孫萬菊
(杭州電子科技大學經(jīng)濟學院,浙江杭州310018)
由于外部客觀環(huán)境的不確定性以及企業(yè)自身的局限性,使得企業(yè)經(jīng)營面臨著巨大的風險。2008年9月,美國爆發(fā)了危及全球的金融海嘯,許多企業(yè)紛紛落馬,從企業(yè)本身角度上來看,這場危機的產(chǎn)生是由于企業(yè)的過度負債,導致財務結構極不穩(wěn)定,抗風險的能力差的原因。在我國金融體系、資本市場、社會信用體系都很不完善的情況下,伴隨著近幾年股票市場的急劇火爆和投資者理財觀念的升級,各個主體對于能及早預測上市公司財務狀況的需求也越來越強烈。傳統(tǒng)財務狀態(tài)分類采取二分法,這種非此即彼的方法過于簡單,損失了一些重要的階段性信息。企業(yè)從經(jīng)營正常到陷入危機狀態(tài),往往是一個循序漸進的過程。國外關于多分類狀態(tài)的研究主要有,根據(jù)財務危機事項的嚴重程度,提出將財務狀況劃分5等級的財務危機預測模型[1]。漸進模型描述了一個財務正常公司逐漸變?yōu)槠飘a(chǎn)公司的過程,符合中國上市公司的動態(tài)生存的實際情形。我國學者在理論和實證研究中對財務狀況進行細化處理始于2004年,首次在理論上根據(jù)可變現(xiàn)資產(chǎn)與負債的關系,將財務狀況分為5大類[2]。其后又有提出以財務充盈、財務均衡、財務困境和財務危機為4分類的財務困境預測模型[3]。Logistic回歸作為一種非線性回歸模型,是對二分類因變量進行回歸分析時最普遍使用的多元統(tǒng)計方法。本文結合我國證監(jiān)會對上市公司因財務異常而進行的處理方式的實際情形,采用有序多分類logistic模型將上市公司分為四類,即財務狀況穩(wěn)定、財務狀況惡化、財務危機、破產(chǎn)或等待退市。
基于財務數(shù)據(jù)的公開性和獲取的便捷性,綜合上市公司被特殊處理的熱點問題,研究將選擇我國上市公司為研究對象,對公司的整體功能進行分析。上市公司被特殊處理作為既定事件,具有很強的客觀性、可操作性和可度量性。相比于國外將破產(chǎn)界定為財務危機的標志,在中國更具實用性。
因此,本研究認定因財務異常而被中國證監(jiān)會實施特別處理的公司處于財務惡化狀態(tài),因連續(xù)3年虧損而被處以退市警告的為財務危機狀態(tài)。文中以上市公司被特殊處理年份作為標準年份,收集前三年數(shù)據(jù)展開財務狀況分類研究,按照1∶1配對原則選取2011年滬深A股的182家被特殊處理和財務正常公司。非ST公司即財務正常公司的配對遵循以下幾個原則:(1)相同或相近的行業(yè);(2)公司財務經(jīng)營正常,業(yè)績良好;(3)公司資產(chǎn)規(guī)模相近,如沒有合適的配對樣本,則選取差距最小的。
在財務指標應用的研究領域中,對指標的選擇并未有統(tǒng)一的范式規(guī)定。本文借鑒以往研究中的經(jīng)驗,考慮指標的全面性、可操作性以及敏感性,初步選取25個備選指標體系。要建立準確的分類模型,各分類財務狀態(tài)間必須滿足互斥性。因此,首先要采用K-S檢驗來檢驗變量是否服從正態(tài)分布,然后綜合正態(tài)分布檢驗的結果,進行均值差異性檢驗。
如表1所示,K-S正態(tài)檢驗結果表明,在5%的顯著性水平上所有備選指標均不符合正態(tài)分布;因此,進一步采用K獨立樣本非參數(shù)檢驗,選擇有顯著性差異的有用指標。結果表明,應剔除X1、X3、X10、X11、X19、X24,而選擇具有顯著差異的其他17個財務指標組成的指標體系。
表1 K_S正態(tài)檢驗和K獨立樣本非參數(shù)檢驗結果
由于不同的財務指標之間存在一定程度的相關性,影響財務狀況分類模型的準確度。因此,必須消除變量之間的多重共線性,并確保模型的穩(wěn)健性。本文中采用主成分法,能夠不遺漏原始指標所蘊含的內(nèi)在信息,同時提取財務能力的影響因子。結果表明,在顯著性水平為0.05的情況下,KMO測試值為0.678,Bartlett卡方值1 482.403,即17個財務指標變量之間存在相關性,適合進行主成分分析,結果如表2所示。
表2 主成分分析
根據(jù)表2結果,按照累計貢獻率法,提取對原始數(shù)據(jù)信息涵蓋率達到85.791%的9個主成分。
根據(jù)多類別的logistic回歸模型的理論模型以及SPSS操作[4]。用SPSS軟件進行處理,得到結果如表3所示。
表3 Logistic回歸分析
模型的各項系數(shù)的估計值如表3 所示,其中各類分界值為 μ0=0,μ1=0.135,μ2=1.58,μ3=2.75。
模型結果分析的一個重要工作是進行模型的評估與檢驗。將建立模型的訓練樣本回帶到有序多分類的logistic模型,對樣本進行回判檢驗,具體結果如表4所示。
通過表3,4的結果顯示,模型擬合在95%的置信水平上通過了擬合優(yōu)度的檢驗,同時回判的總體準確率達到了76.23%。因此,建立的有序多分類logistic模型總體效果還是比較好的。
表4 回判檢驗結果
針對上市公司被ST的熱點問題,本文從實證角度研究了財務惡化的漸變過程,在傳統(tǒng)二分類的基礎上建立了四分類的多級財務危機預警模型。結果表明,預測準確率達76.23%。多分類研究避免了簡單二分類的粗糙性而具有較大的應用價值。同時模型具體數(shù)據(jù)的展示結果得到的是一個概率值,給人直觀明了的感覺,在實際運用中非常簡單方便。
由于模型局限性,本文只考慮了公司財務狀況持續(xù)惡化趨勢的情況。另外,在我國上市公司中,很多被特殊處理的公司因重組、新資金的注入、借殼等原因而被摘帽?;谶@些原因并不是公司自身經(jīng)營的結果,在模型中很難做出描述。為獲得更精確的預測和判別效果,今后研究方向可以考慮動態(tài)的預測模型和轉移概率模型。
[1]Amy Hing-Ling Lau.A Five-state Financial Distress Prediction Model[J].Journal of Accounting research,1987,25(1):127-138.
[2]吳世農(nóng),趙巖.上市公司狀況多分類研究[J].會計研究,2004,(11):53-61.
[3]李珊.基于財務狀況多分類的財務困境模型研究[D].杭州:浙江大學,2009.
[4]朱紅兵.應用統(tǒng)計與SPSS應用[M].北京:電子工業(yè)出版社,2011:605-625.
[5]宋淑琴.現(xiàn)代企業(yè)財務危機預警系統(tǒng)研究[D].大連:東北財經(jīng)大學,2005.