李 強

(河北經(jīng)貿(mào)大學(xué),河北 石家莊 050061)

一、研究背景

企業(yè)的財務(wù)預(yù)警問題一直是學(xué)術(shù)界研究的熱點。美國次貸危機引發(fā)的國際金融危機中,金融業(yè)、汽車業(yè)等行業(yè)巨頭相繼被政府托管、注資或倒閉,百年知名企業(yè)轟然倒下,使得財務(wù)預(yù)警問題又成為焦點。

我國是一個制造業(yè)大國,從上市公司數(shù)目來看,截至2009年11月6日,滬深兩市A股 1667家上市公司中,有1005家屬于制造業(yè),60%的比重已經(jīng)說明了制造業(yè)在我國行業(yè)中的重要性。在此次美國次貸危機引發(fā)的國際金融危機中,我國制造業(yè)也受到了極大的影響,所以我國制造業(yè)進行財務(wù)危機預(yù)警對于企業(yè)自身風(fēng)險防范具有重要的意義。

通過對國內(nèi)外制造業(yè)財務(wù)預(yù)警相關(guān)文獻的研究,筆者認(rèn)為在該領(lǐng)域存在以下幾方面的問題。

1.財務(wù)風(fēng)險、財務(wù)困境狀態(tài)的界定。國外研究學(xué)者大多將公司破產(chǎn)、無法清償債務(wù)、流動性不足等認(rèn)為是企業(yè)陷入財務(wù)困境。國內(nèi)研究學(xué)者則大多將上市公司被執(zhí)行ST作為企業(yè)陷入財務(wù)風(fēng)險、財務(wù)困境或財務(wù)危機的標(biāo)志,各狀態(tài)的界定較為混亂。

2.樣本匹配比率的選擇。通過分析發(fā)現(xiàn)國內(nèi)外研究中樣本匹配比率基本上都是采用1:1配對,但是Zmijewski(1984)認(rèn)為:如果在破產(chǎn)預(yù)測研究樣本中兩類公司比例偏離總體中兩類公司比例,那么會高估模型的預(yù)測能力,為此許多研究學(xué)者選用1:3、1:5等其他比例進行研究,Berry、Linoff(1997)則建議在不平衡匹配樣本中通過重復(fù)較少樣本來達到平衡,從而獲得較高的準(zhǔn)確率。樣本匹配比率的選取對模型構(gòu)建有一定的影響,目前尚無定論選用何種比率最有利于財務(wù)預(yù)警模型的構(gòu)建。

3.指標(biāo)變量的選取。通過對現(xiàn)有文獻的分析,在指標(biāo)變量選取上主要有財務(wù)比率類、現(xiàn)金流量類、財務(wù)因素類(即包含財務(wù)比率和現(xiàn)金流量)、綜合因素類(即包含財務(wù)因素和非財務(wù)因素)四種方式,其中以選取財務(wù)比率類為主。由于公司財務(wù)受多方面因素的影響,僅考慮一方面指標(biāo)不足以有效構(gòu)建財務(wù)預(yù)警模型,因此,綜合考慮各方面的影響,選取綜合類指標(biāo)進行研究應(yīng)是日后研究的主流。

4.模型構(gòu)建分析方法。從現(xiàn)有研究來看,選用的模型構(gòu)建分析方法主要多元判別分析、線性比率回歸分析、多元邏輯回歸分析、人工神經(jīng)網(wǎng)絡(luò)分析等,然而每種分析方法都有各自的優(yōu)勢與不足。陳凱凡(2005)、胡楊(2006)通過研究得出混合分析方法建模優(yōu)于單一分析方法建模?；旌戏治龇椒?即使用兩種或兩種以上分析方法)構(gòu)建模型,可在一定程度上彌補各分析方法的缺點,構(gòu)造更加有效的模型,因此,使用混合分析方法或探求新的更加有效的分析方法,構(gòu)建財務(wù)預(yù)警模型應(yīng)該是日后研究的一個方向。

