孫萬菊

(杭州電子科技大學經(jīng)濟學院，浙江杭州310018)

0 引言

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。

1 數(shù)據(jù)準備

1.1 樣本選擇與處理

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。

1.2 備選指標變量篩擇

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

2 實證分析

2.1 主成分分析

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。

2.2 模型建立與求解

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。

2.3 模型檢驗

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

3 結束語

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.