●張婉君 羅威

引入非財(cái)務(wù)指標(biāo)的財(cái)務(wù)危機(jī)預(yù)警研究
——以我國制造業(yè)上市公司為例

●張婉君 羅威

本文以我國制造業(yè)上市公司為研究對象，對研究樣本的財(cái)務(wù)和非財(cái)務(wù)指標(biāo)變量進(jìn)行均值差異檢驗(yàn)，對存在顯著差異的財(cái)務(wù)和非財(cái)務(wù)指標(biāo)變量進(jìn)行相關(guān)關(guān)系檢驗(yàn)，剔除高度相關(guān)的指標(biāo)變量，從而確定最終研究的指標(biāo)變量。通過建立Logistic回歸模型，引入非財(cái)務(wù)指標(biāo)對樣本企業(yè)進(jìn)行財(cái)務(wù)預(yù)警研究。最后，基于本文所建立的引入非財(cái)務(wù)指標(biāo)的預(yù)警模型得出研究結(jié)論。

財(cái)務(wù)危機(jī)預(yù)警 財(cái)務(wù)危機(jī)Logistic 回歸模型

一、引言

在市場經(jīng)濟(jì)下,我國企業(yè)間競爭越來越激烈，企業(yè)容易面臨陷入財(cái)務(wù)危機(jī)的風(fēng)險(xiǎn)。如何以企業(yè)為中心，發(fā)現(xiàn)企業(yè)將面臨的財(cái)務(wù)危機(jī)，為企業(yè)的管理者、投資者、債權(quán)人等利益相關(guān)者提供預(yù)警報(bào)告，已成為我國企業(yè)所面臨的具有重大的研究價(jià)值和現(xiàn)實(shí)意義的問題。本文在綜述國內(nèi)外企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究現(xiàn)狀的基礎(chǔ)上，通過對我國現(xiàn)階段主要采用的財(cái)務(wù)危機(jī)預(yù)警模型和財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系等方面的內(nèi)容的研究，發(fā)現(xiàn)學(xué)者們在財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建中主要是以財(cái)務(wù)指標(biāo)變量為研究變量，較少使用公司治理、管理層管理能力等方面的非財(cái)務(wù)指標(biāo)變量。因此，本文選取我國制造業(yè)上市公司為研究樣本，在財(cái)務(wù)指標(biāo)的基礎(chǔ)上引入非財(cái)務(wù)指標(biāo)，構(gòu)建Logistic回歸預(yù)警模型，從而更準(zhǔn)確、全面地反映企業(yè)的真實(shí)財(cái)務(wù)狀況。

在財(cái)務(wù)危機(jī)預(yù)警研究中，最先出現(xiàn)的是單變量分析法，但是，單變量分析方法存在很多局限性，由此使得多變量方法逐漸代替了單變量分析方法。最早是將若干個變量合并入一個線性函數(shù)方程，即Z分?jǐn)?shù)模型。隨后又引入了對數(shù)比例（logit）回歸及概率單位（probit）回歸分析法，建立了條件概率模型。然?而，以上方法無法避免以統(tǒng)計(jì)方法建立模型的局限性，于是出現(xiàn)了企業(yè)財(cái)務(wù)危機(jī)預(yù)警的非統(tǒng)計(jì)方法，如神經(jīng)網(wǎng)絡(luò)模型、遺傳算法等。近年來，還出現(xiàn)了財(cái)務(wù)危機(jī)預(yù)警的混合模式，即采用兩種或兩種以上的方法建立模型，來達(dá)到企業(yè)財(cái)務(wù)預(yù)警的目的。

二、財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建及應(yīng)用效果

（一）研究樣本的選取和數(shù)據(jù)的來源

本文以滬深交易所的制造業(yè)上市公司為研究樣本，遵循國內(nèi)的研究慣例，將因?yàn)椤柏?cái)務(wù)狀況異常”而被特別處理作為界定企業(yè)陷入財(cái)務(wù)危機(jī)的標(biāo)志。本文選取2014年被予以“退市風(fēng)險(xiǎn)警示”的我國制造業(yè)上市公司為財(cái)務(wù)狀況異常的樣本組，剔除其中因?yàn)槠渌麪顩r異常而被*ST的公司外，最后選取余下的21家被*ST的制造業(yè)上市公司作為財(cái)務(wù)狀況異常的樣本組。在選取財(cái)務(wù)狀況正常的公司樣本組時，本文按照時間、行業(yè)、資產(chǎn)規(guī)模等條件與財(cái)務(wù)狀況異常的公司進(jìn)行1:1的配對原則選取了配對樣本，共選取了21家財(cái)務(wù)狀況正常的上市公司作為正常樣本組，實(shí)證分析中選取的樣本共計(jì)42家上市公司，其中被*ST的公司是根據(jù)滬、深證券交指標(biāo)變量包括流動比率、速動比率、利息保障倍數(shù)和資產(chǎn)負(fù)債率等；②企業(yè)營運(yùn)能力反映企業(yè)資產(chǎn)營運(yùn)效率和資產(chǎn)經(jīng)營管理的水平，其主要財(cái)務(wù)指標(biāo)變量包括應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率等；③反映企業(yè)未來生產(chǎn)經(jīng)營活動的發(fā)展趨勢和發(fā)展?jié)撃艿闹饕?cái)務(wù)指標(biāo)變量包括總資產(chǎn)增長率、凈利潤增長率、銷售費(fèi)用增長率等；④企業(yè)現(xiàn)金流量是企業(yè)一定會計(jì)期間內(nèi)現(xiàn)金及現(xiàn)金等價(jià)物流入和流出的數(shù)額，其主要財(cái)務(wù)指標(biāo)變量包括凈利潤現(xiàn)金凈含量、營業(yè)收入現(xiàn)金凈含量、全部現(xiàn)金回收率等；⑤企業(yè)盈利能力則是指企業(yè)獲取利潤的能力，其主要財(cái)務(wù)變量指標(biāo)包括資產(chǎn)報(bào)酬率、凈資產(chǎn)收益率、營業(yè)毛利率、息稅前營業(yè)利潤率等。指標(biāo)的計(jì)算見表1。易所發(fā)布的相關(guān)公告而得知。

本文的研究數(shù)據(jù)主要來自滬、深證券交易所官網(wǎng)、國泰安數(shù)據(jù)庫和巨潮資訊網(wǎng)等。本文選取財(cái)務(wù)狀況異常企業(yè)被*ST的前三年數(shù)據(jù)，令企業(yè)被予以退市風(fēng)險(xiǎn)警示特別處理的當(dāng)年為t（2014）年，前一年為t-1（2013）年，因?yàn)槲覈鲜泄驹趖-2年和t-1年所披露的財(cái)務(wù)報(bào)告決定了其在t年是否被*ST，所以如果以t-1年的財(cái)務(wù)數(shù)據(jù)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)警度將很高，但是與企業(yè)被*ST的時間太接近，已無太多的研究意義。因此本文選取上市公司被*ST之前的t-3（2011）年和t-2（2012）年的截面數(shù)據(jù)作為研究樣本數(shù)據(jù)，分別構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。

（二）預(yù)測指標(biāo)的選取

1、財(cái)務(wù)預(yù)警指標(biāo)的選取。財(cái)務(wù)指標(biāo)是傳達(dá)財(cái)務(wù)信息，反映企業(yè)生產(chǎn)經(jīng)營過程和成果的經(jīng)濟(jì)指標(biāo)，財(cái)務(wù)指標(biāo)數(shù)據(jù)是通過企業(yè)披露的財(cái)務(wù)報(bào)告計(jì)算到得。本文參考了國內(nèi)外財(cái)務(wù)危機(jī)預(yù)警研究中選取的財(cái)務(wù)預(yù)警指標(biāo)，為全面反映企業(yè)的財(cái)務(wù)狀況，本文所選取的財(cái)務(wù)指標(biāo)變量主要從企業(yè)的償債能力、營運(yùn)能力、發(fā)展能力、現(xiàn)金流量狀況、盈利能力等方面考慮。其中：①企業(yè)可以通過償債能力指標(biāo)來反映企業(yè)債務(wù)狀況及預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)等，其主要財(cái)務(wù)

