杜巨玲　金茜茜

摘要：財(cái)務(wù)危機(jī)預(yù)警的研究具有重要的現(xiàn)實(shí)意義，本文利用Fisher模型，以化工化纖行業(yè)被ST的上市公司為研究對(duì)象，選取ST公司與財(cái)務(wù)狀況正常的公司的財(cái)務(wù)數(shù)據(jù)。在Sppss17.0軟件中，利用K-S檢驗(yàn)、T檢驗(yàn)和相關(guān)分析，篩選出不具備線性關(guān)系，但能顯著反映財(cái)務(wù)危機(jī)的指標(biāo)，代入Fisher模型得到變量系數(shù)，并將原始財(cái)務(wù)數(shù)據(jù)進(jìn)行回代，從而得到模型判別的準(zhǔn)確率。

關(guān)鍵詞：上市公司 財(cái)務(wù)危機(jī)預(yù)警 Fisher模型 化工化纖行業(yè)

目前為止，針對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究主要經(jīng)歷了從單變量破產(chǎn)預(yù)測(cè)模型，多元線性判別模型到邏輯回歸模型的演化；從依靠單一財(cái)務(wù)比率判別財(cái)務(wù)狀況到多種財(cái)務(wù)指標(biāo)的綜合運(yùn)用，危機(jī)預(yù)警模型不斷發(fā)展和完善。目前，在三種廣泛使用的危機(jī)預(yù)警模型中，Z計(jì)分模型的準(zhǔn)確率不如其他兩類精確，而Logistic模型對(duì)于樣本的數(shù)據(jù)量要求較高。因此，在化工化纖行業(yè)上市公司樣本數(shù)據(jù)量可能偏少的情況下，為保證模型判別效果的準(zhǔn)確，本文選擇Fisher模型作為實(shí)證研究工具。

一、研究方法設(shè)計(jì)及模型

Fisher模型是費(fèi)希爾提出來(lái)的。表達(dá)式為Z=a1x1+a2x2+a3x3+a4x4+……+anxn，其中Z表示判別值，a表示相關(guān)系數(shù)的權(quán)重，而x代表的變量則是財(cái)務(wù)指標(biāo)的比率，且各變量之間不具有線性關(guān)系。在變量的選擇過(guò)程中，主要是基于企業(yè)盈利能力、營(yíng)運(yùn)能力、償債能力、現(xiàn)金流量指標(biāo)以及發(fā)展能力五方面考慮。

在構(gòu)建模型的過(guò)程中，首先運(yùn)用逐步分析法，在所有的財(cái)務(wù)比率中選出能夠提供有效信息的指標(biāo)變量；其次，利用統(tǒng)計(jì)分析的方法，檢驗(yàn)各變量之間的共線性，即使得構(gòu)建模型的變量之間不具有線性關(guān)系，在這一階段可以使用均值檢驗(yàn)、方差檢驗(yàn)或者特征值檢驗(yàn)等方法完成；第三，可以用挑選出的變量建立模型，代入利用原始數(shù)據(jù)得到的變量系數(shù)，完成Fisher模型財(cái)務(wù)危機(jī)企業(yè)和正常企業(yè)兩部分公式的構(gòu)建；最后一步是模型的檢驗(yàn)，將原始的財(cái)務(wù)數(shù)據(jù)指標(biāo)回代入模型中，在兩個(gè)公式的結(jié)果中取大值以判斷企業(yè)所屬類型，完成判別分析的全過(guò)程。

本文利用ST公司和財(cái)務(wù)狀況正常的公司財(cái)務(wù)數(shù)據(jù)進(jìn)行分析。將ST公司命為1，正常公司為0，分為兩組便于后續(xù)的分析。由于Fisher模型要求變量服從正態(tài)分布，因此需要首先利用K-S檢驗(yàn)進(jìn)行正態(tài)分布的驗(yàn)證，剔除不符合前提條件的變量；第二步，進(jìn)行T檢驗(yàn)，目的是為了篩選有利于分辨ST和非ST的顯著變量，以便于利用這些變量建立模型；第三，檢驗(yàn)顯著變量之間是否存在線性關(guān)系，剔除相關(guān)的變量，利用剩余的不相關(guān)變量建立模型；然后再將樣本數(shù)據(jù)回代，檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性。在這一過(guò)程中，需要借助Spss17.0軟件完成分析過(guò)程。

