南京大學(xué)商學(xué)院 高忠

公司的財(cái)務(wù)狀況直接影響到公司的運(yùn)營(yíng)和前景，對(duì)于上市公司來講，陷入財(cái)務(wù)危機(jī)將有退市的可能。對(duì)資本市場(chǎng)的投資者來講，提前預(yù)知公司是否存在財(cái)務(wù)危機(jī)有切實(shí)的必要；對(duì)于債權(quán)人來講，公司陷入財(cái)務(wù)危機(jī)將影響債務(wù)安全；對(duì)于公司管理者來講，財(cái)務(wù)危機(jī)的預(yù)警可以幫助進(jìn)行合理的管理和調(diào)整公司的經(jīng)營(yíng)。因此，財(cái)務(wù)危機(jī)預(yù)警模型有廣泛的現(xiàn)實(shí)需要。本文采用實(shí)證研究，根據(jù)上市公司的財(cái)務(wù)數(shù)據(jù)構(gòu)建Logit模型，為上市公司的股東、債權(quán)人、管理者和相關(guān)利益人提供決策的可靠依據(jù)。

1 模型的介紹

本文將建立這樣的Logit模型：

事件“Y”代表上市公司是否出現(xiàn)財(cái)務(wù)危機(jī)，“Y=1”代表發(fā)生財(cái)務(wù)危機(jī)，“Y=0”代表沒有發(fā)生財(cái)務(wù)危機(jī)，本文將A股上市公司中的ST公司界定為發(fā)生財(cái)務(wù)危機(jī)，非ST公司則沒有發(fā)生財(cái)務(wù)危機(jī)，而且本文僅僅對(duì)A股的制造業(yè)上市公司進(jìn)行實(shí)證研究，因?yàn)椴煌袠I(yè)的公司在一些關(guān)鍵的財(cái)務(wù)指標(biāo)上有不同的標(biāo)準(zhǔn)，比如零售業(yè)的存貨周轉(zhuǎn)率一般都很高，金融業(yè)的資產(chǎn)負(fù)債率一般都很高，這些財(cái)務(wù)指標(biāo)的差異會(huì)影響模型的精準(zhǔn)度，因此本文僅僅對(duì)制造業(yè)進(jìn)行實(shí)證分析。本文所稱的制造業(yè)上市公司是證監(jiān)會(huì)分類指標(biāo)中的制造業(yè)上市公司。

決定“Y”是0還是1，取決于不可觀測(cè)的變量“Q”，而“Q”和我們可以觀測(cè)的解釋變量之間有函數(shù)關(guān)系Q=f(X)，假設(shè)該函數(shù)有線性形式：Q=βXi+εi。

“Q”的取值決定了事件“Y”是否發(fā)生，設(shè)定Q=ln[pi/(1-pi)]，pi是事件發(fā)生的概率，則Y=1時(shí)，Q＞0，Y=0時(shí)，Q≤0，事件發(fā)生的概率為：P(Y=1)=P(Q＞0)=P(εi＞-βXi)

εi服從Logistic分布，這樣可以得到Logit模型，εi的概率分布函數(shù)為F(t)。

F(t)=et/(1+et)

因?yàn)镕(-t)=1-F(t)所以

Xi=(Xi1,Xi2,…,Xik)表示第i個(gè)樣本點(diǎn)的解釋變量。

通過迭代法可以求出β的最大似然估計(jì)。

2 樣本的采集和變量的選取

2.1 樣本的采集

本文的樣本數(shù)據(jù)及財(cái)務(wù)指標(biāo)均采集自wind數(shù)據(jù)庫(kù)，因2012年上市公司還沒有進(jìn)行全面的摘帽戴帽，所以選取了2011年度的ST公司，本文選取了制造業(yè)的20家ST公司作為存在財(cái)務(wù)危機(jī)的公司，選取了制造業(yè)20家非ST公司作為沒有財(cái)務(wù)危機(jī)的公司。為了提高模型的準(zhǔn)確性，ST公司和非ST公司是一一配對(duì)的，配對(duì)的公司總資產(chǎn)規(guī)模非常接近，可以進(jìn)行財(cái)務(wù)指標(biāo)的對(duì)比，最終得到40個(gè)樣本點(diǎn)。