表1 財(cái)務(wù)危機(jī)預(yù)警備選的財(cái)務(wù)指標(biāo)變量表

2、非財(cái)務(wù)預(yù)警指標(biāo)的選取。本文根據(jù)各個樣本企業(yè)財(cái)務(wù)報(bào)告中的信息，將股權(quán)結(jié)構(gòu)、董事會規(guī)模和激勵機(jī)制等因素，引入到企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的研究中。在企業(yè)財(cái)務(wù)指標(biāo)數(shù)據(jù)中不能夠體現(xiàn)這些非財(cái)務(wù)因素對企業(yè)的財(cái)務(wù)狀況的作用，所以，將這些因素作為評價(jià)指標(biāo)可以挖掘到更多有價(jià)值的信息，能在很大程度上提高企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型預(yù)測的準(zhǔn)確度。其中：①股權(quán)結(jié)構(gòu)是通過對企業(yè)治理的效率和企業(yè)行為的影響，進(jìn)而作用于企業(yè)經(jīng)營業(yè)績。本文選取多個指標(biāo)變量來衡量股權(quán)集中度對企業(yè)財(cái)務(wù)危機(jī)的影響，主要包括：第一大股東持股比例、CR_5指數(shù)、CR_10指數(shù)、Z指數(shù)、Herfindahl_5等非財(cái)務(wù)指標(biāo)變量。②董事會對企業(yè)財(cái)務(wù)報(bào)告的質(zhì)量承擔(dān)著主要的責(zé)任，也是影響企業(yè)財(cái)務(wù)危機(jī)發(fā)生與否的重要因素。本文主要從董事人數(shù)、董事前三名薪酬總額等方面分析董事會與企業(yè)財(cái)務(wù)危機(jī)的關(guān)系。③監(jiān)事會主要負(fù)責(zé)調(diào)查和審核公司的業(yè)務(wù)狀況，檢查各種財(cái)務(wù)情況，對公司的計(jì)劃、決策及實(shí)施進(jìn)行監(jiān)督等。所以本文選取了監(jiān)事總規(guī)模來研究監(jiān)事會與企業(yè)財(cái)務(wù)危機(jī)的關(guān)系。本文共選取了9個非財(cái)務(wù)指標(biāo)作為初步研究指標(biāo)，具體指標(biāo)變量名稱如表2。

表2 財(cái)務(wù)危機(jī)預(yù)警的備選非財(cái)務(wù)指標(biāo)變量表

3、財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)的篩選。根據(jù)前文初步取得的25個財(cái)務(wù)指標(biāo)變量和9個非財(cái)務(wù)指標(biāo)，進(jìn)一步選取出能夠顯著判別財(cái)務(wù)狀況異常和財(cái)務(wù)正常企業(yè)的研究指標(biāo)。本文的數(shù)據(jù)處理分析采用SPSS 20.0軟件進(jìn)行，對符合正態(tài)分布的財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)進(jìn)行檢驗(yàn)，篩選出具有顯著差異的預(yù)警指標(biāo)變量包括：在t-3年中，ST企業(yè)和非ST企業(yè)存在明顯均值差異的財(cái)務(wù)指標(biāo)變量為X18、X21、X22、X23和X24；存在均值差異的非財(cái)務(wù)指標(biāo)變量為U3，ST企業(yè)和非ST企業(yè)之間的獨(dú)立樣本T檢驗(yàn)的具體結(jié)果結(jié)果因篇幅關(guān)系不在文章報(bào)告。在t-2年中，ST企業(yè)和非ST企業(yè)存在明顯均值差異的財(cái)務(wù)指標(biāo)變量為X1、X2、X11、X12、X14、X15、X16、X18、X21、X22和X23,存在均值差異的非財(cái)務(wù)指標(biāo)變量為U3。使用Person相關(guān)系數(shù)對前文中t-3年和t-2年在ST樣本企業(yè)和非ST樣本企業(yè)中選取出的存在顯著差異的指標(biāo)變量進(jìn)行相關(guān)性檢驗(yàn)，剔除高度相關(guān)的相關(guān)變量，最終確定的財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)警指標(biāo)變量。

