基于創(chuàng)新視角的中小企業(yè)財務危機預警模型構建

祁新 柏廣才

【摘要】? 經濟新常態(tài)下，創(chuàng)新已經成為影響中小企業(yè)生存的關鍵因素，文章基于創(chuàng)新視角，從中小企業(yè)板選取25家財務困境企業(yè)與25家財務正常企業(yè)作為研究樣本，進行Logistic回歸分析，結果證明，引入創(chuàng)新能力指標構建的財務危機預警模型，具有更高的預測準確率。

【中圖分類號】? F275? 【文獻標識碼】? A? 【文章編號】? 1002-5812（2019）03-0044-03

一、引言

我國中小企業(yè)數(shù)量龐大，已經成為支撐我國經濟發(fā)展、承擔社會責任的重要組成部分。當前的新常態(tài)經濟強調經濟增長的質量，經濟增長從要素、投資驅動轉向科技創(chuàng)新驅動。而中小企業(yè)規(guī)模小、控制資源少的特點，決定了其在行業(yè)競爭中所處于的劣勢地位。中小企業(yè)的生存問題直接影響我國經濟、社會的穩(wěn)定。構建中小企業(yè)的財務危機預警模型，防范財務危機的發(fā)生，對保證中小企業(yè)的生存發(fā)展具有較強的現(xiàn)實意義。

財務危機預警分析包括定性分析與定量分析方法。定性分析方法主要有財務風險分析調查法、財務危機階段分析法和管理評分法，定性分析方法缺乏量化手段，依賴分析者的主觀判斷，而財務危機預警定量分析可以彌補定性分析存在的缺陷。Altman（1968）[1]選擇5個財務指標，建立Z評分模型對企業(yè)財務狀況進行預測，Z評分模型分析要求財務數(shù)據(jù)服從正態(tài)分布假設，為克服模型不足，學者們又提出了Logistic模型和神經網(wǎng)絡模型，余立凡、曾五一（2005）[2]以上市公司為研究對象，對財務指標進行因子分析，得到Logistic回歸模型，杜英、王曉華、孫洪哲（2011）[3]應用神經網(wǎng)絡對我國企業(yè)進行財務危機預警測試，都取得較高的預測精確效果。

經濟新常態(tài)背景下，創(chuàng)新已經成為影響中小企業(yè)生存發(fā)展的關鍵因素，本文的創(chuàng)新點在于，基于創(chuàng)新視角在建立Logistic財務危機預警模型中，引入反映企業(yè)創(chuàng)新能力的財務與非財務指標。

二、中小企業(yè)財務危機預警模型設計

（一）Logistic回歸法

由于財務指標與財務危機發(fā)生的概率是非線性關系，本文采用Logistic回歸模型進行中小企業(yè)財務危機預警研究。Logistic回歸函數(shù)是非線性函數(shù)模型，模型采用最大似然估計法求解參數(shù)，不要求多元正態(tài)分布和等協(xié)方差假設，自變量可以為虛擬值，中小企業(yè)財務危機預警Logistic模型形式如下：

Ln[pi/（1-pi）]=α0+α1X1i+α2X2i+…+αkXki （1）

式中，xki表示第k個財務指標，第i家中小企業(yè)，pi表示根據(jù)模型估計出第i家中小企業(yè)發(fā)生財務危機的概率，p取值范圍在（0，1）之間，當p>0.5時，判定該企業(yè)發(fā)生財務危機，p<0.5時，則判定企業(yè)財務正常。

（二）研究樣本選取與數(shù)據(jù)來源

由于我國中小企業(yè)存在財務不規(guī)范、會計信息失真的現(xiàn)象，參考國內外學者的研究方法，以中小企業(yè)板上市公司為研究對象。國內外學者對財務困境的定義存在分歧，國外學者界定財務困境為破產，而國內學者更傾向認為財務困境是企業(yè)財務狀況發(fā)生惡化。本文參照國內學者的思路，將證券市場特別處理及首次發(fā)生虧損的企業(yè)作為財務困境企業(yè)[4]。故選擇中小板非財務造假ST企業(yè)12家及2017年首次發(fā)生虧損的企業(yè)13家，作為財務困境企業(yè);按1∶1的比例從中小板企業(yè)非虧損企業(yè)中隨機選擇25家企業(yè)作為財務正常企業(yè).

