余杰+田康樂

【摘 要】 文章以制造業(yè)上市公司為例，選取2010—2012年首次被ST的公司及其配對公司作為樣本，前兩年樣本用于建模，第三年用于檢驗，設計從財務和公司治理兩個角度出發(fā)的財務危機預警指標，并從中篩選出預警能力較強的指標，通過因子分析提取公共因子后構(gòu)建Logistic回歸模型，其回代與預測準確率分別為79.41%和78.57%。

【關(guān)鍵詞】 制造業(yè)上市公司； 財務危機預警指標； 因子分析； Logistic回歸； 預警模型

中圖分類號：F275 文獻標識碼：A 文章編號：1004-5937（2014）30-0073-03

一、引言

經(jīng)濟發(fā)展以及市場競爭的日益激烈使企業(yè)的生存環(huán)境越來越復雜，面臨的財務風險越來越大。財務問題導致破產(chǎn)的案例屢見不鮮，因此財務危機預警作為企業(yè)風險管理的重要組成部分已經(jīng)引起了社會各界的廣泛關(guān)注。財務危機作為動態(tài)過程，對其進行預測是可行的，及時準確地預警不僅有助于企業(yè)防范和分散財務風險，維護投資者和債權(quán)人的利益，也有利于政府對證券市場風險的控制。

二、研究現(xiàn)狀

（一）國外研究綜述

Beaver（1966）選擇79家發(fā)生財務危機的公司以及相同規(guī)模的配對企業(yè)為樣本，利用單變量判斷方法檢驗了反映公司不同財務特征的30個變量對于危機的預測能力；Altman（1968）設計了5個財務比率，構(gòu)建Z-Score模型研究企業(yè)破產(chǎn)問題；而Martin（1977） and Zavgren（1985）、Skogsvik（1990）以及Wilson等（1994）分別采用logistic、Probit回歸以及神經(jīng)網(wǎng)絡等方法，結(jié)合財務指標的設計，建立財務危機預警模型。

（二）國內(nèi)研究綜述

國內(nèi)財務危機預警研究與上述研究方法類似，劉■和羅慧（2001）比較了判別分析、Logistic回歸以及神經(jīng)網(wǎng)絡三種方法的預測能力，并結(jié)合這些方法的優(yōu)點建立了一種準確率更高的混合模型；曹德芳等（2007）研究表明引入董事會治理因素后的財務危機預警模型預測能力更強；張紅等（2013）基于多元判別分析法對Z-Score模型進行修正，構(gòu)建適用于房地產(chǎn)業(yè)的預警模型。

（三）文獻述評

通過文獻研讀，本文發(fā)現(xiàn)以往研究存在以下問題：（1）指標的選取一般只涉及財務指標，對于公司治理指標的考慮較少；（2）構(gòu)建模型時，對于財務比率的分布特征研究較少，而這直接關(guān)系著統(tǒng)計方法的選擇；（3）各行業(yè)的經(jīng)營方式差異使其財務特點不同，而以往研究大多針對上市公司整體層面，針對性不強。

本文選擇ST公司比重較大的制造業(yè)，從財務以及公司治理兩個角度設計指標，構(gòu)建財務危機預警模型。

三、研究設計

（一）指標選取

已有研究對于財務指標的選擇通過包括償債能力、營運能力以及盈利能力等方面。本文認為，獲現(xiàn)能力直接影響著企業(yè)的正常運轉(zhuǎn)，成長能力更是關(guān)系著企業(yè)的長期發(fā)展，現(xiàn)有研究成果表明公司治理因素也是影響財務危機的重要方面。因此本文在沿用部分指標的基礎上，從6個層面設計了財務危機預警指標，見表1。

（二）樣本選取

本文以制造業(yè)上市公司為例，選取2010—2011年首次被ST的公司及其配對公司共68家建模樣本，2012年首次被ST的公司及其配對公司共56家作為檢驗樣本。證監(jiān)會規(guī)定最近兩個會計年度的凈利潤均為負值的上市公司將被特別處理，因此ST企業(yè)在T-1年、T-2年已經(jīng)陷入財務危機；已有研究成果顯示，ST企業(yè)在T-4年與正常企業(yè)并沒有顯著性差異，所以本文選用T-3年的財務數(shù)據(jù)建立模型，預測T年的財務狀況。

（三）指標篩選

1.正態(tài)性檢驗

本文首先對樣本的18項指標進行K-S檢驗，結(jié)果顯示除了X8，其他指標都符合正態(tài)分布。

2.配對樣本T檢驗

對符合正態(tài)性分布的指標進行配對T檢驗，結(jié)果顯示X2、X3、X6、X9、X10、X11、X13、X15和X16在ST及其配對企業(yè)間存在顯著性差異。