（三）僅含財(cái)務(wù)指標(biāo)變量的Logistic回歸預(yù)警模型的構(gòu)建

本文運(yùn)用Logistic回歸模型建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，通過采用SPSS 20.0軟件，分別對t-3年和t-2年中通過獨(dú)立樣本T檢驗(yàn)及指標(biāo)變量間相關(guān)性Person檢驗(yàn)后篩選出來的財(cái)務(wù)預(yù)警指標(biāo)數(shù)據(jù)進(jìn)行回歸計(jì)算。本文將企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)作為因變量，將財(cái)務(wù)狀況異常的企業(yè)取值為0，財(cái)務(wù)狀況正常企業(yè)取值為1。構(gòu)建的財(cái)務(wù)指標(biāo)變量的Logistic模型判別式列示如下（P=0.5是財(cái)務(wù)狀況異常和財(cái)務(wù)狀況正常的分界點(diǎn)，當(dāng)P＞0.5時，則說明該公司財(cái)務(wù)狀況是異常；當(dāng)P＜0.5時，則表明該公司財(cái)務(wù)狀況是正常的）。

根據(jù)上文建立的財(cái)務(wù)指標(biāo)的Logistic模型對所選取的企業(yè)樣本進(jìn)行了預(yù)警效果的檢驗(yàn)。檢驗(yàn)的結(jié)果如表3。

表3 t-3年和t-2年財(cái)務(wù)指標(biāo)變量的Logistic回歸模型預(yù)警效果

由表3知，2011年財(cái)務(wù)指標(biāo)變量的Logistic回歸模型對建模樣本的總體預(yù)警準(zhǔn)確率為69.0%。2012年財(cái)務(wù)指標(biāo)變量的Logistic回歸模型對建模樣本的總體預(yù)警準(zhǔn)確率為81.0%。

（四）引入非財(cái)務(wù)指標(biāo)變量的Logistic回歸預(yù)警模型的構(gòu)建

1、引入非財(cái)務(wù)指標(biāo)變量的Logistic回歸模型構(gòu)建。運(yùn)用Logistic回歸模型建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，通過采用SPSS 20.0軟件，在t-3年和t-2年中通過獨(dú)立樣本T檢驗(yàn)及指標(biāo)變量間相關(guān)性Person檢驗(yàn)后篩選出來的財(cái)務(wù)預(yù)警指標(biāo)的基礎(chǔ)上，將篩選出來的非財(cái)務(wù)指標(biāo)引入到模型中進(jìn)行回歸計(jì)算，本文將企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)作為因變量，將財(cái)務(wù)狀況異常的企業(yè)取值為0，財(cái)務(wù)狀況正常企業(yè)取值為1。構(gòu)建的引入非財(cái)務(wù)指標(biāo)變量的Logistic模型判別式列示如下（P=0.5是財(cái)務(wù)狀況異常和財(cái)務(wù)狀況正常的分界點(diǎn)，當(dāng)P＞0.5時，則說明該公司財(cái)務(wù)狀況是異常；當(dāng)P＜0.5時，則表明該公司財(cái)務(wù)狀況是正常的）。

表4 t-3年和t-2年引入非財(cái)務(wù)指標(biāo)變量的Logistic回歸模型預(yù)警效果

2、引入非財(cái)務(wù)指標(biāo)變量的Logistic模型的預(yù)警檢驗(yàn)結(jié)果。根據(jù)上文建立的引入非財(cái)務(wù)指標(biāo)后的Logistic模型，對所選取的企業(yè)樣本進(jìn)行了預(yù)警效果的檢驗(yàn)，檢驗(yàn)的結(jié)果如表4。

由表4，2011年財(cái)務(wù)指標(biāo)變量的Logistic回歸模型對建模樣本的總體預(yù)警準(zhǔn)確率為81.0%。2012年財(cái)務(wù)指標(biāo)變量的Logistic回歸模型對建模樣本的總體預(yù)警準(zhǔn)確率為90.5%。

（五）引入非財(cái)務(wù)指標(biāo)變量的Logistic預(yù)警模型的效果分析

其一，通對比分析t-3年和t-2年僅有財(cái)務(wù)指標(biāo)變量的財(cái)務(wù)危機(jī)預(yù)警模型的檢驗(yàn)結(jié)果可知，t-3年和t-2年引入CR_10指數(shù)等非財(cái)務(wù)指標(biāo)變量后，t-3年和t-2年引入的非財(cái)務(wù)指標(biāo)變量的財(cái)務(wù)危機(jī)預(yù)警對財(cái)務(wù)狀況異常的ST公司和財(cái)務(wù)狀況正常的非ST公司的總體預(yù)警準(zhǔn)確率都有很大程度的提高，說明，引入非財(cái)務(wù)指標(biāo)變量的財(cái)務(wù)危機(jī)預(yù)警模型有一定的預(yù)測能力，能夠傳達(dá)一定的財(cái)務(wù)危機(jī)信息。

