機(jī)構(gòu)投資者持股對(duì)上市公司財(cái)務(wù)失敗預(yù)警的影響研究

李應(yīng)求，曾 楊，劉 偉

（1.2.長(zhǎng)沙理工大學(xué)，湖南 長(zhǎng)沙 410114；3.湖南大學(xué)，湖南 長(zhǎng)沙 410082）

機(jī)構(gòu)投資者持股對(duì)上市公司財(cái)務(wù)失敗預(yù)警的影響研究

李應(yīng)求1，曾 楊2，劉 偉3

（1.2.長(zhǎng)沙理工大學(xué)，湖南 長(zhǎng)沙 410114；3.湖南大學(xué)，湖南 長(zhǎng)沙 410082）

基于2003年1月至2016年5月我國(guó)A股連續(xù)兩年財(cái)務(wù)虧損的上市公司樣本，實(shí)證研究機(jī)構(gòu)投資者持股對(duì)上市公司財(cái)務(wù)失敗模型預(yù)警能力的影響，其結(jié)果顯示：機(jī)構(gòu)投資者持股與上市公司財(cái)務(wù)失敗呈負(fù)相關(guān)關(guān)系，即機(jī)構(gòu)投資者持股占比越高，公司財(cái)務(wù)失敗的可能性越小。同時(shí)也發(fā)現(xiàn)加入機(jī)構(gòu)投資者持股變量后模型的預(yù)警能力得到了進(jìn)一步提高。研究結(jié)論對(duì)上市公司內(nèi)部的風(fēng)險(xiǎn)管理具有一定的指導(dǎo)意義。

機(jī)構(gòu)投資者持股；財(cái)務(wù)失??；預(yù)警；Logistic模型

一、引言

迄今為止，在滬深交易所上市的A股公司已達(dá)兩千多家，它們影響著國(guó)內(nèi)的經(jīng)濟(jì)發(fā)展。但是，每年依然有一系列公司因各種各樣的原因發(fā)生財(cái)務(wù)危機(jī)而遭到特殊處理。上市公司的財(cái)務(wù)情況一旦出現(xiàn)問(wèn)題，不僅會(huì)影響公司的正常運(yùn)營(yíng)，而且還會(huì)讓投資者蒙受巨大損失，尤其會(huì)給機(jī)構(gòu)投資者帶來(lái)嚴(yán)重?fù)p失。上市公司財(cái)務(wù)的正常預(yù)示著我國(guó)證券市場(chǎng)的健康發(fā)展。那么，如何在財(cái)務(wù)危機(jī)發(fā)生前及時(shí)預(yù)警呢？

財(cái)務(wù)失敗又稱為財(cái)務(wù)危機(jī)，財(cái)務(wù)失敗的預(yù)警研究對(duì)于公司的風(fēng)險(xiǎn)管理與控制以及投資者的投資決策有著重要的意義。財(cái)務(wù)失敗預(yù)警模型的研究起源于二十世紀(jì)三十年代。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)公司財(cái)務(wù)失敗預(yù)測(cè)做了諸多研究，而且財(cái)務(wù)失敗預(yù)測(cè)模型已應(yīng)用于公司風(fēng)險(xiǎn)管理評(píng)估、銀行信貸管理等中。

關(guān)于公司財(cái)務(wù)失敗預(yù)警的研究大體從以下兩個(gè)方面展開(kāi)：一方面從研究方法上進(jìn)行分析，另一方面從變量選取的拓展進(jìn)行分析。

Fitzpatrick（1932）[1]首先運(yùn)用單變量分析法對(duì)公司破產(chǎn)進(jìn)行預(yù)測(cè)研究。該方法為后來(lái)學(xué)者研究公司財(cái)務(wù)失敗預(yù)警奠定了基礎(chǔ)。Altman（1968）[2]運(yùn)用多元判定分析法進(jìn)行財(cái)務(wù)失敗預(yù)測(cè)研究，極大程度的提高了模型的預(yù)警能力。在多元判定分析法的基礎(chǔ)上，Altman（1977）[3]提出了ZETA信用風(fēng)險(xiǎn)模型，該模型更能準(zhǔn)確的預(yù)測(cè)公司的財(cái)務(wù)失敗。Ohlson（1980）[4]運(yùn)用Logistic回歸模型來(lái)預(yù)測(cè)公司財(cái)務(wù)失敗概率。該模型較于之前的方法，運(yùn)用范圍更為廣泛。鮮文擇和向銳（2007）[5]構(gòu)建了混合Logistic模型研究財(cái)務(wù)困境預(yù)測(cè)，研究結(jié)果表明該模型在模型擬合度和預(yù)測(cè)準(zhǔn)確度上均優(yōu)于標(biāo)準(zhǔn)Logistic模型。伴隨著學(xué)者對(duì)財(cái)務(wù)預(yù)警不斷地研究探索，人們不斷創(chuàng)新，把生物醫(yī)學(xué)方面的知識(shí)廣泛應(yīng)用于對(duì)財(cái)務(wù)失敗預(yù)測(cè)的研究中來(lái)。譬如，人工神經(jīng)網(wǎng)絡(luò)模型、遺傳算法模型等。

