徐 旭

（宿州學(xué)院 經(jīng)濟(jì)管理學(xué)院，安徽 宿州 234000）

1 引言

在當(dāng)今產(chǎn)品市場(chǎng)日新月異的環(huán)境里，財(cái)務(wù)危機(jī)的出現(xiàn)與財(cái)務(wù)風(fēng)險(xiǎn)控制不當(dāng)有很大關(guān)系，大多數(shù)遭遇破產(chǎn)的企業(yè)在其破產(chǎn)之前一般是先在財(cái)務(wù)上表現(xiàn)出危機(jī)境況.使用財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)，采取相應(yīng)措施(將危機(jī)消失在萌芽階段)，判斷出企業(yè)財(cái)務(wù)危機(jī)的狀態(tài)，需要企業(yè)決策人員提高預(yù)判風(fēng)險(xiǎn)的能力，有良好的風(fēng)險(xiǎn)意識(shí).因此，如何有效地進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警已經(jīng)成為企業(yè)財(cái)務(wù)管理的關(guān)鍵問題之一，是值得深入探討的領(lǐng)域.

企業(yè)財(cái)務(wù)人員根據(jù)不斷變化的財(cái)務(wù)信息，在信息技術(shù)環(huán)境下，安裝使用良好的財(cái)務(wù)信息系統(tǒng)軟件，借助信息應(yīng)用平臺(tái)，根據(jù)企業(yè)的經(jīng)營(yíng)活動(dòng)運(yùn)行結(jié)果，為財(cái)務(wù)決策提供財(cái)務(wù)數(shù)據(jù)，使會(huì)計(jì)管理實(shí)現(xiàn)動(dòng)態(tài)化，企業(yè)領(lǐng)導(dǎo)者可以實(shí)現(xiàn)正確的財(cái)務(wù)預(yù)測(cè)，令企業(yè)的財(cái)務(wù)信息得到正確處理，在網(wǎng)絡(luò)時(shí)代的嚴(yán)峻挑戰(zhàn)中，企業(yè)財(cái)務(wù)管理不能再繼續(xù)循規(guī)蹈矩,亟須提升企業(yè)財(cái)務(wù)業(yè)務(wù)管理水平，運(yùn)用新型財(cái)務(wù)管理程序，從而適應(yīng)環(huán)境的變化，這樣企業(yè)決策者可以有效的籌備資金，選擇合理的投資項(xiàng)目.本文將利用Logistic回歸方法建立適用于信息技術(shù)企業(yè)的財(cái)務(wù)預(yù)警系統(tǒng).

2 文獻(xiàn)綜述

最早使用統(tǒng)計(jì)方法進(jìn)行財(cái)務(wù)預(yù)警研究的先驅(qū)者Fitzpatrick提出單變量破產(chǎn)預(yù)測(cè)研究.學(xué)者William Beaver為了預(yù)測(cè)79家企業(yè)面臨的危機(jī)狀態(tài)，得出財(cái)務(wù)比率長(zhǎng)期走勢(shì)圖.學(xué)者M(jìn)artin 研究評(píng)價(jià)美國(guó)各家銀行，該專家是最早應(yīng)用Logistic回歸系統(tǒng)進(jìn)行財(cái)務(wù)預(yù)警的人.Ohlson利用1970-1976年105家美國(guó)破產(chǎn)企業(yè)與2000家生存企業(yè)組成的樣本重新構(gòu)建Logistic系統(tǒng).Black得出結(jié)論，企業(yè)績(jī)效與公司治理效果有很大的關(guān)系，Mossman研究結(jié)果得出，能在破產(chǎn)前兩年到三年，可以通過現(xiàn)金流模型預(yù)測(cè)多數(shù)破產(chǎn)案例.Hughes對(duì)比分析了多因素系統(tǒng)和管理表現(xiàn)系統(tǒng)的差異，綜合考慮財(cái)務(wù)因素和非財(cái)務(wù)因素的影響.國(guó)內(nèi)學(xué)者吳世農(nóng)應(yīng)用Fisher判別分析進(jìn)行財(cái)務(wù)預(yù)測(cè).張愛民研究上市公司財(cái)務(wù)預(yù)警系統(tǒng)，選擇統(tǒng)計(jì)軟件中的因子分析模型.國(guó)內(nèi)學(xué)者劉紅霞利用主成分分析法對(duì)58家ST公司與58家非ST公司進(jìn)行了財(cái)務(wù)危機(jī)預(yù)測(cè).

