［摘 要］以1998-2004年滬深兩市首次被特別處理的A股綜合類上市公司為研究對象，通過均值比較、配對樣本T檢驗和Z檢驗，從9個方面的27個研究變量中選取了9個差異顯著的變量，建立了危機前（t-2）年的判別分析模型、邏輯回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型。各種模型均取得較高的預(yù)測效果，尤其是判別分析模型，判正率高達89.29%。

［關(guān)鍵詞］綜合類上市公司；財務(wù)危機；判別分析；邏輯回歸；神經(jīng)網(wǎng)絡(luò) 

doi:10.3969/j.issn.1673-0194.2009.12.015

［中圖分類號］F275［文獻標識碼］A［文章編號］1673-0194（2009）12-0040-04

現(xiàn)代企業(yè)制度中最典型的是現(xiàn)代公司制，而上市公司又是現(xiàn)代公司制的最高形式。與非上市公司和有限責(zé)任公司相比，上市公司的最大特點就是可以通過證券市場籌集資金。有了充足的資金，公司可以增加產(chǎn)品生產(chǎn)、加速產(chǎn)品開發(fā)與市場開拓，從而提高經(jīng)營業(yè)績，更好地回報投資者和債權(quán)人等利益相關(guān)者。但隨著證券市場的快速發(fā)展，市場競爭日益變得激烈，部分上市公司經(jīng)營業(yè)績不容樂觀，出現(xiàn)了虧損、財務(wù)狀況異常甚至更為嚴重的情形，最終受到特別處理甚至面臨退市危險，使利益相關(guān)者遭受到巨大損失。為防范、化解這些風(fēng)險，國內(nèi)外學(xué)者已經(jīng)進行了許多有效的探索，并已取得豐碩的研究成果。但大多數(shù)學(xué)者只是研究適用于每個行業(yè)的通用模型，忽略了行業(yè)之間的不同。Harlan D Platt和Matjorie B Platt（1990）檢驗與產(chǎn)業(yè)相關(guān)的財務(wù)指標、營運指標和產(chǎn)出的變化與公司經(jīng)營失敗的關(guān)系時發(fā)現(xiàn)，用產(chǎn)業(yè)因素調(diào)整后的模型事前和事后的分析效果較佳。

本文以我國1998-2004年滬深兩市首次被特別處理的A股綜合類上市公司作為研究對象，探討對其陷入財務(wù)危機具有重要作用的因素，以建立具有較高預(yù)測正確率的模型，為證券市場上的利益相關(guān)者決策提供參考。

一、文獻回顧

（一）國外學(xué)者的行業(yè)財務(wù)危機預(yù)警研究狀況

Altman和Loris（1976）利用凈收入/總資產(chǎn)、（總債務(wù)+次級債務(wù)）/股本、總資產(chǎn)/調(diào)整后的凈資產(chǎn)、（期末資本－本期資本增加額）/期初資本、調(diào)整后的企業(yè)歷史年限、綜合評分等6個指標組成多因素模型對全美證券商協(xié)會（NASD）的40個經(jīng)營失敗公司和113個正常公司構(gòu)成的樣本進行分析，判斷正確率高達90%以上。

Ward（1994）選擇了1988-1989年385個企業(yè)的數(shù)據(jù)，發(fā)現(xiàn)現(xiàn)金流量指標尤其是投資活動產(chǎn)生的現(xiàn)金流在預(yù)測采掘、石油和天然氣行業(yè)中的財務(wù)危機方面作用明顯，而經(jīng)營活動產(chǎn)生的現(xiàn)金流在預(yù)測非資源性行業(yè)中較為重要。

Pottier（1998）使用1990-1992年48家破產(chǎn)的壽險公司數(shù)據(jù)，比較了單獨使用總資產(chǎn)、財務(wù)比率、財務(wù)比率等財務(wù)指標與結(jié)合評級和評級變化在預(yù)測破產(chǎn)方面的作用，結(jié)果發(fā)現(xiàn)結(jié)合財務(wù)比率、評級和評級變化的方法比單獨使用財務(wù)指標能更為有效地預(yù)測破產(chǎn)。

（二）國內(nèi)學(xué)者的行業(yè)財務(wù)危機預(yù)警研究狀況

國內(nèi)許多學(xué)者都指出，行業(yè)財務(wù)危機預(yù)警研究是財務(wù)危機預(yù)警未來的發(fā)展趨勢之一。但到目前，由于樣本量的不足，國內(nèi)學(xué)者對這一方面做的研究較少。

張祥，陳梅（2004）選取1998-2003年間55家制造業(yè)被特別處理（ST）的公司，通過對單變量模型、多元判別分析模型和Logistic回歸模型的分析和比較，發(fā)現(xiàn)行業(yè)模型的變量選取和預(yù)測準確性均有所不同，其模型擬合程度和預(yù)測準確性明顯高于通用模型，主營業(yè)務(wù)利潤/稅前利潤和主營業(yè)務(wù)利潤/總資產(chǎn)是具有較強預(yù)測性的比率。

