【摘 要】立足中國經(jīng)濟整體轉(zhuǎn)型的背景，資源型企業(yè)要實現(xiàn)企業(yè)轉(zhuǎn)型，可持續(xù)性發(fā)展已成為當(dāng)前十分緊迫的課題。煤炭行業(yè)是國民支柱性行業(yè)，對居民生產(chǎn)生活有著舉足輕重的作用。然而過度開采，產(chǎn)能過剩，資源配置效率低下等問題使煤炭企業(yè)財務(wù)狀況進一步惡化。故而本文以煤炭上市公司為例，使用z-score模型和logistic模型對煤炭上市公司進行財務(wù)風(fēng)險進行研究，比較兩種模型的預(yù)警效果，發(fā)現(xiàn)logistic模型在煤炭業(yè)預(yù)警效果更佳，希望以此達到預(yù)警作用，以幫助企業(yè)做好預(yù)防措施。

【關(guān)鍵詞】Z-score；logistic回歸模型；財務(wù)預(yù)警

一、引言

中國經(jīng)濟的發(fā)展一定程度上是以犧牲資源為代價的，我國煤炭行業(yè)一直存在著過度進入、過度開采的問題。一方面導(dǎo)致產(chǎn)能過剩，資源配置狀況不佳，從而影響到企業(yè)的經(jīng)營狀況；另一方面，環(huán)境的破環(huán)，巨大的負外部性使企業(yè)的治理成本大幅攀升，對企業(yè)的經(jīng)營管理又產(chǎn)生了巨大的挑戰(zhàn)。財務(wù)風(fēng)險一直是企業(yè)、投資者乃至政府管理部門重點關(guān)注的問題。煤炭行業(yè)作為國家經(jīng)濟的重要支柱之一，其財務(wù)問題不僅威脅到企業(yè)自身的生存與發(fā)展，而且會使投資者蒙受損失，甚至對國民經(jīng)濟的穩(wěn)定發(fā)展產(chǎn)生較大影響。因此，只有對企業(yè)的財務(wù)風(fēng)險進行預(yù)警研究，才能提前識別風(fēng)險，從而采取防范措施，有效地控制風(fēng)險，最終降低甚至消除其對企業(yè)的影響。

對于財務(wù)風(fēng)險的預(yù)警研究，國內(nèi)外學(xué)者都做了大量的研究?？傮w來說，可概括為單變量預(yù)警和多變量預(yù)警研究。其中，F(xiàn)itzpatrick（1932）提出的1元判定模型是最早的關(guān)于企業(yè)財務(wù)危機預(yù)警的研究。以 19 家公司為研究樣本，運用單一財務(wù)指標將樣本公司分為“破產(chǎn)”和“非破產(chǎn)”兩類。而Altman教授（1968）則提出了著名的 Z-score 模型，是多元線性判定模型的典型代表，是用于評價各類企業(yè)的財務(wù)風(fēng)險。之后，財務(wù)危機預(yù)警的研究人員引入 Logistic 回歸方法。1980年Ohlson首次在財務(wù)危機預(yù)警領(lǐng)域中運用Logistic方法，張紫娟等人就采用Logistic模型構(gòu)架煤炭上市公司財務(wù)預(yù)警模型， Logistic模型的預(yù)測成功率達到70.82%， 其對于煤炭上市企業(yè)財務(wù)預(yù)警具有較強的預(yù)測性。隨著技術(shù)進步，BP神經(jīng)網(wǎng)絡(luò)模型也逐漸應(yīng)用到財務(wù)預(yù)警領(lǐng)域。郭毅夫等就采用了20 個指標，應(yīng)用神經(jīng)網(wǎng)絡(luò)方法，對創(chuàng)新型上市企業(yè)的財務(wù)危機進行預(yù)警研究?？偟膩碚f，財務(wù)預(yù)警模型多種多樣，都有其優(yōu)缺點，本文首先應(yīng)用z-score模型對煤炭業(yè)上市公司財務(wù)風(fēng)險進行研究，了解整個行業(yè)狀況的同時，對Z-score模型效果進行檢驗。其次，應(yīng)用logistic模型與Z-score模型做對比，以此確定哪種模型在煤炭行業(yè)的預(yù)警效果更佳。

二、Z-score模型的構(gòu)建

Z-score 模型由Altman 教授提出，通過選取 5 個重要的財務(wù)指標，賦予各個指標不同權(quán)重加權(quán)計算出 Z 值，進而根據(jù)標準臨界值判斷企業(yè)的財務(wù)風(fēng)險狀況。具體指標如下表一所示：