3 實(shí)證分析

3.1 收集企業(yè)數(shù)據(jù)

本文選取公司前兩年(t-2)出現(xiàn)財(cái)務(wù)危機(jī)的數(shù)據(jù)，在建立預(yù)測(cè)模型時(shí)，作為輸入變量.選擇2013年至2014兩年共20家公司樣本，這些公司是由于財(cái)務(wù)狀況惡化而被特別處理的信息技術(shù)企業(yè).搜索出相對(duì)應(yīng)的財(cái)務(wù)正常企業(yè)樣本，嚴(yán)格依據(jù)行業(yè)和資產(chǎn)規(guī)模相近的原則實(shí)現(xiàn)配對(duì).

3.2 確定變量

通過研究財(cái)務(wù)指標(biāo),雖然利用模型能夠計(jì)算出財(cái)務(wù)危機(jī)發(fā)生的可能性,但是由于公司陷入危機(jī)的原因存在很大差異，需要反映公司經(jīng)營(yíng)管理的各個(gè)方面的財(cái)務(wù)因素，那么提高財(cái)務(wù)預(yù)警系統(tǒng)水平，其前提是是否選擇準(zhǔn)確的財(cái)務(wù)信息.否則難以給出財(cái)務(wù)危機(jī)的深層次解釋,特別是對(duì)于財(cái)務(wù)危機(jī)早期預(yù)警具有較大局限性，所以還必須從企業(yè)公開的財(cái)務(wù)報(bào)表以外的信息中挖掘更有意義的統(tǒng)計(jì)變量.為此，借鑒國(guó)內(nèi)外學(xué)者的研究成果，從公司的財(cái)務(wù)狀況和治理結(jié)構(gòu)方面初步確定35個(gè)指標(biāo)變量.

3.3 提取公因子

為了達(dá)到檢驗(yàn)變量在特別處理公司和非特別處理公司之間的顯著差異性的目的，對(duì)選取的變量利用t分布理論檢驗(yàn)，篩選前三年的指標(biāo)，結(jié)果顯示有21個(gè)指標(biāo)變量檢測(cè)通過.利用因子分析方法統(tǒng)計(jì)標(biāo)準(zhǔn)化的財(cái)務(wù)指標(biāo)，提取了公因子，實(shí)現(xiàn)降低多重共線性財(cái)務(wù)變量之間的的目標(biāo)，通過軟件計(jì)算因子值，在主成分矩陣的基礎(chǔ)上，確定邏輯回歸分析變量，82.199%的比例代表原指標(biāo)變量，KMO andBartlett'sTest結(jié)果顯示，檢驗(yàn)統(tǒng)計(jì)量等于0.685，0.000作為巴特利特試驗(yàn)的顯著性概率，低于百分之一，說明數(shù)據(jù)具有相關(guān)性，適宜作因子分析.

4 實(shí)證分析

邏輯回歸模型可以有效減少服從多元正態(tài)分布的假設(shè)要求(兩組間協(xié)方差相等)，在企業(yè)管理領(lǐng)域具有廣泛的適用范圍,也沒有受統(tǒng)計(jì)條件的限制.該模型不是一種計(jì)量系統(tǒng)，應(yīng)用廣泛，能夠解決離散因變量的問題.本文運(yùn)用社會(huì)統(tǒng)計(jì)學(xué)軟件分析收集系統(tǒng)相關(guān)的系數(shù)與參數(shù)，運(yùn)用因子分析得到的因子值建立數(shù)學(xué)模型.

表1 Model Summary

由 表 1ModelSummary可 知 -2LL 值 為34.748，此值較小，說明系統(tǒng)對(duì)數(shù)據(jù)的擬和度還可以，Cox&SnellRSquare和Nagelkerke RSquare統(tǒng)計(jì)量分別為0.646和0.862，兩者解釋的是回歸變異，即該方程還能解釋86.2%的變異，說明擬和性很好.表2HosmerandLemeshowTest顯示統(tǒng)計(jì)量大于0.05.