構建財務危機預警模型目的是為了防范財務危機的發(fā)生，本文所分析企業(yè)財務報表數(shù)據(jù)、財務困境企業(yè)選擇發(fā)生虧損前一年財務報表數(shù)據(jù)、財務正常企業(yè)選擇2017年財務報表數(shù)據(jù)均數(shù)據(jù)來源自中小板企業(yè)公開財務報表。財務困境企業(yè)與財務正常企業(yè)樣本如下頁表1所示。

（三）指標選取

創(chuàng)新是企業(yè)生存發(fā)展的源動力，但中小企業(yè)由于自身的特點，很少設立正式的研發(fā)部門進行項目研發(fā)。中小企業(yè)更傾向從外部取得創(chuàng)新成果，直接購買專利技術，表現(xiàn)為企業(yè)內部無形資產的增加、無形資產占企業(yè)總資產結構比例的增加，所以本文用無形資產增加額以及無形資產占總資產的比重這兩個數(shù)據(jù)來反映中小企業(yè)的創(chuàng)新能力，其中無形資產增加額作為非財務指標。一般情況非財務指標多為定性指標，但定性指標衡量與評價中會加入過多主觀因素，可以將非財務指標用定量指標表示。無形資產的增加額在計量上屬財務指標，但無形資產增加額與企業(yè)創(chuàng)新能力是完全呈相關關系，無形資產增加額越大，直接說明企業(yè)創(chuàng)新能力越強，本文將無形資產增加額作為非財務指標。

本文基于創(chuàng)新視角構建中小企業(yè)財務預警模型，從企業(yè)償債能力、經營能力、盈利能力、發(fā)展能力、獲現(xiàn)能力和創(chuàng)新能力六個維度，初步選取20個財務指標與1個非財務指標，見表2。

（四）預警指標因子分析

1.KMO檢驗。進行因子分析需要確定選取指標是否適合做因子分析，本文首先對樣本企業(yè)指標數(shù)據(jù)預處理，進行正態(tài)分布檢驗，初步指標篩選過程中剔除資產負債率（X4）、銷售獲現(xiàn)比率（X18），對篩選后的18個財務指標進行KMO和Bartlett檢驗，檢驗結果達到因子分析要求，表明指標間存在關聯(lián)作用可以進行因子分析。

2.公共因子計算。表3為18個財務指標公共因子特征值、貢獻率計算結果，可知7個公共因子，反映出18個財務指標81.842%的信息量，特征值均大于1。本文選擇7個公共因子作為財務指標的替代變量，分別記為F1、F2、F3、F4、F5、F6、F7。

3.因子載荷系數(shù)計算。下頁表4為F1、F2、F3、F4、F5、F6、F7和18個財務指標原始變量間的載荷矩陳計算結果。

由下頁表4可知，F(xiàn)1可以較好反映X5、X7、X9、X11、X12、X19財務指標信息，F(xiàn)2可以較好反映X15、X17財務指標信息，F(xiàn)3可以較好反映X1、X2財務指標信息，F(xiàn)4可以較好反映X6、X9財務指標信息，F(xiàn)5可以較好反映X10指標信息，F(xiàn)6可以較好反映X6、X14財務指標信息，F(xiàn)7可以較好反映X3財務指標信息。

三、基于logistic回歸的中小企業(yè)財務危機預警模型實證

（一）基于純財務指標的logistic模型

本文將中小企業(yè)是否陷入財務困境作為因變量，因變量取值為1，表示中小企業(yè)陷入財務困境，因變量取值為0，表示中小企業(yè)財務正常。采用SPSS 21.0軟件對50家公司財務指標數(shù)據(jù)進行Logistic回歸，回歸模型擬合優(yōu)度檢驗，Loglikeihood似然值為29.398，Cox&Snell統(tǒng)計量為0.550，Nagelkerke統(tǒng)計量為0.733，說明模型的擬合效果良好。在p=0.05水平下，模型中因子F3、F6通過顯著性檢驗，見表5。