隨著人們對(duì)財(cái)務(wù)失敗預(yù)測(cè)研究的不斷深入，研究者已不局限于從財(cái)務(wù)指標(biāo)的角度考察公司財(cái)務(wù)失敗預(yù)警，更是把非財(cái)務(wù)指標(biāo)運(yùn)用到財(cái)務(wù)失敗預(yù)警研究上。章之旺（2004）[6]以2003-2004年60家財(cái)務(wù)困境公司和120家非財(cái)務(wù)困境公司為樣本，采用單變量和多變量的Logistic回歸模型對(duì)這些樣本的ROA、籌資性現(xiàn)金流量、營(yíng)運(yùn)資本/總資產(chǎn)、經(jīng)營(yíng)性現(xiàn)金流量、流動(dòng)比率、長(zhǎng)期負(fù)債/股東權(quán)益、投資性現(xiàn)金流量、資產(chǎn)周轉(zhuǎn)率一系列財(cái)務(wù)變量進(jìn)行分析，結(jié)果表明現(xiàn)金流量表對(duì)公司研究財(cái)務(wù)危機(jī)具有重要的價(jià)值。姜紅珍和張明燕（2005）[7]通過(guò)對(duì)我國(guó)企業(yè)財(cái)務(wù)危機(jī)現(xiàn)狀進(jìn)行分析，發(fā)現(xiàn)企業(yè)治理結(jié)構(gòu)可能導(dǎo)致我國(guó)企業(yè)財(cái)務(wù)危機(jī)。曹德芳和夏好琴（2005）[8]將公司股權(quán)變量引入到財(cái)務(wù)危機(jī)預(yù)警模型中，通過(guò)Logit模型、主成分判別模型以及Fisher判別分析，發(fā)現(xiàn)部分股權(quán)機(jī)構(gòu)變量與公司財(cái)務(wù)危機(jī)息息相關(guān)，而且加入股權(quán)變量后的模型預(yù)測(cè)效果更佳。Abdullah（2006）[9]通過(guò)分析董事會(huì)的獨(dú)立性、董事長(zhǎng)與總經(jīng)理兩職合一以及所有權(quán)結(jié)構(gòu)三個(gè)變量對(duì)公司財(cái)務(wù)失敗的影響，研究表明大股東與公司財(cái)務(wù)失敗呈負(fù)相關(guān)關(guān)系。王艷寧（2012）[10]的研究指出，在企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)模型中引入非財(cái)務(wù)指標(biāo)，能夠提高模型的預(yù)警價(jià)值。梁琪等（2014）[11]通過(guò)Logistic模型對(duì)我國(guó)2005-2010年滬深兩市的中小企業(yè)的財(cái)務(wù)失敗風(fēng)險(xiǎn)進(jìn)行實(shí)證檢驗(yàn)，研究表明加入公司治理后的模型更能提高模型的預(yù)警能力。

國(guó)內(nèi)外一些關(guān)于機(jī)構(gòu)投資者的研究表明，機(jī)構(gòu)投資者對(duì)上市公司的財(cái)務(wù)活動(dòng)有一定的監(jiān)管作用。Almazan（2005）[12]研究表明持股比例高的機(jī)構(gòu)投資者積極介入公司治理，以獲取長(zhǎng)期收益。Chen等（2007）[13]研究發(fā)現(xiàn)持股比例高的機(jī)構(gòu)投資者更傾向于監(jiān)管上市公司。高雷和張杰（2008）[14]研究發(fā)現(xiàn)，機(jī)構(gòu)投資者的持股比例越高的公司，不僅其治理水平越高，而且機(jī)構(gòu)投資者能夠有效抑制管理層的盈余管理行為。陸瑤等（2012）[15]的研究表明機(jī)構(gòu)投資者對(duì)公司監(jiān)管具有積極作用。史永東和王瑾樂(lè)（2014）[16]研究表明，機(jī)構(gòu)投資者偏好財(cái)務(wù)優(yōu)良、治理有效的公司，而且這些公司的股票呈現(xiàn)低的波動(dòng)性，說(shuō)明機(jī)構(gòu)投資者能夠穩(wěn)定市場(chǎng)。