總體來說，Z-score 模型從企業(yè)多個方面選取財務(wù)指標，包括企業(yè)的資產(chǎn)規(guī)模、流動性、獲利能力、資本結(jié)構(gòu)、償債能力和資產(chǎn)利用效率等多個方面，一定程度上可以綜合反映一個企業(yè)的財務(wù)狀況。具有一定的可行性，Z 值與企業(yè)財務(wù)危機可能性呈負相關(guān)，Z 值越小，企業(yè)越有可能產(chǎn)生財務(wù)危機，也就越容易破產(chǎn)。

1.數(shù)據(jù)選擇及模型的建立

本文選取滬深兩市A股煤炭行業(yè)上市公司，剔除數(shù)據(jù)不全的公司，共15家上市公司，其中3家ST公司，分為為ST大有、ST山煤及ST云維。由于財務(wù)風(fēng)險是一個長期的影響過程，故選取危機發(fā)生前3年即t-3年的各項衡量Z的財務(wù)指標，賦予各個指標不同權(quán)重加權(quán)計算出 Z 值。具體數(shù)據(jù)來自于銳思數(shù)據(jù)庫。Z值計算結(jié)果具體如下表二：

2.描述性統(tǒng)計

運用spss軟件對這15個樣本企業(yè)進行描述性統(tǒng)計，可以看出煤炭行業(yè)在2014年至2016年的Z值變動情況。其Z值普遍偏低。從上表二也可以看出，2014年處在破產(chǎn)區(qū)的共12家，2015年11家，2016年11家。表明整個煤炭行業(yè)近幾年財務(wù)狀況并不理想，煤炭行業(yè)不景氣持續(xù)加劇。2016年云維和金瑞礦業(yè)Z值偏高，主要是由于x4指標導(dǎo)致，公司總市值及負債合計數(shù)變動較大。

3.Z-score模型檢驗

對于3家ST的企業(yè)，在用Z值模型進行檢驗時，山煤國際、河南大有可以得到很好的預(yù)警，山煤國際t-3年Z值均處于破產(chǎn)區(qū)水平。而河南大有2014-2016年Z值持續(xù)降低，而云南云維2016年Z值得突然攀升，一方面可能是由于會計數(shù)據(jù)失真，企業(yè)存在違規(guī)操作導(dǎo)致。另一方面，可能是模型本身存在的局限性。綜上，Z值模型在預(yù)測企業(yè)財務(wù)危機準確率達66.7%，存在一定的可行性。但Z值模型并不具有普適性，尤其對于不同的行業(yè)，每個行業(yè)都有其行業(yè)特色，煤炭行業(yè)前期投入資金多，周期長，資產(chǎn)負債率普遍偏高。在應(yīng)用Z-score模型時有一定局限性。

三、logistic模型的應(yīng)用

1.數(shù)據(jù)與指標選取

與建立Z-score模型一樣，同樣選取這15家樣本公司的t-3期數(shù)據(jù)，其中因變量采取賦值的方式，即若企業(yè)發(fā)生財務(wù)危機，則y值為1，若未發(fā)生財務(wù)危機，則為零。判斷企業(yè)是否發(fā)生財務(wù)危機以企業(yè)是否被st為判斷標準。即st企業(yè)賦值為1，非st則為0。為了可以綜合的反映企業(yè)財務(wù)狀況，主要選取反映企業(yè)的盈利能力、償債能力、成長能力指標。具體財務(wù)指標的選取如下表四所示：其中，X1，X2反映企業(yè)的盈利能力，X3，X4反映企業(yè)的營運能力，X5，X6反映企業(yè)的成長能力，X7，X8表示企業(yè)的償債能力指標。

2.描述性統(tǒng)計

對上述所選指標進行描述性統(tǒng)計，發(fā)現(xiàn)整個行業(yè)資產(chǎn)負債率較高，其均值達到62.54%，此外，營業(yè)收入增長率較低，其均值為負，表明企業(yè)經(jīng)營狀況欠佳，可持續(xù)發(fā)展所面臨的風(fēng)險較大。成本費用利潤率均值為-2.004%，表明所耗費的成本并沒有達到很好的利用效果。行業(yè)的投入資本回報率也偏低，只有0.628%，盈利能力欠佳。綜上，我國煤炭行業(yè)的整體財務(wù)狀況不理想，面臨較大的財務(wù)風(fēng)險。