根據(jù)表5各變量系數(shù)計算結果，財務危機預警模型計算式為：

Ln[p/（1-pi）]=-0.809-4.105F3-5.471 F （2）

（二）引入創(chuàng)新能力非財務指標的Logistic模型

在純財務指標回歸模型基礎上，考慮非財務指標對模型的影響，引入中小企業(yè)創(chuàng)新能力的無形資產增加額指標Y1，運用SPSS 21.0軟件對50家公司財務指標數(shù)據(jù)進行Logistic回歸，回歸模型擬合優(yōu)度檢驗，Loglikeihood似然值為15.034，Cox&Snell統(tǒng)計量為0.662，Nagelkerke統(tǒng)計量為0.883，模型取得更好的擬合效果。在p=0.05水平下，模型中因子F3、F6通過顯著性檢驗，見表6。

根據(jù)表6各變量系數(shù)計算結果，財務危機預警模型計算式為：

Ln[p/（1-pi）]=-0.269-8.530F3-17.814F6-0.715Y （3）

（三）結果分析比較

1.純財務指標Logistic模型檢驗結果。采用純財務指標建立Logistic回歸模型，進行中小企業(yè)財務危機預警檢驗結果見表7，由表7可知，對財務困境企業(yè)和財務正常企業(yè)，純財務指標回歸模型財務危機預警的準確率分別是92%和88%。

2.引入創(chuàng)新能力非財務指標Logistic模型檢驗結果。在純財務指標回歸模型基礎上，引入中小企業(yè)創(chuàng)新能力的非財務指標建立Logistic回歸模型，進行中小企業(yè)財務危機預警檢驗結果見表8，由表8可知，對財務困境企業(yè)和財務正常企業(yè)，純財務指標回歸模型財務危機預警的準確率分別是96%和94%。

四、結論

本文選取了中小企業(yè)板50家企業(yè)作為研究對象，財務困境企業(yè)25家，財務正常企業(yè)25家。通過財務指標變量初篩選、KMO檢驗、公共因子及因子載荷系數(shù)計算等步驟，分別構建了純財務指標和引入創(chuàng)新能力非財務指標的Logistic財務危機預警模型。結果表明，對財務困境企業(yè)和財務正常企業(yè)的預測，純財務指標模型的準確率是92%、88%;而引入非財務指標模型的準確率為96%、94%，比較可知，引入創(chuàng)新能力非財務指標構建的Logistic財務危機預警模型，具有更高的預測準確率。J

【主要參考文獻】

[ 1 ] Altman E I.Financial ratios，discriminate analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，23（4）：589-609.

[ 2 ] 余立凡，曾五一.上市公司財務危機預警的Logistic模型[J].東南學術，2005，（2）：110-114.

[ 3 ] 杜英，王曉華，孫洪哲.基于神經網(wǎng)絡的企業(yè)財務危機預警模型研究[J].會計之友， 2011，（5）： 39-42.

[ 4 ] 李紅梅，田景鮮.公司財務危機預警模型比較研究——以A股制造業(yè)上市公司為例[J].財會月刊，2013，（10）：25-29.

[ 5 ] 孫靜，王純杰.企業(yè)財務預警模型的比較研究[J].商業(yè)會計，2018，（07）：112-114.

【作者簡介】

祁新，男，蘇州大學金融學碩士，江蘇大學管理學博士（在讀）;現(xiàn)任揚州科技學院（籌）經濟貿易學院經濟基礎部主任，講師，兼任揚州市商業(yè)會計學會常務理事;主要研究方向：公司財務。

柏廣才，男，揚州科技學院（籌）國際交流學院院長，教授、會計師，兼任中國商業(yè)會計學會學術委員、江蘇省商業(yè)會計學會常務理事、揚州市商業(yè)會計學會副會長、揚州市會計學會副秘書長;研究方向為財務管理和績效評價。