2.2 變量的選取

影響公司財(cái)務(wù)的因素很多，綜合來看，體現(xiàn)公司財(cái)務(wù)狀況的指標(biāo)包括了盈利能力、債償能力、現(xiàn)金流量、營(yíng)運(yùn)能力、成長(zhǎng)能力。本文一共選取了這五個(gè)方面的11個(gè)財(cái)務(wù)指標(biāo)。X1：總資產(chǎn)凈利率ROA；X2：銷售凈利率；X3：經(jīng)營(yíng)性現(xiàn)金凈流量/營(yíng)業(yè)總收入；X4：流動(dòng)比率；X5：經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~／負(fù)債合計(jì)；X6：應(yīng)收賬款周轉(zhuǎn)率；X7：存貨周轉(zhuǎn)率；X8：總資產(chǎn)周轉(zhuǎn)率；X9：凈資產(chǎn)(同比增長(zhǎng)率)；X10：利潤(rùn)總額(同比增長(zhǎng)率)；X11：經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~(同比增長(zhǎng)率)。

2.3 變量的篩選

變量太多需要對(duì)變量進(jìn)行篩選才能保證模型的正確性，應(yīng)當(dāng)選取對(duì)ST公司和非ST公司區(qū)分能力較強(qiáng)的變量。本文采用組間均值相等檢驗(yàn)來判別對(duì)于ST公司組和非ST公司組判別能力，可以得出在10%的顯著性水平下，X1，X4，X5,X8的P＜0.1，ST公司和非ST公司的這三個(gè)變量均值有顯著差異，因此選取這四個(gè)變量作為模型的變量，其他變量剔除。

3 回歸分析

本文使用SPSS軟件進(jìn)行二元Logistic回歸，得到Logit模型：

Ln(p/1-p)=348.649 -1.64*X1-61.873*X4-170.864*X5-292.566*X8

4 模型的預(yù)測(cè)能力檢驗(yàn)

為了驗(yàn)證該Logi模型的預(yù)測(cè)能力，本文在制造業(yè)上市公司中隨機(jī)選取了13家ST公司和13家非ST公司的樣本數(shù)據(jù)，通過預(yù)測(cè)值和真實(shí)值的比較來判斷模型的預(yù)測(cè)精度。預(yù)測(cè)以及對(duì)比結(jié)果如表1所示。

我們可以得出結(jié)論：非ST公司13個(gè)樣本誤判了2個(gè)，誤判概率15.4%，ST公司13個(gè)樣本誤判了1個(gè)，誤判概率7.7%，總體來看26個(gè)樣本誤判了3個(gè)，誤判概率11.5%?？傮w的模型精度達(dá)到了88.5%，說明該模型還是比較精確可靠的。

5 結(jié)語(yǔ)

本文通過A股制造業(yè)上市公司中的20家ST公司和20家非ST公司的財(cái)務(wù)數(shù)據(jù)，運(yùn)用二元Logistic回歸構(gòu)建了合理可靠的財(cái)務(wù)危機(jī)預(yù)警Logit模型，并通過對(duì)隨機(jī)樣本的預(yù)測(cè)驗(yàn)證該模型的準(zhǔn)確程度。

表1

預(yù)測(cè)的結(jié)果表明該Logit模型精確可靠，精度達(dá)到了88.5%，結(jié)果合理，預(yù)測(cè)能力強(qiáng)，可以作為判斷A股制造業(yè)上市公司是否存在財(cái)務(wù)危機(jī)的工具。能幫助投資者、債權(quán)人、股東以及利益相關(guān)者做出合理的決策，因而具有現(xiàn)實(shí)的指導(dǎo)意義。

[1]李子奈.計(jì)量經(jīng)濟(jì)學(xué)(第二版)[M].北京:高等教育出版社,2005.

[2]伍德里奇.計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論(第三版)[M].北京:人民大學(xué)出版社, 2007.

[3]楊宏峰.企業(yè)財(cái)務(wù)危機(jī)困境預(yù)測(cè)模型研究[J].會(huì)計(jì)師,2008(1).