受上述國(guó)內(nèi)外學(xué)者研究成果的啟發(fā)，本文以機(jī)構(gòu)投資者持股變量為主要解釋變量，并結(jié)合財(cái)務(wù)指標(biāo)，通過(guò)Logistic回歸模型研究前者對(duì)我國(guó)A股上市公司的財(cái)務(wù)失敗預(yù)警的影響。此外，本文還從配對(duì)方法上對(duì)財(cái)務(wù)失敗預(yù)警研究進(jìn)行了完善。

本文的主要貢獻(xiàn)為以下兩方面：首先，應(yīng)用PSM配對(duì)選取了財(cái)務(wù)正常組樣本，確保了在其他條件不變的前提下，研究機(jī)構(gòu)投資者持股對(duì)公司財(cái)務(wù)失敗預(yù)警的影響；其次，探討了機(jī)構(gòu)投資者持股與上市公司財(cái)務(wù)失敗的關(guān)系。

文章其余部分的結(jié)構(gòu)安排如下：第二部分是研究方法；第三部分是數(shù)據(jù)來(lái)源、變量選取以及基本的統(tǒng)計(jì)性描述；第四部分以配對(duì)后的公司為樣本，結(jié)合其機(jī)構(gòu)投資者持股以及財(cái)務(wù)信息，通過(guò)Logistic回歸模型對(duì)我國(guó)上市公司財(cái)務(wù)失敗預(yù)警進(jìn)行了實(shí)證研究，并進(jìn)行了穩(wěn)健性檢驗(yàn)；第五部分歸納全文。

二、研究方法

（一）PPSSMM方法

PSM（Propensity Score Matching） 方 法 是Rosembaum和Rubin[17]在1983年提出的，其含義是個(gè)體在其自身特定屬性下接受某種干預(yù)的可能性，在本文中含義是每支股票財(cái)務(wù)失敗或財(cái)務(wù)正常的概率。本文按照公司是否財(cái)務(wù)正常，將所有公司分為兩大類：處理組——財(cái)務(wù)失敗的上市公司；對(duì)照組——財(cái)務(wù)正常的上市公司。本文的匹配原理是，在對(duì)照組中尋找一個(gè)與處理組盡可能相同的公司，這也就要求本文盡可能的控制選擇性偏倚以及混合偏倚（即內(nèi)生性問(wèn)題），這樣我們才能較為精確的估計(jì)出機(jī)構(gòu)投資者持股變量對(duì)公司財(cái)務(wù)失敗預(yù)警的影響。匹配過(guò)程是PSM方法的核心環(huán)節(jié)，其實(shí)質(zhì)上是一個(gè)降維的過(guò)程，它根據(jù)最大配對(duì)原則到對(duì)照組中尋找一個(gè)最佳對(duì)象，簡(jiǎn)化維數(shù)。本文的目的是使得配對(duì)成功的財(cái)務(wù)正常公司和財(cái)務(wù)失敗公司在各個(gè)維度（匹配變量）上的特征都盡量相同。

PSM匹配步驟為：首先通過(guò)Logistic回歸得出傾向值，然后通過(guò)最近鄰匹配得出最佳對(duì)照組。

本文借鑒Huang等（2013）[18]的做法，運(yùn)用考察年間的中國(guó)A股上市公司為樣本，以是否發(fā)生財(cái)務(wù)失敗的0-1啞變量為因變量，分年度和行業(yè)對(duì)公司的總資產(chǎn)規(guī)模（lg_zcgm）、股東權(quán)益（gdqy）、總資產(chǎn)利潤(rùn)率（zzclyr）、市盈率（syr）和資產(chǎn)負(fù)債（zcfzr）做Logistic回歸，根據(jù)回歸系數(shù)計(jì)算出每個(gè)公司在該行業(yè)該年度的財(cái)務(wù)失敗的傾向得分（PS），然后采取最近鄰匹配法為每家財(cái)務(wù)失敗的公司尋找一個(gè)與財(cái)務(wù)失敗傾向得分最接近但又財(cái)務(wù)正常的公司進(jìn)行配對(duì)。

（二）Logistic回歸tic

Logistic模型（邏輯回歸）是最早的離散選擇模型，該模型的優(yōu)點(diǎn)在于其不僅可以進(jìn)行樣本內(nèi)預(yù)測(cè)，還可以進(jìn)行樣本外預(yù)測(cè)。該模型已被廣泛應(yīng)用于經(jīng)濟(jì)研究中。

Logistic回歸模型為非線性回歸模型，其反應(yīng)函數(shù)之概率值落于0到1之間，方便對(duì)本文的結(jié)果作解釋。在公司財(cái)務(wù)失敗的判定與預(yù)測(cè)中，Logistic模型如下：