梁飛媛（2005）從現(xiàn)金流角度出發(fā)，選擇機械設(shè)備行業(yè)為實證對象，從19個現(xiàn)金流指標中用多元逐步判別分析法選擇出具有顯著預(yù)測能力的現(xiàn)金流指標建立典則判定模型和Fisher線性判定模型，模型均取得較高的判正率。

我國學(xué)者雖然在該領(lǐng)域的研究起步較晚，但都注重借鑒國外已有模型的優(yōu)點，通過比較研究的方法建立預(yù)測準確率較高的模型。本文也汲取這一經(jīng)驗，分別用Fisher二類線性判別分析、二元Logistic回歸和人工神經(jīng)網(wǎng)絡(luò)建立模型。

二、財務(wù)危機界定和樣本選取

（一）財務(wù)危機界定

財務(wù)危機的形成并不是短期的，而是有較長的潛伏期，要經(jīng)歷從量變到質(zhì)變、從漸變到突變的過程。國外學(xué)者對財務(wù)危機的界定大都使用破產(chǎn)標準，但破產(chǎn)實質(zhì)上是一種法律現(xiàn)象，除主要受經(jīng)濟因素影響以外，還要受政治及其他非市場因素的影響。我國企業(yè)《破產(chǎn)法》雖然在1988年11月1日就已執(zhí)行，但迄今為止還沒有一家上市公司破產(chǎn)，所以國外學(xué)者的做法在我國目前階段是行不通的。

早在1993年頒布的《公司法》就規(guī)定了上市公司暫停上市和終止上市的條件，1997年滬深《證券交易所上市規(guī)則》再次提出退市問題。1998年3月16日，證監(jiān)會發(fā)布了《關(guān)于上市公司狀況異常期間的股票特別處理方式的通知》，通知規(guī)定“上市公司連續(xù)兩年虧損或者每股凈資產(chǎn)低于股票面值，將實施特別處理，簡稱ST（Special Treatment）”。為了給暫停上市股票提供合法流通渠道，1999年7月證監(jiān)會對連續(xù)虧損3年以上的企業(yè)實施“特別轉(zhuǎn)讓服務(wù)”，簡稱PT（Particular Transfer）。這兩個制度在初期曾對上市公司起過制約和鞭策作用，但是資產(chǎn)重組的魅力和上市公司“殼資源”的稀缺反而使得ST、PT公司逐漸成為市場的“寵兒”，不僅沒有減弱市場的投機氣氛，而且投資者的風(fēng)險意識也沒有明顯增強。2001年2月24日，證監(jiān)會正式發(fā)布了《虧損上市公司暫停上市和終止上市實施辦法》，這是我國證券市場有關(guān)退市機制的首份具體操作性文件。

本文就以1998-2004年滬深兩市在上述文獻背景下因財務(wù)狀況異常（ST）或退市風(fēng)險警示（*ST）而首次被特別處理的綜合類A股上市公司為研究對象。

（二）樣本選取

按照證監(jiān)會于2001年4月公布的《上市公司行業(yè)分類指引》規(guī)定的行業(yè)分類，1998-2004年綜合類上市公司被施以ST的共計31家。

以上市時間在同一年或相差一年為配對原則，挑選非ST綜合類上市公司作對照樣本。如果不滿足配對原則，則將ST綜合類公司剔除。符合配對原則的有28對綜合類公司，其中上市時間在同一年的有21對，占75%；相差一年的有7對，占25%。28家ST綜合類上市公司組成危機樣本組S₁，28家非ST綜合類上市公司組成對照樣本組S₂。采用（t－2）年的數(shù)據(jù)和指標建立模型來預(yù)測公司在第t年是否因財務(wù)危機而被特別處理。

三、研究變量挑選及檢驗

（一）研究變量選取

2002年，財政部等五部門共同頒布了《企業(yè)效績評價操作細則（修訂）》。該細則由反映企業(yè)財務(wù)效益狀況、資產(chǎn)營運狀況、償債能力狀況和發(fā)展能力狀況4方面內(nèi)容的指標構(gòu)成。借鑒該財務(wù)評價體系，并結(jié)合我國上市公司的財務(wù)特點，初步選擇與這4個方面有關(guān)的19個財務(wù)指標組成研究變量。

另外，借鑒國內(nèi)外學(xué)者的研究經(jīng)驗，選擇部分與上市公司資本結(jié)構(gòu)、股權(quán)結(jié)構(gòu)、股權(quán)擴張有關(guān)的變量及與注冊會計師審計有關(guān)的變量。本研究未將資產(chǎn)規(guī)模作為選取配對樣本的標準，而是取總資產(chǎn)的對數(shù)作為一個變量引入（研究變量及其評價內(nèi)容詳見表1）。