5.細(xì)分行業(yè)預(yù)警。各個行業(yè)在生產(chǎn)工藝、生產(chǎn)流程、管理運營等各方面都有各自的特點,表現(xiàn)在財務(wù)上即相關(guān)的指標(biāo)變量有一定的差異,因此,它們對財務(wù)預(yù)警的影響作用必不相同。張祥、陳梅(2004)研究認(rèn)為行業(yè)預(yù)警模型的變量選取和預(yù)測準(zhǔn)確性與通用預(yù)警模型有所不同。按照《上市公司行業(yè)分類指引》對行業(yè)的劃分,制造業(yè)又分為13個子類,因此僅僅針對制造業(yè)進行財務(wù)預(yù)警模型的分析與構(gòu)建缺乏針對性,不能有效地對各子行業(yè)進行財務(wù)預(yù)警,因此應(yīng)加強各細(xì)分行業(yè)財務(wù)預(yù)警。

從制造業(yè)各子類的上市公司來看,最多的為機械設(shè)備儀表類上市公司,有272家,占制造業(yè)上市公司的27%。加之,我國出臺的十大產(chǎn)業(yè)振興政策中,汽車、船舶、裝備制造三類產(chǎn)業(yè)與機械設(shè)備儀表類行業(yè)幾近相同,由此可以看出該行業(yè)的重要性,因此本文選取了機械設(shè)備儀表類行業(yè)進行財務(wù)預(yù)警模型的構(gòu)建。

二、概念界定

財務(wù)風(fēng)險一般有狹義和廣義之分,從財務(wù)預(yù)警的角度來看,企業(yè)的財務(wù)風(fēng)險不僅僅限于債務(wù)籌資后風(fēng)險,因此本文中的財務(wù)風(fēng)險指的是廣義的財務(wù)風(fēng)險。

綜合國內(nèi)外財務(wù)危機定義可知,國外學(xué)者又將其稱之為財務(wù)困境,且主要把已破產(chǎn)作為判斷標(biāo)準(zhǔn);而國內(nèi)學(xué)者根據(jù)一般企業(yè)資料難以獲取以及少有破產(chǎn)等實際狀況,主要以上市公司是否被執(zhí)行ST為標(biāo)準(zhǔn)。

企業(yè)財務(wù)狀況的惡化是一個循序漸進的、動態(tài)的變化過程,本文將此變化過程按照財務(wù)問題的嚴(yán)重程度分為財務(wù)風(fēng)險、財務(wù)困境、財務(wù)危機、破產(chǎn)四種階段狀態(tài),其動態(tài)變化關(guān)系如圖1所示:

圖1

筆者認(rèn)為有必要將財務(wù)狀況的惡化分階段進行預(yù)警,構(gòu)建各階段的財務(wù)預(yù)警模型。由于我國目前的特殊狀況,只能獲得上市公司的相關(guān)數(shù)據(jù)信息資料,因此根據(jù)《股票上市規(guī)則》中企業(yè)連續(xù)兩年虧損則被執(zhí)行*ST的規(guī)定,本文將財務(wù)預(yù)警分為四個階段進行:財務(wù)風(fēng)險預(yù)警、財務(wù)困境預(yù)警、財務(wù)危機預(yù)警和破產(chǎn)預(yù)警。財務(wù)風(fēng)險階段為企業(yè)被執(zhí)行特別處理前第一年虧損的階段。財務(wù)風(fēng)險預(yù)警是指根據(jù)企業(yè)正常階段的數(shù)據(jù),對其財務(wù)狀況是否會惡化為財務(wù)風(fēng)險階段進行預(yù)警。財務(wù)困境階段為企業(yè)被執(zhí)行特別處理前連續(xù)兩年虧損的階段,財務(wù)困境預(yù)警是指根據(jù)企業(yè)財務(wù)風(fēng)險階段的數(shù)據(jù),對其財務(wù)狀況是否會惡化為財務(wù)困境階段進行預(yù)警。財務(wù)危機階段為企業(yè)連續(xù)三年虧損被暫停上市或終止上市的階段,財務(wù)危機預(yù)警是指根據(jù)企業(yè)財務(wù)困境階段的數(shù)據(jù),對其財務(wù)狀況是否會惡化為財務(wù)危機階段進行預(yù)警。破產(chǎn)預(yù)警是指根據(jù)企業(yè)財務(wù)危機階段的數(shù)據(jù),對其是否會破產(chǎn)進行預(yù)警。財務(wù)危機預(yù)警和破產(chǎn)預(yù)警由于相關(guān)樣本數(shù)據(jù)資料的匱乏,本文暫未考慮,本文主要對財務(wù)風(fēng)險階段和財務(wù)困境階段的預(yù)警模型進行構(gòu)建。