表3 Variables in the Equation(t-2)年

建立如下t-3年的Logistic回歸方程：

Ln(P/1-P)=0.719-0.116X1+0.047X2+0.013X3-0.008X4-0.085X7-0.045Y1+5.835Y3

以概率等于0.4為臨界點(diǎn)，根據(jù)回歸方程，對(duì)樣本公司t-3的數(shù)據(jù)進(jìn)行預(yù)測(cè).由回歸方程分析得到，代表公司股權(quán)結(jié)構(gòu)的國(guó)家股比例是負(fù)向，國(guó)內(nèi)企業(yè)大多為國(guó)有企業(yè)改制而成，國(guó)有股一股獨(dú)大成為股權(quán)結(jié)構(gòu)的明顯特征，國(guó)有股能有效地保護(hù)投資者，使公司良好運(yùn)行，不易發(fā)生財(cái)務(wù)危機(jī)；代表公司財(cái)務(wù)信息質(zhì)量的審計(jì)意見Y3是正向指標(biāo)，它的值越大，公司發(fā)生財(cái)務(wù)危機(jī)的概率就越大.

5 結(jié)論

信息技術(shù)企業(yè)實(shí)施財(cái)務(wù)危機(jī)預(yù)警的難度系數(shù)越來越高，原因是企業(yè)所處的行業(yè)和領(lǐng)域廣泛，本文通過對(duì)樣本實(shí)地考察，抽取指標(biāo)進(jìn)行實(shí)證研究，突顯出治理結(jié)構(gòu)指標(biāo)預(yù)警的優(yōu)越性，最后建立信息技術(shù)企業(yè)的logistic 回歸模型，證實(shí)了公司治理因素達(dá)到幫助企業(yè)預(yù)測(cè)財(cái)務(wù)危機(jī)的目標(biāo)，總結(jié)如下：

5.1 為了實(shí)現(xiàn)logistic回歸方法應(yīng)用的規(guī)范化，改善模型中財(cái)務(wù)指標(biāo)間的多重相關(guān)性現(xiàn)象，選擇因子分析方法，最終得到5個(gè)公因子，從而使財(cái)務(wù)危機(jī)預(yù)測(cè)的效果得到很大的提高.

5.2 本文將公司治理結(jié)構(gòu)、審計(jì)意見和關(guān)聯(lián)交易等非財(cái)務(wù)變量引入財(cái)務(wù)預(yù)警研究，在Logistic回歸模型中，國(guó)家股比例和審計(jì)意見進(jìn)入預(yù)警系統(tǒng)，說明這兩個(gè)變量具有較高的超前預(yù)測(cè)能力，并得出國(guó)家股比例與財(cái)務(wù)危機(jī)發(fā)生概率呈負(fù)相關(guān)，而審計(jì)意見與財(cái)務(wù)危機(jī)發(fā)生概率呈正相關(guān)的結(jié)論.而關(guān)聯(lián)交易比例在ST企業(yè)和非ST企業(yè)之間不存在顯著性差異，因此沒有發(fā)揮非財(cái)務(wù)因素的作用.

5.3 財(cái)務(wù)狀況異常的情形之一，即近期財(cái)務(wù)年度報(bào)告出具保留意見，或者審計(jì)報(bào)告顯示為否定意見的，都很清晰的反映了企業(yè)經(jīng)營(yíng)的潛在風(fēng)險(xiǎn).凡是審計(jì)單位對(duì)信息技術(shù)企業(yè)進(jìn)行審查報(bào)表，結(jié)果為標(biāo)準(zhǔn)無保留意見，那么和其他類型意見相比較，該企業(yè)發(fā)生財(cái)務(wù)失敗的概率很低.所以企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性與審計(jì)單位出具報(bào)告成正向比例.

5.4 對(duì)于較長(zhǎng)時(shí)間跨度的系統(tǒng)預(yù)測(cè)問題，在篩選的初始變量(設(shè)定了三年無間斷的明顯標(biāo)準(zhǔn))中，選出可以體現(xiàn)預(yù)測(cè)水平的變量.假如不能體現(xiàn)數(shù)據(jù)的影響力，會(huì)得出系統(tǒng)預(yù)測(cè)效果不佳的結(jié)果，否則增加無相關(guān)的變量也是徒勞的，企業(yè)財(cái)務(wù)人員需要確定與經(jīng)營(yíng)狀況有很大關(guān)聯(lián)的變量.

〔1〕王志軍.IT 環(huán)境下的財(cái)務(wù)管理揭示[J].中國(guó)石油企業(yè)，2008(04):19-21.

〔2〕張秦.我國(guó)信息技術(shù)業(yè)上市公司財(cái)務(wù)預(yù)警系統(tǒng)方法研究[D].華南理工大學(xué)，2010.

〔3〕王慶榮.中國(guó)房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警研究[M].北京：清華大學(xué)出版社，2012.