（二）研究變量顯著性檢驗

1.均值檢驗

危機樣本組S₁與對照樣本組S₂的研究變量的均值都存在顯著的差異，以利息保障倍數(shù)X₃的差異最為顯著。

2.配對樣本T檢驗和Z檢驗

根據(jù)S₁與S₂的同一研究變量的配對，進行配對樣本T檢驗和Z檢驗。零假設(shè)H₀均為：S₁與S₂的研究變量間不存在顯著差異。如果顯著性水平相應(yīng)P值小于或等于設(shè)定的值α，則應(yīng)拒絕H₀，即認為兩者的研究變量間有顯著差異。本文中設(shè)定的α=0.05。

S₁與S₂的T檢驗有10個變量差異顯著，Z檢驗有14個變量差異顯著（見表1）。具體分析如下：

（1）反映成長能力的研究變量作用非常顯著

投資者對上市公司投資，無非是期望能夠獲得公司股票未來豐厚的現(xiàn)金股利和誘人的股價上漲空間?，F(xiàn)金分紅、股價上漲都離不開公司的成長。一家沒有成長性的公司除了勉強維持現(xiàn)有的狀態(tài)以外，是無法抽出資金回報股東的。配對樣本Z檢驗顯示，所選的體現(xiàn)成長能力的3個變量均在1％水平上作用顯著。

（2）反映股權(quán)擴張能力的變量作用非常顯著

對上市公司來說，每股收益和每股凈資產(chǎn)是兩個非常重要的指標，尤其是每股凈資產(chǎn)在理論上提供了股票的最低價值。每股凈資產(chǎn)決定著上市公司是否會成為ST，即當(dāng)上市公司的每股凈資產(chǎn)低于股票面值時，就會被ST。

（3）反映營運能力、年報披露的研究變量作用較為顯著

反映營運能力的3個變量中有2個檢驗顯著，值得注意的是在文獻[4]關(guān)于制造業(yè)財務(wù)危機預(yù)警中發(fā)現(xiàn)存貨周轉(zhuǎn)率在（t-2）年顯著，但在綜合類上市公司中，S₁和S₂的差異不明顯。

（t-2）年，S₁共有15家被出具非標準審計意見，占樣本總量的54％；而S₂僅有4家公司被出具了非標審計意見，僅占14％。

（4）反映償債能力、盈利能力的研究變量作用不太顯著

這兩類變量在文獻[4]的研究中差異普遍顯著，但在本研究的T檢驗中都僅有一個變量通過檢驗。說明S₁與S₂相比而言，償債能力和盈利能力，特別是償債能力沒有很大的差別。可見，綜合類上市公司與制造業(yè)公司相比，對其陷入財務(wù)危機具有重要作用的變量是不同的，也反映出研究行業(yè)財務(wù)危機預(yù)警的必要性。

（5）反映資本結(jié)構(gòu)、股權(quán)結(jié)構(gòu)和資產(chǎn)規(guī)模的變量作用不顯著

固定資產(chǎn)凈值率反映固定資產(chǎn)的新舊程度和生產(chǎn)能力，S₁與S₂的該指標間不存在顯著差異；股權(quán)是否集中對所選綜合類上市公司也沒有影響，因為第一大股東持股比率在50％以上的公司，S₁有3家、S₂有2家；大多數(shù)研究都將資產(chǎn)規(guī)模作為選擇配對樣本的標準，本文將總資產(chǎn)取對數(shù)后作為一個變量引入，但檢驗中未發(fā)現(xiàn)S₁和S₂有顯著差異。

（三）相關(guān)系數(shù)檢驗

對在配對樣本T檢驗和Z檢驗中作用均非常明顯的10個研究變量的相關(guān)系數(shù)進行檢驗。

數(shù)均超過0.6，為消除多重共線性的影響，按變量間相關(guān)性較小為優(yōu)原則，經(jīng)比較，剔除變

四、實證分析

財務(wù)危機預(yù)警模型按照是否具有自我學(xué)習(xí)功能，可以劃分為靜態(tài)和動態(tài)兩大類。前者包括Beaver的單變量判定模型、Altman的多元線性判定模型及Olhson的多元邏輯回歸模型等。動態(tài)財務(wù)預(yù)警主要使用人工智能技術(shù)，其中具有代表性的是神經(jīng)網(wǎng)絡(luò)模型和案例推理模型。本文分別使用靜態(tài)模型中的Fisher二類線性判別分析、二元Logistic回歸和動態(tài)模型中的人工神經(jīng)網(wǎng)絡(luò)方法建立模型。因變量Y為虛擬變量，表示上市公司是否出現(xiàn)財務(wù)危機，出現(xiàn)財務(wù)危機設(shè)為1，沒有出現(xiàn)財務(wù)危機設(shè)為0。