三、研究設(shè)計

按照中國證券監(jiān)督管理委員會2001年4月3日發(fā)布的《上市公司行業(yè)分類指引》的規(guī)定,本文選取滬深A(yù)股機械設(shè)備儀表類上市公司2003—2009年間因連續(xù)兩年虧損被執(zhí)行*ST且被執(zhí)行*ST前四年已上市的公司(共32家)以及相應(yīng)年份、資產(chǎn)和行業(yè)相近的健康公司(32家)作為建模樣本。

本著全面、有效、準(zhǔn)確地反應(yīng)和預(yù)測企業(yè)的財務(wù)狀況的原則,本文從財務(wù)和非財務(wù)兩方面選取了41個初始指標(biāo)變量。財務(wù)方面從盈利能力、償債能力、資本結(jié)構(gòu)、營運能力、發(fā)展能力和現(xiàn)金流六方面選取了37個指標(biāo),非財務(wù)方面從股權(quán)結(jié)構(gòu)、審計意見和流通股比例三個方面選取了4個指標(biāo)。

根據(jù)階段預(yù)警的概念,本文將使用T-4(T-i為被執(zhí)行*ST前第i年)、T-3和T-2年的數(shù)據(jù)構(gòu)建財務(wù)風(fēng)險階段財務(wù)預(yù)警模型;使用T-3、T-2和T-1年的數(shù)據(jù)構(gòu)建財務(wù)困境階段財務(wù)預(yù)警模型,因此樣本指標(biāo)數(shù)據(jù)的選取時間范圍為1999—2008年(注:本文指標(biāo)數(shù)據(jù)主要通過巨靈金融數(shù)據(jù)庫以及各上市公司年報數(shù)據(jù)整理得到)。

四、變量的確定

為了建立一個有效的財務(wù)預(yù)警模型,必須要了解財務(wù)困境企業(yè)與健康企業(yè)在哪些指標(biāo)上存在著顯著的差別,以挑選有效指標(biāo)進行建模。利用SPSS13.0統(tǒng)計軟件,本文先對T-4、T-3、T-2、T-1年數(shù)據(jù)進行了Kolmogorov-Smirnov檢驗,以檢驗各樣本指標(biāo)是否符合正態(tài)分布,以進一步確定顯著性檢驗方法。從檢驗結(jié)果發(fā)現(xiàn),僅有少數(shù)幾個指標(biāo)符合正態(tài)分布,指標(biāo)整體上并不符合正態(tài)分布,所以只能采用非參數(shù)檢驗方法進行顯著性檢驗。本文選用曼-惠特尼U檢驗法對指標(biāo)進行了檢驗,結(jié)果顯示離公司被執(zhí)行*ST年份越近,兩類企業(yè)指標(biāo)顯著性差異越強。在10%和5%的顯著性水平上,各年指標(biāo)的顯著性差異有所不同,為了更好地選取有顯著性差異的指標(biāo)構(gòu)建各階段的財務(wù)預(yù)警模型,本文選取在10%的顯著性水平下,T-4、T-3和T-2三年中全部通過顯著性檢驗的指標(biāo)作為財務(wù)風(fēng)險階段財務(wù)預(yù)警模型的指標(biāo)變量;在5%的顯著性水平下,T-3、T-2和T-1年全部通過顯著性檢驗的指標(biāo)作為財務(wù)困境階段財務(wù)預(yù)警模型的指標(biāo)變量,以消除不同年份指標(biāo)變量顯著性差異不同帶來的相應(yīng)模型只能應(yīng)用于特殊年份的影響。最終選取的構(gòu)建財務(wù)風(fēng)險階段、財務(wù)困境階段財務(wù)預(yù)警模型的指標(biāo)變量如表1所示。