Yi表示第i家公司是否財(cái)務(wù)失敗，i=0或1，Yi=0表示上市公司財(cái)務(wù)正常；Yi=1表示上市公司連續(xù)兩年虧損，出現(xiàn)財(cái)務(wù)失敗。Xki表示第i家公司第k個(gè)財(cái)務(wù)比率，Pi表示根據(jù)Logistic回歸模型估計(jì)出來(lái)的第i家上市公司財(cái)務(wù)失敗可能發(fā)生的概率。

本文的實(shí)證研究采用SAS、STATA等軟件作為統(tǒng)計(jì)分析軟件。

三、數(shù)據(jù)來(lái)源、變量選擇與數(shù)據(jù)描述

（一）數(shù)據(jù)來(lái)源

本文選取2003年1月-2016年5月被實(shí)施特別處理（ST）的全部上市公司作為財(cái)務(wù)失敗樣本。樣本的所有數(shù)據(jù)均來(lái)源于WIND數(shù)據(jù)庫(kù)。本文選取的樣本開(kāi)始時(shí)間為2003年，最主要的原因是WIND數(shù)據(jù)庫(kù)中機(jī)構(gòu)投資者持股數(shù)據(jù)的最早年份是2000年；其次，證監(jiān)會(huì)于2000年提出發(fā)展機(jī)構(gòu)投資者。本文按照以下原則篩選樣本：（1）剔除樣本期間信息缺失的公司；（2）只保留連續(xù)兩年虧損的ST公司。最終得到2003年1月-2016年5月深滬交易所總計(jì)512家A股上市公司為財(cái)務(wù)失敗樣本。本文以上市公司被ST的前三年的數(shù)據(jù)作為財(cái)務(wù)失敗的起點(diǎn)，這是因?yàn)橐延醒芯勘砻鞑捎秘?cái)務(wù)失敗前一年的數(shù)據(jù)進(jìn)行建模分析，會(huì)提高模型的準(zhǔn)確率。(陳靜，1999[19]；姜國(guó)華和王漢生，2004[20]等。)也就是說(shuō)，如果一家公司在x年被ST，則采用（x-3）年的數(shù)據(jù)進(jìn)行建模。

配對(duì)樣本來(lái)源于樣本期內(nèi)從未被ST的上市公司。已有研究通常采用公司的行業(yè)分類或資產(chǎn)規(guī)模作為匹配標(biāo)準(zhǔn)（Armsrtong等，2010[21]），但這種一維特征變量匹配容易產(chǎn)生樣本錯(cuò)配問(wèn)題。因此，本文引入PSM，從總資產(chǎn)規(guī)模、股東權(quán)益、總資產(chǎn)凈利潤(rùn)率、市盈率和資產(chǎn)負(fù)債比五維特征變量的角度，并在同一年以及同一行業(yè)內(nèi)對(duì)樣本期內(nèi)的財(cái)務(wù)失敗樣本進(jìn)行1∶1配對(duì)。經(jīng)PSM后共得到A股樣本1024個(gè)，并按3∶1的比例隨機(jī)選取768家公司作為估計(jì)樣本，用來(lái)構(gòu)建模型，剩下的256家作為驗(yàn)證樣本，用來(lái)檢驗(yàn)?zāi)Ｐ汀?/p>

（二）變量選擇

1.財(cái)務(wù)變量

本文引入0-1啞變量，0表示公司財(cái)務(wù)正常，1表示公司財(cái)務(wù)失敗。在財(cái)務(wù)變量的基礎(chǔ)上研究機(jī)構(gòu)投資者持股對(duì)公司財(cái)務(wù)失敗預(yù)警的影響。在參考已有文獻(xiàn)（吳世農(nóng)和盧賢義，2001[22]；梁琪等，2014[11]）的基礎(chǔ)上，本文考慮了凈利潤(rùn)增長(zhǎng)率、總資產(chǎn)周轉(zhuǎn)率、速動(dòng)比率等在內(nèi)的22個(gè)財(cái)務(wù)比率指標(biāo)，這些指標(biāo)反映了上市公司的發(fā)展能力、公司規(guī)模、債償能力、盈利能力和營(yíng)運(yùn)能力。

2.機(jī)構(gòu)投資者持股變量

正如本文之前所提到的，機(jī)構(gòu)投資者對(duì)上市公司的監(jiān)管起到一定的作用。因此，本文從機(jī)構(gòu)投資者持股的角度考察對(duì)上市公司財(cái)務(wù)失敗預(yù)警的影響。

表1是參考了已有文獻(xiàn)和考慮了我國(guó)上市公司特色的基礎(chǔ)上對(duì)樣本公司所選指標(biāo)進(jìn)行名稱和符號(hào)說(shuō)明的綜合表。

表1 模型選取的指標(biāo)

（三）樣本描述

為了對(duì)我國(guó)上市公司財(cái)務(wù)失敗的分布情況進(jìn)行全面的了解，本文分別從失敗樣本的年度分布、行業(yè)分布出發(fā)，分析了上市公司財(cái)務(wù)失敗樣本的分布情況。