二、財(cái)務(wù)指標(biāo)選取

三、樣本數(shù)據(jù)的獲取

根據(jù)相應(yīng)的指標(biāo)變量，本文在實(shí)證部分選取了化工化纖行業(yè)中36家上市公司的財(cái)務(wù)數(shù)據(jù)，其中16家公司作為財(cái)務(wù)危機(jī)組的樣本數(shù)據(jù)，另外20家作為對(duì)比組，即財(cái)務(wù)狀況正常的樣本。結(jié)合Spss軟件，運(yùn)用Fisher判別分析建立財(cái)務(wù)危機(jī)預(yù)警模型。由于上市公司當(dāng)年的財(cái)務(wù)報(bào)表是在次年1至4月公布，因此是否被ST一般在次年4月份能確定。也就是說(shuō)，當(dāng)上市公司被ST時(shí)，一般為最近的兩個(gè)會(huì)計(jì)年度連續(xù)出現(xiàn)虧損或前一年的每股凈資產(chǎn)低于股票的面值。因此，使用被ST前一年的數(shù)據(jù)來(lái)預(yù)測(cè)是否存在財(cái)務(wù)危機(jī)是沒(méi)有意義的，一般而言，前一年在一定程度上已經(jīng)可以知道該公司會(huì)不會(huì)被ST。所以在財(cái)務(wù)危機(jī)預(yù)警樣本數(shù)據(jù)的選擇中，更多應(yīng)用危機(jī)發(fā)生前兩年或前三年的數(shù)據(jù)，更具準(zhǔn)確性。

基于以上的分析，本文選擇化工化纖行業(yè)共36家上市公司作為分析對(duì)象。發(fā)生財(cái)務(wù)危機(jī)的公司選擇被ST前2至3年的財(cái)務(wù)數(shù)據(jù)，財(cái)務(wù)狀況正常的公司選擇與前者同一年份的數(shù)據(jù)作為樣本。

四、建立財(cái)務(wù)危機(jī)預(yù)警的Fisher模型

六、結(jié)論

雖然財(cái)務(wù)危機(jī)的爆發(fā)對(duì)上市公司具有相當(dāng)大的殺傷力，但任何危機(jī)的發(fā)生必然要經(jīng)歷一個(gè)不斷積累的過(guò)程。因而，在企業(yè)的經(jīng)營(yíng)過(guò)程中建立起一套以數(shù)學(xué)模型為基礎(chǔ)的預(yù)警機(jī)制，對(duì)于有效預(yù)防財(cái)務(wù)危機(jī)的發(fā)生具有十分重要的作用。我們可以借助企業(yè)的財(cái)務(wù)報(bào)表以及相關(guān)的財(cái)務(wù)指標(biāo)，運(yùn)用統(tǒng)計(jì)學(xué)的分析方法，建立模型來(lái)預(yù)測(cè)企業(yè)的發(fā)展趨勢(shì)，以發(fā)現(xiàn)潛在的財(cái)務(wù)風(fēng)險(xiǎn)，并且在危機(jī)尚未發(fā)生之前告知經(jīng)營(yíng)者及時(shí)采取措施，有效避免危機(jī)的發(fā)生，以此實(shí)現(xiàn)企業(yè)的可持續(xù)發(fā)展。本文選擇了反映企業(yè)償債能力、盈利能力、運(yùn)營(yíng)能力以及發(fā)展能力等多項(xiàng)指標(biāo)，經(jīng)過(guò)各項(xiàng)檢驗(yàn)，尋找符合條件能進(jìn)入Fisher模型的變量，縱觀Fisher模型構(gòu)建過(guò)程方便簡(jiǎn)單，具有較強(qiáng)的實(shí)際操作可能性。但也存在以下問(wèn)題：

（一）樣本數(shù)據(jù)量的問(wèn)題。比較常用的用以衡量企業(yè)財(cái)務(wù)狀況的模型包括Z計(jì)分模型、Logistics模型、Fisher模型等。相對(duì)而言，Logistics模型要求具有足夠多的樣本數(shù)據(jù)，因此對(duì)樣本容量的要求較高，相應(yīng)構(gòu)建的模型判別準(zhǔn)確率也較高。而Fisher模型對(duì)樣本量的要求并沒(méi)有特別要求，本文針對(duì)化工化纖行業(yè)上市公司選取了近兩年被ST的公司作為樣本，觀察最終結(jié)果，數(shù)據(jù)量可能偏少，導(dǎo)致誤判率偏高，可知，擴(kuò)大樣本量可能是提高判別效果的有效方法之一。