3.非參數(shù)檢驗

對X8進行非參數(shù)檢驗，結(jié)果顯示其在ST及其配對企業(yè)間存在顯著性差異。

由此得出，T-3年預警能力較強的指標有X2、X3、X6、X8、X9、X10、X11、X13、X15和X16共10個指標。

（四）因子分析

使用SPSS軟件對上述10個指標進行分析，結(jié)果顯示KMO值為0.634，大于0.5，且Bartlett的球形度檢驗顯著性為0，因此適用于因子分析。

本文共選擇特征值大于1的4個公共因子，采用最大方差法旋轉(zhuǎn)后的主成分如表2。

由表2可見，F(xiàn)1因子反映企業(yè)的收現(xiàn)性，F(xiàn)2因子反映企業(yè)的成長能力，F(xiàn)3因子反映企業(yè)的安全性，這與制造業(yè)的特點相關(guān)：商業(yè)信用在制造行業(yè)的廣泛應用使得該行業(yè)公司的資金融通尤為重要，因此收益作為企業(yè)最根本的資金來源，其收現(xiàn)性直接影響著企業(yè)的正常運轉(zhuǎn)；同時，資本市場上的資金融通活動也需要考慮企業(yè)的償債風險，避免因無法到期償還債務而破產(chǎn)。

上述公共因子的具體構(gòu)成如表3。

（五）Logistic回歸分析

結(jié)合上述公共因子，選擇向前步進法，運用二項Logistic回歸構(gòu)建財務危機預警模型。

由表4可知，最終進入模型的因子有F2和F3，且它們對于預警模型都有顯著的影響；常數(shù)項的值對于預測模型也有顯著影響。

因此，本文構(gòu)建的財務危機預警模型為：ln[P/（1-P）]=-1.008+2.935*F2+1.369*F3，F(xiàn)2和F3構(gòu)成見表3。

（六）模型預警能力檢驗

本文沿用以往研究，把0.5作為P值的分界點，分別將建模樣本和訓練樣本帶入本文構(gòu)建的財務危機預警模型，檢驗該模型的預警能力，結(jié)果如表5所示。endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結(jié)果表明該模型對于及時準確地預測制造業(yè)上市公司的財務危機具有明顯效果。

四、結(jié)論

本文以我國制造行業(yè)上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結(jié)合實證分析方法構(gòu)建財務危機預警模型，并得出該模型對于企業(yè)未來3年內(nèi)的財務前景具有較好的預測效果的結(jié)論。研究表明，制造行業(yè)的發(fā)展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較小；（2）沒有考慮企業(yè)所處的宏觀環(huán)境、政府政策以及市場競爭狀況，而這些因素也會對企業(yè)財務產(chǎn)生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數(shù)據(jù)挖掘的研究[J].數(shù)理統(tǒng)計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構(gòu)建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產(chǎn)上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財務危機預警模型[J].中央財經(jīng)大學學報，2004（4）：70-75.

[10] 吳世農(nóng)，盧賢義.我國上市公司財務困境的預警模型研究[J].經(jīng)濟研究，2001（6）：21-26.endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結(jié)果表明該模型對于及時準確地預測制造業(yè)上市公司的財務危機具有明顯效果。

四、結(jié)論

本文以我國制造行業(yè)上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結(jié)合實證分析方法構(gòu)建財務危機預警模型，并得出該模型對于企業(yè)未來3年內(nèi)的財務前景具有較好的預測效果的結(jié)論。研究表明，制造行業(yè)的發(fā)展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較??；（2）沒有考慮企業(yè)所處的宏觀環(huán)境、政府政策以及市場競爭狀況，而這些因素也會對企業(yè)財務產(chǎn)生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數(shù)據(jù)挖掘的研究[J].數(shù)理統(tǒng)計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構(gòu)建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產(chǎn)上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財務危機預警模型[J].中央財經(jīng)大學學報，2004（4）：70-75.

[10] 吳世農(nóng)，盧賢義.我國上市公司財務困境的預警模型研究[J].經(jīng)濟研究，2001（6）：21-26.endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結(jié)果表明該模型對于及時準確地預測制造業(yè)上市公司的財務危機具有明顯效果。

四、結(jié)論

本文以我國制造行業(yè)上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結(jié)合實證分析方法構(gòu)建財務危機預警模型，并得出該模型對于企業(yè)未來3年內(nèi)的財務前景具有較好的預測效果的結(jié)論。研究表明，制造行業(yè)的發(fā)展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較??；（2）沒有考慮企業(yè)所處的宏觀環(huán)境、政府政策以及市場競爭狀況，而這些因素也會對企業(yè)財務產(chǎn)生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數(shù)據(jù)挖掘的研究[J].數(shù)理統(tǒng)計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構(gòu)建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產(chǎn)上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財務危機預警模型[J].中央財經(jīng)大學學報，2004（4）：70-75.

[10] 吳世農(nóng)，盧賢義.我國上市公司財務困境的預警模型研究[J].經(jīng)濟研究，2001（6）：21-26.endprint