（一）靜態(tài)方法建模

1.Fisher二類線性判別分析建模

Fisher二類線性判別分析是一種采用Fisher線形判別函數(shù)系數(shù)、考慮只有兩個變量的判別分利用SPSS軟件，得到的（t-2）年綜合類上市公司財務(wù)危機預(yù)警模型和財務(wù)健康模型分別為：

以0為分割點，通過對模型的回代判定預(yù)測檢驗發(fā)現(xiàn)，財務(wù)健康公司的預(yù)測準確率為85.71%，財務(wù)危機公司的預(yù)測準確率為89.29%。

2.二元邏輯回歸建模

由二元邏輯回歸擬合的方程可表示為：ln[p/（1-p）] =a+∑biXi，其中p是上市公司發(fā)生財務(wù)危機的概率；Xi是影響財務(wù)危機的第i個因素，i=1，2，…，m；以0.5為分割點，模型對危機公司的回代判定預(yù)測準確率為82.14%。

3.靜態(tài)財務(wù)危機預(yù)警方法建?？偨Y(jié)

（1）靜態(tài)預(yù)警方法對危機樣本組S₁的預(yù)測正確率均超過80％，說明預(yù)測效果較好。

（2）Fisher二類線性判別分析比二元邏輯回歸建模的預(yù)測準確率高3.6個百分點，即在危機前（t-2）年，F(xiàn)isher二類線性判別分析對綜合類危機公司的預(yù)測效果更好。

（二）動態(tài)方法建模

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）是對生理上真實的人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能及基本特征進行理論抽象、簡化和模擬而構(gòu)成的一種信息系統(tǒng)，具有非線性映射、自適應(yīng)學(xué)習(xí)和較強容錯性的特點。BP人工神經(jīng)網(wǎng)絡(luò)是其中一種比較典型的學(xué)習(xí)算法，主要結(jié)構(gòu)是由一個輸入層，一個或多個隱含層和一個輸出層組成，各層由若干個神經(jīng)元（節(jié)點）構(gòu)成。以表2的9個研究變量作為輸入點P1，輸出點P3只有一個，即因變量Y。隱藏層P2根據(jù)公式（2P1+P3）1/2

其中，輸入層到隱含層的權(quán)值矩陣Wjh（9×5）、隱含層到輸出層的權(quán)值矩陣W通過回代判定發(fā)現(xiàn)，5家非ST被預(yù)測為ST，模型的預(yù)測正確率為82.14%，與二元邏輯回歸的正確率一樣，但低于Fisher二類線性判別分析的預(yù)測效果。

五、結(jié) 論

本文選用9個方面的27個研究變量，通過均值比較、配對樣本T檢驗和Z檢驗，發(fā)現(xiàn)綜合類公司的財務(wù)危機預(yù)警中，效果最明顯的是反映成長能力的變量，這不同于制造業(yè)公司，也說明進行某一行業(yè)的財務(wù)危機預(yù)警是非常有必要的。在研究方法上，既采用了判別分析、邏輯回歸等靜態(tài)建模方法，又采用了人工神經(jīng)網(wǎng)絡(luò)等動態(tài)建模方法。各種方法均取得了較高的預(yù)測準確率，但相比而言，F(xiàn)isher二類線性判別分析的預(yù)測準確率最高。由于我國1998年才開始編制現(xiàn)金流量表，而本研究的跨度較長，研究樣本涉及的數(shù)據(jù)須從1996-2002年，因此并未選取有關(guān)現(xiàn)金流量的指標。

主要參考文獻

[1] Edward I Altman and Betting Loris. A Financial Early Warning System for Over-the-Counter Broker-Dealer[J] . Journal of Finance， 1976（4）: 1201–1217.

[2] Terry J Ward. An Empirical Study of the Incremental Predictive Ability of Beaver's Naive Operating Flow Measure Using Four-State Ordinal Models of Financial Distress[J] . Journal of Business Finance and Accounting， 1994（6）: 547-561.

[3] Steven W Pottier. Life Insurer Financial Distress， Best's Ratings and Financial Ratios[J] . The Journal of Risk and Insurance， 1998（2）: 275-288.

[4] 張祥，陳梅.制造業(yè)財務(wù)預(yù)警模型研究[J] .華中科技大學(xué)學(xué)報:社會科學(xué)版，2004（3）: 61–64.

[5] 梁飛媛.基于現(xiàn)金流的財務(wù)危機預(yù)警系統(tǒng)實證研究——以機械設(shè)備行業(yè)為例[J] .財貿(mào)經(jīng)濟， 2005（2）: 23–27.