1.上市公司財(cái)務(wù)失敗樣本的年分布分析

我們對(duì)512家財(cái)務(wù)失敗的上市公司按年份進(jìn)行了統(tǒng)計(jì)（具體見(jiàn)表2）。研究發(fā)現(xiàn)，從年份來(lái)看，截至2016年5月，2003年50家、2006年60家、2007年59家、2015年41家、2016年57家，五年的財(cái)務(wù)失敗公司占總財(cái)務(wù)失敗公司的52.15%，而2011年僅有15家公司財(cái)務(wù)失敗，2013年也只有21家，每年財(cái)務(wù)失敗的上市公司數(shù)量上存在差異。98年以來(lái)，證監(jiān)會(huì)出臺(tái)的一系類政策加上客觀因素（環(huán)境、經(jīng)濟(jì)等），使得每年都有公司因財(cái)務(wù)失敗而被特別處理。2002年以來(lái)，非國(guó)有企業(yè)的上市以及國(guó)有協(xié)議轉(zhuǎn)讓合法化，使得法人股比重日趨上升，國(guó)有股比例下降。已有研究表明（陳新桂，2007）[23]，法人股持股比例高的公司容易導(dǎo)致財(cái)務(wù)失敗。此外，2002年底的“非典”，2008年底的經(jīng)濟(jì)全球危機(jī)，2015年的A股市場(chǎng)的震蕩，等等這一系列的原因，都導(dǎo)致了財(cái)務(wù)失敗公司的增加。

表2 失敗樣本的年分布

2.上市公司財(cái)務(wù)失敗樣本的行業(yè)分布分析

表3為財(cái)務(wù)失敗公司的行業(yè)分布統(tǒng)計(jì)。從表中可以看出，截至2016年5月，隸屬工業(yè)行業(yè)的上市公司財(cái)務(wù)失敗的有327家，占全行業(yè)的63.9%。自工業(yè)革命后，國(guó)家就把發(fā)展工業(yè)作為首要地位。但是，發(fā)展工業(yè)存在的問(wèn)題是，運(yùn)輸量大、環(huán)境污染大。作為環(huán)境污染源頭大的工業(yè)，所面臨的社會(huì)各界的監(jiān)管也是更為嚴(yán)格。進(jìn)而，在這一行業(yè)發(fā)生財(cái)務(wù)困境的機(jī)率遠(yuǎn)遠(yuǎn)高于其他行業(yè)。

表3 失敗樣本的行業(yè)分布

3.估計(jì)樣本的描述性統(tǒng)計(jì)分析

本文按照五維特征變量配對(duì)后給出了估計(jì)樣本的財(cái)務(wù)比率以及機(jī)構(gòu)投資者持股統(tǒng)計(jì)量。通過(guò)對(duì)財(cái)務(wù)正常樣本以及財(cái)務(wù)失敗樣本中各指標(biāo)均值的差異進(jìn)行T檢驗(yàn)，來(lái)檢驗(yàn)兩組樣本之間是否存在顯著性差異。具體分析見(jiàn)表4。

表4 各指標(biāo)的描述性統(tǒng)計(jì)

從表4的描述性統(tǒng)計(jì)表中的均值可以看出，財(cái)務(wù)正常與財(cái)務(wù)失敗的樣本公司中有許多變量存在很大差異，例如應(yīng)收賬款周轉(zhuǎn)率、凈利潤(rùn)周轉(zhuǎn)率、市盈率等。而有些變量則差異較小，如總資產(chǎn)周轉(zhuǎn)率、流動(dòng)負(fù)債比、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~負(fù)債比等。而從T檢驗(yàn)的結(jié)果可以看出，利息保障倍數(shù)、總資產(chǎn)利潤(rùn)率、現(xiàn)金比率、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~負(fù)債比、總資產(chǎn)周轉(zhuǎn)率等16個(gè)變量的顯著性水平均低于0.1，說(shuō)明它們的均值之間存在顯著差異，因而對(duì)財(cái)務(wù)失敗、財(cái)務(wù)正常樣本的解釋能力強(qiáng)。

四、實(shí)證研究結(jié)果與分析

在估計(jì)模型參數(shù)前，我們首先對(duì)財(cái)務(wù)失敗和財(cái)務(wù)正常樣本的所有財(cái)務(wù)比率進(jìn)行了統(tǒng)計(jì)分析，結(jié)果發(fā)現(xiàn)多個(gè)財(cái)務(wù)比率間存在較強(qiáng)相關(guān)性。因此，消除財(cái)務(wù)比率變量間的多元共線性是極其必要的。根據(jù)逐步回歸法，篩選出總資產(chǎn)周轉(zhuǎn)率、每股凈資產(chǎn)、利息保障倍數(shù)、現(xiàn)金比率以及現(xiàn)金流量?jī)纛~流動(dòng)負(fù)債比五個(gè)財(cái)務(wù)比率變量。

