羅雅婷

摘要：隨著市場規(guī)模的不斷壯大，上市公司越來越多，相繼而來的問題也越發(fā)嚴(yán)重。其中，財(cái)務(wù)危機(jī)問題尤為突出。本文以滬深證券交易所中的 A 股上市公司作為研究對象，通過對資料、指標(biāo)的整理與篩選，建立相對應(yīng)且相對完整的 Logistic 財(cái)務(wù)危機(jī)預(yù)警模型，利用相關(guān)數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷目尚行?，最后對企業(yè)、債權(quán)人、投資者提出相關(guān)建議。

關(guān)鍵詞：上市公司 財(cái)務(wù)危機(jī) 財(cái)務(wù)預(yù)警 Logistic 模型

一、前言

隨著經(jīng)濟(jì)的發(fā)展，到如今，上海證券交易所的上市公司由最初的8家已經(jīng)上升至 1455 家，深圳證券交易所的上市公司已有 2139 家。很顯然，股市規(guī)模發(fā)展極其迅速。但由于市場結(jié)構(gòu)的改變，我國內(nèi)地 ST 上市公司的不斷增加，導(dǎo)致經(jīng)濟(jì)市場的風(fēng)險(xiǎn)擴(kuò)大，股票證券市場的成長缺乏穩(wěn)定性，從而使得股票證券市場可能無法正常的運(yùn)作①。

對于投資者而言，投資者無法提前預(yù)測企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，盲目的投資會提高投資者的投資風(fēng)險(xiǎn)。對于企業(yè)而言，財(cái)務(wù)風(fēng)險(xiǎn)會影響其正常生產(chǎn)經(jīng)營，使企業(yè)的競爭能力變?nèi)?，限制發(fā)展。對于監(jiān)管部門而言，一旦無法提前識別和衡量財(cái)務(wù)風(fēng)險(xiǎn)，導(dǎo)致監(jiān)管不力，監(jiān)管部門無法持續(xù)監(jiān)管工作。因此，對于上市公司的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)警是刻不容緩的，是極其關(guān)鍵的。

二、上市公司財(cái)務(wù)危機(jī)的成因分析

本文通過查閱國內(nèi)上市公司財(cái)務(wù)風(fēng)險(xiǎn)擴(kuò)大導(dǎo)致財(cái)務(wù)危機(jī)的案例，綜合整理得出導(dǎo)致財(cái)務(wù)危機(jī)的原因，具體原因如下：

（一）資產(chǎn)流動性較弱

由于上市公司對于企業(yè)的資產(chǎn)把控不到位，管理制度的不完善，導(dǎo)致應(yīng)收賬款的數(shù)額巨大。一些上市公司為了擴(kuò)大市場的占有率，采取對外賒銷的方式來銷售自身產(chǎn)品，由此可能形成壞賬，無法收回，使上市公司陷入財(cái)務(wù)風(fēng)險(xiǎn)的機(jī)率大大增加。

（二）負(fù)債高杠桿過度

由于上市企業(yè)一般都傾向于獲取負(fù)債的杠桿利益，所以在投資的時候會很容易形成過度負(fù)債。一般來說，高杠桿收益伴隨著高風(fēng)險(xiǎn)，當(dāng)市場需求變少，產(chǎn)品售價(jià)變高，成本變高，調(diào)整能力降低、生產(chǎn)資料價(jià)格的不穩(wěn)定等不利因素出現(xiàn)之后，負(fù)債的風(fēng)險(xiǎn)則會不斷增加。

（三）利潤持續(xù)為負(fù)

若上市公司一直處于虧損的狀態(tài)，其上市公司無法承受負(fù)債的壓力，且需要面對無法從外部獲得資金的支援等如此嚴(yán)峻的形勢，上市公司無法冷靜的解決自身存在的問題，就要面臨被特別處理制度，甚至瀕臨破產(chǎn)清算。

（四）現(xiàn)金流中斷

上市公司往往忽略一個指標(biāo)為現(xiàn)金流指標(biāo)。由于上市公司的忽視，導(dǎo)致現(xiàn)金流的管理不當(dāng)，使得現(xiàn)金流中斷，即便對外部經(jīng)營表面上如平常一樣，但實(shí)際上，上市公司已經(jīng)有了財(cái)務(wù)危機(jī)的征兆。

三、上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制實(shí)證分析

（一）上市公司樣本及配對樣本的選擇

本文所采用的樣本為 2017 年滬深證券交易所 A 股所涉及的 ST 上市公司，但由于*ST 表示公司經(jīng)營連續(xù)三年虧損，有著退市預(yù)警的風(fēng)險(xiǎn)，則予以排除在樣本之外。根據(jù)滬深證券交易所的統(tