摘要：結(jié)合股權(quán)激勵(lì)結(jié)構(gòu)這一非財(cái)務(wù)指標(biāo)與財(cái)務(wù)指標(biāo)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型，突破了以往相似研究中只關(guān)注財(cái)務(wù)指標(biāo)的局限。股權(quán)激勵(lì)是通過(guò)一套包括正式或非正式的、內(nèi)部的或外部的制度或機(jī)制來(lái)協(xié)調(diào)公司與所有利害相關(guān)者之間的利益關(guān)系，以保證公司決策的科學(xué)化，從而最終維護(hù)公司各方面的利益。因此，本文將反映股權(quán)激勵(lì)的相關(guān)研究變量引入財(cái)務(wù)危機(jī)預(yù)警模型中，從而全面反映公司狀況，以期提高模型預(yù)測(cè)的全面性與準(zhǔn)確性。

關(guān)鍵字：財(cái)務(wù)危機(jī)；股權(quán)激勵(lì)結(jié)構(gòu)；Logistic

一、財(cái)務(wù)危機(jī)的界定

財(cái)務(wù)危機(jī)又稱財(cái)務(wù)困境，是指企業(yè)償付能力的喪失，即喪失償還到期債務(wù)的能力，無(wú)法支付到期債務(wù)或費(fèi)用的一種經(jīng)濟(jì)現(xiàn)象。國(guó)外大多數(shù)學(xué)者(Altman、Ohlson、Bartczak等)將企業(yè)根據(jù)破產(chǎn)法提出破產(chǎn)申請(qǐng)的行為作為確定企業(yè)進(jìn)入財(cái)務(wù)危機(jī)的標(biāo)志，他們研究的對(duì)象也局限在法定的破產(chǎn)公司。另外有部分國(guó)外學(xué)者如Beave把破產(chǎn)、拖欠優(yōu)先股股利和拖欠債務(wù)界定為財(cái)務(wù)危機(jī)。國(guó)內(nèi)學(xué)者(陳靜、陳曉、吳世農(nóng)、李華中等)大多數(shù)把被特別處理的上市公司似為財(cái)務(wù)危機(jī)公司。

二、股權(quán)激勵(lì)結(jié)構(gòu)與財(cái)務(wù)危機(jī)的理論分析

西方學(xué)者Jensen和Meckling是最早開始對(duì)管理層持股與公司績(jī)效關(guān)系的正式研究，并提出了“利益匯聚假說(shuō)”。研究認(rèn)為，由于管理層持股匯聚了管理者和股東利益，因此管理層持股比例應(yīng)該與公司績(jī)效正相關(guān)。與此相對(duì)立的觀點(diǎn)是，F(xiàn)ama和Jense提出的“管理者防御假說(shuō)”，認(rèn)為如果管理層持股比例太高，就有可能控制董事會(huì)侵占其他投資者的財(cái)富，從而減少公司價(jià)值。許多研究表明所有權(quán)集中與公司的市場(chǎng)價(jià)值之間存在非單調(diào)關(guān)系。Morck等采用1980年《財(cái)富》500強(qiáng)中371家公司作為樣本，以Tobin’Q值衡量公司績(jī)效，以擁有的股份不少于0.2%的董事們的持股比例之和衡量管理層持股比例，持股比例在0-5%之間正相關(guān)，5%-25%之間負(fù)相關(guān)，大于25%又正相關(guān)。

McConnell和Servaes研究發(fā)現(xiàn)Tobin’Q值隨著管理層持股比例的增加而增加，但持股比例達(dá)到40%-50%后，與Tobin’Q值隨著該變量增加而減少。Hermalin和Weisback研究了美國(guó)紐約證券交易所公司，以CEO持股額來(lái)衡量管理層持股，發(fā)現(xiàn)持股比例在0-1%之間正相關(guān)，1%-5%之間負(fù)相關(guān)，在5%-20%之間又正相關(guān)，大于20%又負(fù)相關(guān)。還有一些學(xué)者將這一問(wèn)題的研究轉(zhuǎn)向了內(nèi)生性問(wèn)題，Demsetz和Lehn。通過(guò)對(duì)1980年美國(guó)511家公司的樣本研究證明，公司的所有權(quán)結(jié)構(gòu)是一個(gè)內(nèi)生變量，是公司追求價(jià)值最大化的結(jié)果，而與公司績(jī)效無(wú)關(guān)。綜上所述，通過(guò)公司績(jī)效可以搭建起股權(quán)激勵(lì)結(jié)構(gòu)與財(cái)務(wù)危機(jī)的關(guān)系，研究股權(quán)激勵(lì)結(jié)構(gòu)與公司績(jī)效的關(guān)系實(shí)際上也可以看作是間接研究股權(quán)激勵(lì)結(jié)構(gòu)與財(cái)務(wù)危機(jī)的關(guān)系。

三、研究設(shè)計(jì)