（一）財(cái)務(wù)指標(biāo)預(yù)警模型

首先對(duì)估計(jì)樣本進(jìn)行Logistic逐步回歸，得到僅包含財(cái)務(wù)比率指標(biāo)的模型I。為考察機(jī)構(gòu)投資者持股對(duì)財(cái)務(wù)失敗的預(yù)警作用，我們?cè)谀Ｐ虸的基礎(chǔ)上加上機(jī)構(gòu)投資者持股變量得到模型II。表5給出了這兩個(gè)模型的估計(jì)結(jié)果：

表5 模型估計(jì)

在僅考慮財(cái)務(wù)比率變量的模型I中，總資產(chǎn)周轉(zhuǎn)率（zzczjr）、每股凈資產(chǎn)（mgjzc）、利息保障倍數(shù)（lxbzbs）、現(xiàn)金比率（xjbr）以及現(xiàn)金流量?jī)纛~流動(dòng)負(fù)債比（xjldfzr）五個(gè)財(cái)務(wù)比率進(jìn)入模型中，且都通過(guò)了10%水平下的顯著性檢驗(yàn)。以上五個(gè)財(cái)務(wù)比率的系數(shù)均為負(fù)，這表明它們與財(cái)務(wù)失敗間存在負(fù)相關(guān)關(guān)系。zzczjr是衡量企業(yè)資產(chǎn)經(jīng)營(yíng)的重要指標(biāo)，反映出企業(yè)總資產(chǎn)的利用效率，該指標(biāo)越大，說(shuō)明公司總資產(chǎn)的利用效率越高，公司越不易發(fā)生財(cái)務(wù)失敗。mgjzc反映每股股票所擁有的凈資產(chǎn)值，該值越大，說(shuō)明該公司的成長(zhǎng)能力及其股票的投資價(jià)值越大，投資者所要承擔(dān)的投資風(fēng)險(xiǎn)越小，公司發(fā)生財(cái)務(wù)失敗的概率越低。lxbzbs衡量的是公司支付負(fù)債利息的能力，該指標(biāo)值越大，說(shuō)明公司有足夠的能力支付利息，也即公司面臨虧損的風(fēng)險(xiǎn)降低。xjbr衡量的是公司資產(chǎn)的流動(dòng)性，該比率越大，說(shuō)明公司現(xiàn)金流動(dòng)越快，公司資產(chǎn)得到合理的使用，公司不易發(fā)生財(cái)務(wù)失敗。xjldfzr反映公司規(guī)定時(shí)期內(nèi)的償還債務(wù)的能力，該值越大說(shuō)明公司按期償還債務(wù)的能力強(qiáng)，公司發(fā)生財(cái)務(wù)失敗的概率性越低。

進(jìn)一步加入機(jī)構(gòu)投資者持股變量后的模型II回歸結(jié)果顯示，機(jī)構(gòu)投資者持股（instratio）加入模型后，變量都通過(guò)了10%的顯著性檢驗(yàn)。機(jī)構(gòu)投資者持股變量的系數(shù)為負(fù)值，說(shuō)明它與財(cái)務(wù)失敗之間呈現(xiàn)負(fù)相關(guān)關(guān)系。機(jī)構(gòu)投資者持股比例越高，表明公司失敗的可能性越低。這是因?yàn)椋阂环矫?，這是由機(jī)構(gòu)投資者自身的性質(zhì)決定的。它加入到公司中來(lái)，關(guān)心的是投資回報(bào)率，能加強(qiáng)公司運(yùn)營(yíng)的的監(jiān)督；另一方面，機(jī)構(gòu)投資者的投資行為收到社會(huì)多方面的監(jiān)管，為了維護(hù)自身的聲譽(yù)，在對(duì)公司的日常經(jīng)營(yíng)也起到一定的監(jiān)管作用。

（二）模型的預(yù)警能力

本文進(jìn)一步檢驗(yàn)了模型的財(cái)務(wù)失敗預(yù)警結(jié)果。從表6中可以看出，模型I對(duì)估計(jì)樣本的總體判別準(zhǔn)確率為69.54%。加入機(jī)構(gòu)投資者持股后的模型II的估計(jì)樣本的總體判別準(zhǔn)確率為72.59%，略高于模型I。驗(yàn)證樣本的模型II的總體判別準(zhǔn)確率同樣略高于模型I，這說(shuō)明了機(jī)構(gòu)投資者持股的加入提高了模型的預(yù)警能力，表明機(jī)構(gòu)投資者指標(biāo)也具有顯著地預(yù)警作用，它是對(duì)財(cái)務(wù)指標(biāo)的有益補(bǔ)充。