（二）指標(biāo)選取和篩選問(wèn)題。本文在選取指標(biāo)變量時(shí)，綜合從償債能力、獲利能力、營(yíng)運(yùn)能力以及成長(zhǎng)能力等多方面考量選取指標(biāo)，力求全面反映企業(yè)財(cái)務(wù)狀況。參考全文實(shí)證過(guò)程，可知最終經(jīng)過(guò)各項(xiàng)檢驗(yàn)進(jìn)入Fisher模型的指標(biāo)變量并未達(dá)到全面考量的初衷，而篩選變量的過(guò)程也可以認(rèn)為是在眾多反映財(cái)務(wù)狀況的變量里，選擇在企業(yè)持續(xù)生產(chǎn)經(jīng)營(yíng)過(guò)程中對(duì)經(jīng)營(yíng)情況和現(xiàn)狀具有指示作用的信號(hào)。這一結(jié)果，可與化工化纖行業(yè)自身特點(diǎn)相結(jié)合進(jìn)行分析。因此，可以認(rèn)為最終剩余的變量對(duì)于企業(yè)財(cái)務(wù)預(yù)警的效果更為顯著。

（三）未來(lái)預(yù)測(cè)的不確定性。上市公司面臨的環(huán)境復(fù)雜多變，包括經(jīng)濟(jì)環(huán)境、政治環(huán)境、法律環(huán)境、技術(shù)環(huán)境諸多方面，如政府政策變動(dòng)以及國(guó)內(nèi)外經(jīng)濟(jì)走勢(shì)等影響；而財(cái)務(wù)危機(jī)預(yù)警是依據(jù)若干年前的數(shù)據(jù)預(yù)測(cè)未來(lái)企業(yè)的財(cái)務(wù)狀況，存在一個(gè)隱形假設(shè)，即：企業(yè)面臨的市場(chǎng)環(huán)境是平穩(wěn)且保持不變的，忽略了客觀市場(chǎng)存在的各種變化，對(duì)企業(yè)未來(lái)發(fā)展走勢(shì)預(yù)測(cè)未必準(zhǔn)確，因此在這個(gè)動(dòng)態(tài)的環(huán)境中，用靜態(tài)的數(shù)據(jù)預(yù)測(cè)未來(lái)，不可避免存在考慮不周的問(wèn)題。而這一問(wèn)題僅通過(guò)數(shù)據(jù)難以量化，需要將定性分析和定量分析相結(jié)合。

針對(duì)以上問(wèn)題，筆者建議如下：

首先，本文選取的是化工化纖行業(yè)上市公司的數(shù)據(jù)，并未涉及非上市公司，主要因?yàn)榉巧鲜泄緮?shù)據(jù)較難獲得。如果能獲得非上市公司相應(yīng)的財(cái)務(wù)數(shù)據(jù)，則能有效擴(kuò)大樣本數(shù)據(jù)量，從而提高模型的判別效果；同時(shí)，也能使模型更具代表性。但是也存在一個(gè)問(wèn)題，上市公司陷于財(cái)務(wù)危機(jī)可以被ST作為標(biāo)志，但非上市公司很難以某一顯著標(biāo)志標(biāo)示是否陷于財(cái)務(wù)危機(jī)。因此，擴(kuò)大樣本量至非上市公司雖然會(huì)使得模型判別效果增強(qiáng)，但必須首先解決判別標(biāo)志這一問(wèn)題。

其次，在具體指標(biāo)選擇中，可以在常用的指標(biāo)之外多考慮某些非財(cái)務(wù)指標(biāo)。企業(yè)財(cái)務(wù)狀況并不僅僅可以由財(cái)務(wù)數(shù)據(jù)反映，也可以通過(guò)諸如股權(quán)結(jié)構(gòu)、組織結(jié)構(gòu)等方面反映。財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)在一定程度上會(huì)相互影響，因此僅考慮一方面可能有失偏頗，并不準(zhǔn)確。而非財(cái)務(wù)指標(biāo)大多需要具體分析，需要將定量分析與定性分析相結(jié)合，才能比較完整地反饋企業(yè)的財(cái)務(wù)狀況。但定性分析相對(duì)較為困難。

參考文獻(xiàn)：

1.文蘭.公司治理引入上市公司財(cái)務(wù)危機(jī)預(yù)警體系的實(shí)證分析［J］.商業(yè)會(huì)計(jì)，2011，（14）.

2.楊建斌.Fisher判別法在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用［J］.會(huì)計(jì)之友，2011，（13）.

3.程曉秋.上市公司財(cái)務(wù)困境預(yù)警研究——基于數(shù)據(jù)挖掘的方法［J］.財(cái)會(huì)通訊，2010，（1）.