1.數(shù)據(jù)來(lái)源與樣本選擇

本文數(shù)據(jù)主要來(lái)源于色諾芬數(shù)據(jù)庫(kù)和各大網(wǎng)站所公布的公司年報(bào)的數(shù)據(jù)。以上市公司作為研究對(duì)象，將公司因財(cái)務(wù)狀況異常而被特別處理(ST)作為企業(yè)陷入財(cái)務(wù)危機(jī)的標(biāo)志，同時(shí)設(shè)定非ST公司為財(cái)務(wù)正常公司。本文根據(jù)同一會(huì)計(jì)年度、資產(chǎn)規(guī)模相近等選取原則選取2003、2004、2005年首次被ST前3年的財(cái)務(wù)年度的數(shù)據(jù)進(jìn)行分析預(yù)測(cè)，選取的67家ST公司和67家與之配對(duì)的非ST公司的樣本。并且分為兩組，一組是選擇104家配對(duì)樣本作為建模樣本，另一組是把剩余30家配對(duì)樣本作為檢測(cè)樣本。

2.變量選取與模型的選擇

基于許多學(xué)者選取財(cái)務(wù)指標(biāo)變量的原則，本文選取五大類財(cái)務(wù)指標(biāo)和股權(quán)激勵(lì)結(jié)構(gòu)變量，財(cái)務(wù)指標(biāo)涉及企業(yè)的償債能力指標(biāo)(流動(dòng)比率x₁、現(xiàn)金債務(wù)總額比x₂)，經(jīng)營(yíng)效率指標(biāo)(總資產(chǎn)周轉(zhuǎn)率x₃、主營(yíng)業(yè)務(wù)成本比例x₄、管理費(fèi)用比例x₅、財(cái)務(wù)費(fèi)用比例x₆)，盈利能力指標(biāo)(主營(yíng)業(yè)務(wù)利潤(rùn)率x₇、凈資產(chǎn)收益率x8)，財(cái)務(wù)結(jié)構(gòu)指標(biāo)(資產(chǎn)負(fù)債率x9、固定比x10)，現(xiàn)金流量指標(biāo)(主營(yíng)收入現(xiàn)金含量x11、)總共11個(gè)財(cái)務(wù)指標(biāo)。股權(quán)激勵(lì)結(jié)構(gòu)變量(高管人員持股比例m₁、董事會(huì)持股比例m₂、前三名董事報(bào)酬占凈利潤(rùn)的比例m₃)。

Logistic回歸模型是理論上最為成熟且預(yù)測(cè)誤判率最低的模型。此外，因?yàn)楝F(xiàn)實(shí)數(shù)據(jù)往往不能滿足自變量呈正態(tài)分布的假設(shè)，而Logistic模型則放松了這一假設(shè)，使得此模型的應(yīng)用范圍更為廣泛?；诖耍疚脑谘芯恐胁捎肔ogistic回歸的方法進(jìn)行研究。

四、實(shí)證分析

1.統(tǒng)計(jì)特征描述

首先，對(duì)變量的樣本序列進(jìn)行顯著性水平5%的K-S檢驗(yàn)(Kolmogorov-Smirnov)，檢驗(yàn)樣本是否服從正態(tài)分布，得到符合正態(tài)分布的指標(biāo)見表table-1(如無(wú)特別說(shuō)明，本文所有數(shù)據(jù)源自SPSS軟件分析結(jié)果)。服從正態(tài)分布的指標(biāo)再進(jìn)行T檢驗(yàn)，T檢驗(yàn)結(jié)果見表table-2若不服從正態(tài)分布的指標(biāo)，則用U非參數(shù)檢驗(yàn)。U檢驗(yàn)結(jié)果見表table-3。其次，對(duì)于通過(guò)檢驗(yàn)的指標(biāo)進(jìn)行相關(guān)性分析和多重共線性分析。最終保留了財(cái)務(wù)指標(biāo)x₂、x₅、x₇、x9、x11和m₁、m₂、m₃作為預(yù)測(cè)變量。

One-Sample Kolmogorov-Smirnov Test-(table-1)X₂X₃X₄X9X10X11Sig0.100.240.1740.9230.6420.067One-Sample Test(table-2)X₂X₃X₄X9X10X11sig.000.001.000.003.000.000Mann-Whitney U (table-3)x₁x₅x₆x₇x8m₁m₂m₃.Sig0.0330.0080.000.000.000.0480.0290.0182.Losigistic回歸分析及結(jié)果比較

Logistic回歸分析的前提假設(shè)只要求預(yù)測(cè)變量間不存在多重共線性，從前文的多重共線性診斷結(jié)果可以知道，本文最終選取的預(yù)測(cè)變量滿足這一條件。然后用Logistic回歸分析方法分別構(gòu)建單純財(cái)務(wù)指標(biāo)和股權(quán)激勵(lì)變量與財(cái)務(wù)指標(biāo)結(jié)合的二個(gè)預(yù)警模型，進(jìn)一步證明股權(quán)激勵(lì)結(jié)構(gòu)變量的引入是否具有提高模型預(yù)測(cè)的能力。