表6 模型的預(yù)警結(jié)果

另外，參照文獻(xiàn)Mok等（2010）[24]和梁琪等（2014）[11]，本文還應(yīng)用隨機(jī)效應(yīng)Logistic模型進(jìn)行了分析，回歸結(jié)果顯示加入機(jī)構(gòu)持股變量后，模型的預(yù)警能力得到了提高。由于篇幅限制，這里沒(méi)有列出結(jié)果。

（三）穩(wěn)健性檢驗(yàn)

參照文獻(xiàn)淦未宇等（2015），本文利用PSM方法對(duì)樣本進(jìn)行了1∶2匹配。經(jīng)配對(duì)后共獲得1536家樣本公司，我們按3∶1的比例對(duì)樣本進(jìn)行樣本外預(yù)測(cè)。同樣對(duì)估計(jì)樣本進(jìn)行Logistic逐步回歸，得到僅包含財(cái)務(wù)比率指標(biāo)的模型I。為考察機(jī)構(gòu)投資者持股對(duì)財(cái)務(wù)失敗的預(yù)警作用，我們?cè)谀Ｐ虸的基礎(chǔ)上加上機(jī)構(gòu)投資者持股變量得到模型II。表7給出了這些模型的估計(jì)結(jié)果。

表7 模型回歸結(jié)果

從表7中的結(jié)果亦表明機(jī)構(gòu)投資者持股與公司財(cái)務(wù)失敗呈負(fù)相關(guān)關(guān)系。進(jìn)一步檢驗(yàn)了模型的財(cái)務(wù)失敗預(yù)警結(jié)果。從表8中可以看出：加入機(jī)構(gòu)投資者持股變量后模型的預(yù)測(cè)效果均得到提升。

表8 模型的預(yù)警結(jié)果

五、結(jié)論

本文探討了機(jī)構(gòu)投資者持股對(duì)上市公司財(cái)務(wù)失敗預(yù)警的影響。在運(yùn)用PSM方法對(duì)樣本進(jìn)行1∶1匹配選取的基礎(chǔ)上，本文通過(guò)Logistic回歸模型對(duì)樣本進(jìn)行樣本外預(yù)測(cè)來(lái)探討機(jī)構(gòu)投資者持股對(duì)公司財(cái)務(wù)失敗預(yù)警的影響。實(shí)證結(jié)果表明，在財(cái)務(wù)比率的基礎(chǔ)上加入機(jī)構(gòu)投資者持股變量能提高公司財(cái)務(wù)失敗預(yù)警模型的準(zhǔn)確性。在穩(wěn)健性檢驗(yàn)中，對(duì)樣本進(jìn)行了1∶2匹配選取，同樣進(jìn)行了Logistic回歸模型檢驗(yàn)，結(jié)果表明本文的研究發(fā)現(xiàn)是穩(wěn)定的。本文的研究成果為投資者以及管理階層對(duì)上市公司進(jìn)行風(fēng)險(xiǎn)管理提供一定的參考依據(jù)。本文的結(jié)論有如下兩點(diǎn)啟示：（1）政府應(yīng)大力發(fā)展機(jī)構(gòu)投資者，實(shí)現(xiàn)機(jī)構(gòu)投資者的規(guī)模化；并積極引導(dǎo)機(jī)構(gòu)投資者參與公司財(cái)務(wù)監(jiān)管。（2）上市公司應(yīng)加強(qiáng)對(duì)其多項(xiàng)財(cái)務(wù)指標(biāo)的關(guān)注，通過(guò)提升其內(nèi)在價(jià)值來(lái)避免退市危機(jī)。

[1]Fitzpatrick P． A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J]．Certified Public Accountant, 1932（2）： 598-605．

[2]Altman E． Financialrations, Discrinimant Analysis and the Prediction of Corporate Bankruptcy[J]． Journal of Finance, 1968（9）： 589-609．

[3]LHaldeman A E, Narayanan P． ZETA Analysis： A New Model to Identify Bankruptcy Risk of Corporations[J]．Journal of Banking and Finance, 1977 （1）： 32-39．

[4]Ohlson J A． Financial ratios and the Probabilistic Prediction of Bankruptcy[J]． Journal of accounting research, 1980（19）： 109-131．

[5]鮮文擇，向銳．基于混合logit模型的財(cái)務(wù)圍境預(yù)側(cè)研究[J]．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007（9）：68-76．

[6]章之旺．現(xiàn)金流量在財(cái)務(wù)困境預(yù)測(cè)中的信息含量實(shí)證研究——來(lái)自2003-2004年度ST公司的新證據(jù)[J]．商業(yè)研究，2004（6）：23-28．