表1 階段預(yù)警模型選用指標(biāo)變量

X1 留存收益資產(chǎn)比 X2 凈資產(chǎn)收益率X6 總資產(chǎn)報酬率 X7 總資產(chǎn)息稅前利潤率財務(wù)困境階段預(yù)警模型X12 現(xiàn)金利息保障倍數(shù) X25 固定資產(chǎn)周轉(zhuǎn)率X26 銷售收入增長率 X29 凈利潤增長率X31 經(jīng)營現(xiàn)金凈流量負(fù)債比 X32 經(jīng)營現(xiàn)金凈流量流動負(fù)債比X33 經(jīng)營現(xiàn)金凈流量總資產(chǎn)比 X36 經(jīng)營現(xiàn)金凈流量營業(yè)利潤比

五、模型的構(gòu)建

本文首先選用主成分分析對建模指標(biāo)變量進行分析,選取主成分,以消除變量間的多重共線性,然后再利用Logistic回歸對主成分進行分析構(gòu)建模型。通過對各年的指標(biāo)數(shù)據(jù)進行分析,各年指標(biāo)都可以利用主成分分析。在財務(wù)風(fēng)險階段,本文選用大于特征值0.8的主成分,在財務(wù)困境階段,本文選擇大于特征值1的主成分,所得各階段主成分得分函數(shù)如表2。

將上文選取的各階段的主成分作為各階段財務(wù)預(yù)警模型的自變量,財務(wù)風(fēng)險階段取T-2年凈利潤小于0的公司為0,T-2年凈利潤大于0的公司為1作為模型的因變量;財務(wù)困境階段取T年公司被執(zhí)行*ST為0,T年公司不被執(zhí)行*ST為1作為模型的因變量,選用Logistic回歸中的Binary Logistic進行分析,得到各階段的模型系數(shù),詳見表3。

表2 各階段主成分得分函數(shù)表

表3 各階段模型系數(shù)表

將各年的原始數(shù)據(jù)代入各階段所構(gòu)建的模型,以檢驗?zāi)Ｐ偷念A(yù)測能力。本文以0.5作為判定的臨界值,得到的模型對各階段的預(yù)測結(jié)果如表4所示,通過預(yù)測結(jié)果可知,模型具有一定的預(yù)測能力。

表4 各階段模型預(yù)測結(jié)果

六、模型比較與結(jié)論

通過對兩階段的財務(wù)預(yù)警回歸模型的構(gòu)建,發(fā)現(xiàn)兩者在以下方面有所不同:

1.模型指標(biāo)變量

通過對選取的全部41個指標(biāo)數(shù)據(jù)的差異顯著性檢驗,依據(jù)指標(biāo)在預(yù)測年度與之前兩年中全部通過顯著性檢驗為原則,以10%的顯著性水平為標(biāo)準(zhǔn),選取了5個指標(biāo)作為財務(wù)風(fēng)險階段財務(wù)預(yù)警模型的變量,以5%的顯著性水平為標(biāo)準(zhǔn),選取了12個指標(biāo)作為財務(wù)困境階段財務(wù)預(yù)警模型的變量。從顯著性水平上,T-4和T-3年的指標(biāo)的顯著性明顯低于T-2和T-1年的指標(biāo)的差異顯著性,這也就說明,離企業(yè)被執(zhí)行*ST越近的年份,兩類企業(yè)指標(biāo)表現(xiàn)的差異性越顯著,離企業(yè)被執(zhí)行*ST越遠的年份,兩類企業(yè)指標(biāo)變現(xiàn)的差異顯著性越小。從指標(biāo)的數(shù)量上,離企業(yè)被執(zhí)行*ST較遠的T-4和T-3年,各年指標(biāo)差異顯著性不僅顯著性水平低,而且具有差異性的指標(biāo)少,符合條件的僅有5個;而離企業(yè)被執(zhí)行*ST較近的T-2和T-1年,各年指標(biāo)差異顯著性不僅顯著性水平高,而且具有差異性的指標(biāo)較多,符合條件的有12個。兩階段所選的指標(biāo)不僅在數(shù)量上不同,在內(nèi)容上也不相同。例如通過財務(wù)風(fēng)險階段指標(biāo)檢驗的5個指標(biāo)中,僅有2個在財務(wù)困境階段指標(biāo)中仍表現(xiàn)的具有顯著性差異,其它3個指標(biāo)表現(xiàn)的不再具有顯著性差異。而財務(wù)風(fēng)險階段差異性表現(xiàn)不顯著的,又有10個指標(biāo)在財務(wù)困境階段表現(xiàn)的顯著,由此也說明了建立分階段財務(wù)預(yù)警模型的必要性。從模型中各主成分的權(quán)重來看,各個階段中,各方面能力主成分對模型的主要影響各有不同,這也說明了在每個階段主要影響企業(yè)財務(wù)狀況的因素又各有不同,這也說明了建立分階段財務(wù)預(yù)警模型的必要性。

2.模型的預(yù)測能力

由各階段模型預(yù)測結(jié)果可知,各階段模型都具有一定的預(yù)警能力,財務(wù)困境階段模型預(yù)警能力較高,準(zhǔn)確率達到 95.3%,財務(wù)風(fēng)險階段模型略低一點,也達到71.8%。由模型的預(yù)警能力以及指標(biāo)選取時兩階段指標(biāo)的顯著差異性,可以得知財務(wù)風(fēng)險階段的預(yù)測較財務(wù)困境階段的預(yù)測有一定的難度,財務(wù)風(fēng)險的預(yù)測是企業(yè)風(fēng)險防范的重要階段,因此著重加強財務(wù)風(fēng)險階段的預(yù)警應(yīng)是日后研究的重點和難點。

綜上,針對機械設(shè)備儀表類上市公司構(gòu)建該行業(yè)分階段的財務(wù)預(yù)警模型,使財務(wù)預(yù)警模型更具有針對性,同時,通過模型的構(gòu)建與比較,得出了有必要分階段進行財務(wù)預(yù)警模型構(gòu)建的結(jié)論。

[1]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.

[2]陳凱凡.企業(yè)財務(wù)困境混合模型預(yù)測——基于上市公司財務(wù)數(shù)據(jù)的實證研究[D].暨南大學(xué),2005.

[3]Zmijewski Mark E.Dietrich J.Richard.Methodological Issues elated to the Estimation of Financial Distress Prediction Models[J].Journal of Accounting Research.1984,22:59-82.

[4]高培業(yè),張道奎.企業(yè)失敗判別模型實證研究[J].統(tǒng)計研究,2000(10):46-51.

[5]胡楊,馮武.我國上市公司財務(wù)危機預(yù)警系統(tǒng)研究[J].經(jīng)濟研究,2006(2):12-15.

[6]張根明,向曉驥,孫敬宜.基于BP神經(jīng)網(wǎng)絡(luò)的制造業(yè)上市公司財務(wù)預(yù)警[J].山東工商學(xué)院學(xué)報,2006(4):56-61.

[7]徐勇.上市公司財務(wù)困境預(yù)測模型實證研究——基于制造業(yè)的實例[J].財會通訊(學(xué)術(shù)版),2007(1):47-50.

[8]李清.基于遺傳算法的上市公司財務(wù)危機預(yù)測模型研究[J].數(shù)理統(tǒng)計與管理,2008(5):928-937.

[9]黃陽輝.基于非配對樣本的制造業(yè)上市公司財務(wù)困境預(yù)警研究[D].長沙:中南大學(xué),2007.