(1)用財(cái)務(wù)指標(biāo)構(gòu)建預(yù)警模型

首先僅以財(cái)務(wù)指標(biāo)現(xiàn)金債務(wù)總額比x₂，管理費(fèi)用比率x₅主營(yíng)業(yè)務(wù)利潤(rùn)率x₇，資產(chǎn)負(fù)債率x9，主營(yíng)收入現(xiàn)金含量x11為自變量建立預(yù)警模型，結(jié)果見表(table-4)。根據(jù)表得出：

Logistic回歸方程：Y₁=5.062x₂-2.751x9+0.613

Variables in the Equation (table-4)BS.E.WalddfSig.Step 9X₂5.0621.27915.66210.000X9-2.7511.3194.34610.037Constant0.6130.6680.84010.035(2)用財(cái)務(wù)指標(biāo)和股權(quán)結(jié)構(gòu)變量構(gòu)建預(yù)警模型

其次以現(xiàn)金債務(wù)總額比x₂、管理費(fèi)用比率x₅、主營(yíng)業(yè)務(wù)利潤(rùn)率x₇、資產(chǎn)負(fù)債率x9，、主營(yíng)收入現(xiàn)金含量x11、高管人員持股比例m₁、董事會(huì)持股比例m₂、前三名董事報(bào)酬占凈利潤(rùn)的比例m₃)為自變量建立預(yù)警模型，結(jié)果見表(table-5)。根據(jù)表得出：

Logistic回歸方程：Y₂=4.804x₂+2.716x₅-4.222x9-0.155m₁+2805.985m₂-69.287m₃+0.828

Variables in the Equation(table-5)BS.E.WalddfSig.Step9X₂4.8041.33612.92910.000X₅2.7161.3384.12110.042X9-4.2221.5137.7910.005M₁-0.1555.0510.00110.046M₂2805.9851129.9486.16710.013M₃-69.28729.6955.44410.020Constant.0.8280.7481.22510.026在SPSS報(bào)告中Model Chi-Square一行中給出卡方值，并提供自由度和顯著性水平。上述二個(gè)回歸結(jié)果顯示，卡方值的顯著性水平均小于0.05，說(shuō)明模型的整體檢驗(yàn)十分顯著。并且模型的參數(shù)估計(jì)都以10%的顯著性水平通過(guò)檢驗(yàn)，反映得到的參數(shù)估計(jì)是值得依賴的。

利用得到的二個(gè)Logistic回歸模型，對(duì)30家上市公司(15家ST公司和15家非ST公司)的檢驗(yàn)樣本進(jìn)行預(yù)測(cè)。首先，將所有檢驗(yàn)樣本公司的原始數(shù)據(jù)分別代入二個(gè)模型，并計(jì)算P值。其次，將所計(jì)算得到的P值與分割點(diǎn)0.5進(jìn)行比較，如果小于分割點(diǎn)，就被認(rèn)為會(huì)被ST；如果大于分割點(diǎn)的值，則認(rèn)為財(cái)務(wù)狀況良好，不會(huì)發(fā)生ST。根據(jù)上述步驟，將檢驗(yàn)樣本代人Y₁后得到的預(yù)測(cè)準(zhǔn)確率為90%，而將檢驗(yàn)樣本代人Y₂后得到的預(yù)測(cè)準(zhǔn)確率為96.67%。

五、結(jié)論

1.考慮非財(cái)務(wù)指標(biāo)的影響，引入股權(quán)激勵(lì)結(jié)構(gòu)指標(biāo)后建立的模型的預(yù)測(cè)能力要比僅使用財(cái)務(wù)指標(biāo)而建立的模型要好，這說(shuō)明在建立財(cái)務(wù)危機(jī)預(yù)警模型時(shí)，考慮股權(quán)激勵(lì)結(jié)構(gòu)變量是可行的。

2.從預(yù)測(cè)結(jié)果的對(duì)比來(lái)看，當(dāng)把股權(quán)激勵(lì)結(jié)構(gòu)變量引入預(yù)警模型時(shí)，模型的預(yù)測(cè)能力達(dá)到了較高水平，說(shuō)明把股權(quán)激勵(lì)結(jié)構(gòu)變量這種非財(cái)務(wù)指標(biāo)引入到財(cái)務(wù)危機(jī)預(yù)警的研究領(lǐng)域，可以提高模型預(yù)測(cè)能力。

參考文獻(xiàn)：

[1]Altman，Edrward i. Corporate financial distress and bankruptcy： a complete guide to predicting and avoiding distress and profiting from bankruptcy [M]. New York： John Wiley and Sons，Inc. 1993，261-263.

[2]Fitzpatrick，P. J，A comparison of Ratios of Successful Industrial Enterprise with Those of Failed Firms[J].Certified Public Accountant，l932，2：589-731.

[3]Ohlson，J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy [J]，Journal of Accounting Research，1980，19：109-131.

[4]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，1999，4：31-35.

[5]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2000，3：49-51.

(作者單位：沈陽(yáng)工業(yè)大學(xué)管理學(xué)院)

“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”