[7]姜紅珍，張明燕．關(guān)于企業(yè)失敗現(xiàn)狀及成因分析[J]．財(cái)會(huì)通訊，2005（4）：43-46．

[8]曹德芳，夏好琴．基于股權(quán)結(jié)構(gòu)的財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建[J]．財(cái)務(wù)管理，2005（6）：85-90．

[9]Nahar Abdullah S． Board Structure and Ownership in Malaysia： The Case of Distressed Listed Companies[J]．Corporate Governance： The international journal of business in society， 2006 （5）： 582-594．

[10]王艷寧．基于非財(cái)務(wù)視角的財(cái)務(wù)危機(jī)預(yù)警研究[J]．財(cái)會(huì)研究，2012（14）：26-28．

[11]梁琪，過(guò)新偉，石寧．基于隨機(jī)效應(yīng)logistic模型的中小企業(yè)財(cái)務(wù)失敗預(yù)警研究[J]．管理工程學(xué)報(bào)，2014（3）：126-134．

[12]Almazan A, Hartzell J C, Starks L T． Active Institutional Shareholders and Costs of Monitoring： Evidence from Executive Compensation[J]． Financial Management, 2005（4）： 5-34．

[13]Chen X, Harford J, Li K． Monitoring： Which Institutions Matter?[J]． Journal of Financial Economics, 2007 （2）：279-305．

[14]高雷，張杰．公司治理、機(jī)構(gòu)投資者與盈余管理[J]．會(huì)計(jì)研究．2008（9）：64-72．

[15]陸瑤，朱玉杰，胡曉元．機(jī)構(gòu)投資者與上市公司違規(guī)行為的實(shí)證研究[J]．南開(kāi)大學(xué)管理評(píng)論，2012（1）：13-23．

[16]史永東，王謹(jǐn)樂(lè)．中國(guó)機(jī)構(gòu)投資者真的穩(wěn)定市場(chǎng)了嗎？[J]．經(jīng)濟(jì)研究，2014（12）：100-112．

[17]Rosenbaum P R, Rubin D B． The Central Role of the Propensity Score in Observational Studies for Causal Effects[J]． Biometrica, 1983（1）： 41-55．

[18]Huang J, Kisgen D J． Gender and Corporate Finance：Are Male Executives Overcofident Relative to Female Executives[J]． Journal of Financial Economics, 2013（3）：822-839．

[19]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．

[20]姜國(guó)華，王漢生．財(cái)務(wù)報(bào)表分析與上市公司ST預(yù)測(cè)的研究[J]．審計(jì)研究，2004 （6）： 60-63．

[21]Armstrong C S, Jagolinzer A D, Larcker D F． Chief Executive Officer Equity Incentives and Accounting Irregularities[J]．Journal of Accounting Rese Arch, 2010 （2） ：225-271．

[22]吳世農(nóng)，盧賢義．我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J]．經(jīng)濟(jì)研究，2001（6）：46-53．

[23]陳新桂．財(cái)務(wù)困境上市公司治理失敗的實(shí)證研究[J]．財(cái)經(jīng)科學(xué)，2007（4）：59-65．

[24]Mok M S, Sohn S Y, Ju Y H． Random effects logistic regression model for anomaly detection[J]． Expert Systems with Applications, 2010, （10）： 7162-7166．

[25]淦未宇，徐細(xì)雄，林丁?。吖苄詣e、權(quán)力結(jié)構(gòu)與企業(yè)反倫理行為---基于上市公司違規(guī)操作PSM配對(duì)樣本的實(shí)證檢驗(yàn)[J]．外國(guó)經(jīng)濟(jì)與管理，2015（10）：18-31．

責(zé)任編輯：葉民英

F2

A

1004-3160（2017）01-0081-08

2016-11-07

2016年國(guó)家自然科學(xué)基金“隨機(jī)環(huán)境中馬氏鏈與多型分枝過(guò)程”（項(xiàng)目編號(hào)：11571052）；湖南省2016年研究生科研創(chuàng)新項(xiàng)目“機(jī)構(gòu)投資者對(duì)上市公司監(jiān)督的統(tǒng)計(jì)模型研究”（項(xiàng)目編號(hào)：CX2016B417）。

1．李應(yīng)求，男，湖南邵東人，長(zhǎng)沙理工大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院教授、博士生導(dǎo)師，主要研究方向：應(yīng)用統(tǒng)計(jì)；2．曾楊，女，湖南邵陽(yáng)人，長(zhǎng)沙理工大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院碩士研究生，主要研究方向：應(yīng)用統(tǒng)計(jì)；3．劉偉，女，湖南岳陽(yáng)人，湖南大學(xué)工商管理學(xué)院博士生，主要研究方向：市場(chǎng)微觀結(jié)構(gòu)、公司金融等。