其二，t-3年和t-2年中通過一系列檢驗(yàn)后篩選出來的財(cái)務(wù)指標(biāo)變量的基礎(chǔ)上，將篩選出來的非財(cái)務(wù)指標(biāo)變量引入到Logistic回歸預(yù)警模型中，從研究結(jié)果可以看出，該預(yù)警模型的預(yù)測準(zhǔn)確率在一定程度上得到了提高。在引入了非財(cái)務(wù)指標(biāo)變量后的t-3年，所建的預(yù)警模型對研究樣本的預(yù)測準(zhǔn)確率提高了12.0%，t-2年對研究樣本的預(yù)測準(zhǔn)確率也提高了9.5%。

三、研究結(jié)論

（一）財(cái)務(wù)危機(jī)的累積性

通過在不同年度內(nèi)對所選取的指標(biāo)進(jìn)行相關(guān)關(guān)系檢驗(yàn)發(fā)現(xiàn)，越是臨近企業(yè)發(fā)生財(cái)務(wù)危機(jī)的年限，ST公司和非ST公司之間存在顯著差異的預(yù)測指標(biāo)變量的個數(shù)逐漸增多，表明企業(yè)發(fā)生財(cái)務(wù)危機(jī)是一個循序漸進(jìn)積累的過程而非突發(fā)事件。

（二）非財(cái)務(wù)指標(biāo)的實(shí)用性

通過對比分析t-3年和t-2年僅有財(cái)務(wù)指標(biāo)變量的財(cái)務(wù)危機(jī)預(yù)警模型的檢驗(yàn)結(jié)果可知，t-3年和t-2年引入的非財(cái)務(wù)指標(biāo)變量的財(cái)務(wù)危機(jī)預(yù)警對財(cái)務(wù)狀況異常的ST公司和財(cái)務(wù)狀況正常的非ST公司的總體預(yù)警準(zhǔn)確率都有很大程度的提高，說明，引入非財(cái)務(wù)指標(biāo)的財(cái)務(wù)危機(jī)預(yù)警模型有一定的實(shí)用價(jià)值，能夠傳達(dá)一定的財(cái)務(wù)危機(jī)信息。在引入了非財(cái)務(wù)指標(biāo)變量后的t-3年，所建的預(yù)警模型對研究樣本的預(yù)測準(zhǔn)確率提高了12.0%，t-2年對研究樣本的預(yù)測準(zhǔn)確率也提高了9.5%，說明引入非財(cái)務(wù)變量指標(biāo)在一定程度上還提高了預(yù)警模型的預(yù)測準(zhǔn)確率。

（本文受重慶社科規(guī)劃項(xiàng)目“產(chǎn)業(yè)集群內(nèi)中小企業(yè)供應(yīng)鏈融資問題研究”、“我國機(jī)構(gòu)投資者參與公司治理的影響研究”資助。）

（作者單位：重慶工商大學(xué)會計(jì)學(xué)院、重慶工商大學(xué)融智學(xué)院）

1.陳琛凝.2011.財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建及應(yīng)用[J].財(cái)會通訊，8。

2.崔慧巖.2011.上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J].財(cái)會通訊，18。

3.崔潔.2011.企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)問題及對策[J].財(cái)會通訊，14。

4.王玉娟、朱天高.2012.中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系構(gòu)建[J].財(cái)會通訊，32。

5.邢有洪.2013.上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J].財(cái)會通訊，8.

6.楊華.2014.非財(cái)務(wù)變量在財(cái)務(wù)危機(jī)預(yù)警中的效用分析[J].財(cái)會通訊，2。

7.楊華.2011.基于非財(cái)務(wù)變量與定性因素的財(cái)務(wù)危機(jī)預(yù)警研究綜述[J].財(cái)會通訊，22。

8.曾繁榮、蒙良、張潔.2013.上市公司財(cái)務(wù)危機(jī)預(yù)警模型實(shí)證對比分析——基于引入非財(cái)務(wù)指標(biāo)的視角[J].財(cái)會通訊，11。

（本欄目責(zé)任編輯：鄭潔）