除這些公司，對預(yù)測結(jié)果進行整理如表5所示：

從表5可以看出：首先，在預(yù)測期間準確率方面，各期間準確率都比較高，但每個期間單項和整體準確率都比Logistic模型低。其次，在準確率變化趨勢方面，距離ST發(fā)生的時間越近，ST預(yù)警模型的單項與整體準確率就越高，這與Logistic模型的預(yù)測變化趨勢是一致的。

表5　 Fisher模型2015年預(yù)測效果檢驗

四、結(jié)論

本文以2014年制造業(yè)上市公司為樣本，利用其近三年數(shù)據(jù)為樣本，以反映財務(wù)6大核心能力的12項財務(wù)指標作為預(yù)警指標，建立財務(wù)預(yù)警模型。本文運用Logistic回歸、Fisher判別兩種模型建立財務(wù)預(yù)警，并以最新的2015年數(shù)據(jù)為檢驗樣本對模型預(yù)警效果進行檢驗。檢驗結(jié)果顯示：兩種模型單項和整體準確率都比較高。而且距離ST發(fā)生的時間越近，ST預(yù)警模型的單項與整體準確度都越高。但是，相比較而言，不管是單項還是整體，Logistic模型比Fisher模型準確率更高。總之，對于短期財務(wù)預(yù)警模型比較缺乏的現(xiàn)狀，本文通過模型進行實證檢驗，旨在為對企業(yè)管理、短期投資、或相關(guān)利益者有效辨別財務(wù)困境提供有效模型。

鹽城師范學院校級品牌專業(yè)建設(shè)工程支柱項目。

[1]王宗勝.我國制造業(yè)上市公司財務(wù)困境預(yù)警分析[J].統(tǒng)計與決策,2015(3):174-177.

[2]王洪艷.生物制藥行業(yè)上市公司財務(wù)預(yù)警模型構(gòu)建[J].財會通訊,2015(19):33-36.

（作者單位：鹽城師范學院商學院）