3.模型構(gòu)建

Logistic 回歸方法以極大似然原理為基礎(chǔ)，是通過似然函數(shù)極大化求得總體參數(shù)估計量的一種參數(shù)估計方法。在 Logistic 模型中，被解釋變量只取 0 和 1 兩個值。即y值只取0或1。使用spss對選取的t-3期的財務(wù)指標實證分析?；貧w結(jié)果如下表所示：

a. 步驟 1 上輸入的變數(shù)：[%1：， 1：

其中B為變量系數(shù)：SE為標準差，df為自由度。根據(jù)上表的logistic回歸結(jié)果，可以得到被研究企業(yè)的財務(wù)預(yù)警模型即：

P=1/（1+e（-y））

y=-0.187X1-0.349X2-1.963X3+53.196X4-0.466X5+0.001X6-0.173X7-0.259X8-11.153

對于預(yù)警模型一般認為0.5為分界點，P的取值范圍為0到1。即當(dāng)0.5

4.logistic模型檢驗

首先看模型的擬合優(yōu)度，Cox & Snell R 平方和Nagelkerke R 平方在0與1之間，一般認為越接近1，模型的擬合效果越好。通過下表，可以看出其Cox & Snell R 平方和Nagelkerke R 平方均接近1，說明模型有較好的擬合效果。其次，對模型的預(yù)警識別效果進行檢驗，從下表7可以看出，在該模型中，對于3家由于財務(wù)危機而被特別處理的上市公司，其預(yù)警識別率77.8 %。而對于其他12家財務(wù)正常且未被特別處理的上市公司，其預(yù)警識別率同樣高達97.2%。總的來說，整個財務(wù)預(yù)警模型的預(yù)警識別率為93.3%，這意味著本研究所建立的模型具有較高的預(yù)測準確度，達到了對于財務(wù)預(yù)警模型的要求和預(yù)期。

四、結(jié)論

通過本文的研究可以發(fā)現(xiàn)，我國煤炭業(yè)上市公司整體財務(wù)狀況并不理想，并且在使用Z-score和logistic模型進行預(yù)警時發(fā)現(xiàn)，logistic模型的準確率高達93.3%，要明顯高于Z-score模型的66.7%。對于我國煤炭業(yè)上市公司的財務(wù)預(yù)警效果更佳。但是文章還有很多不足之處，其一，在對logistic模型的樣本選擇上，由于我國煤炭上市公司被違規(guī)特殊處理企業(yè)較少，僅3家，所以未采取一對一的配比選擇樣本。其次，在對衡量財務(wù)風(fēng)險的指標選擇上，考慮到數(shù)據(jù)的方便的可獲得性，未考慮企業(yè)管理水平，宏觀經(jīng)濟環(huán)境，企業(yè)生命周期等可能會影響企業(yè)財務(wù)狀況的非財務(wù)指標。最后，文章研究研究財務(wù)危機的判定以及國內(nèi)的大部分研究都是以企業(yè)是否被st為判斷標準，一方面，st確實可以很好的反映企業(yè)財務(wù)狀況惡化；另一方面，也具有一定的片面性，很多非st企業(yè)同樣面臨財務(wù)危機。由于財務(wù)風(fēng)險的復(fù)雜性和多樣性，對于企業(yè)財務(wù)危機的預(yù)警研究仍然是個值得關(guān)注的問題。

參考文獻：

[1]張紫娟. 煤炭行業(yè)上市公司財務(wù)危機預(yù)警[J]，經(jīng)濟論壇，2015.8：67-68.

[2]朱洪婷. 基于logistic模型的機械制造業(yè)上市公司財務(wù)預(yù)警應(yīng)用與分析[J]，時代金融，2015.1：228-229.

[3]游達明，劉亞慶. Z值財務(wù)預(yù)警模型在交通運輸業(yè)的修正與應(yīng)用[J]，華東經(jīng)濟管理，2015.7：9-10.

[4]何小倩.基于Z值模型的新能源汽車上市公司財務(wù)預(yù)警分析[J]，時代金融，2016.5：196-197.

[5]楊瀟.基于改進 Logit 模型的電力公司財務(wù)危機預(yù)警研究[J]，會計之友，2017.2：96-97.

[6]宋彪，徐沙沙.基于系統(tǒng)結(jié)構(gòu)模型的大數(shù)據(jù)財務(wù)預(yù)警指標分析[J]， 會計之友，2017.4：95-96.

[7]劉開瑞，彌瑩.上市公司財務(wù)預(yù)警 Z-Score 模型應(yīng)用及修正——以“香梨股份”為例[J]，技術(shù)與創(chuàng)新管理，2010.11：711-712.

作者簡介：

宋佳怡（1996—），女，籍貫：江西省贛州市章貢區(qū)，現(xiàn)為江西師范大學(xué)財政金融學(xué)院會計學(xué)專業(yè)大三學(xué)生，初級會計師職稱，研究方向：金融、會計、財務(wù)管理等。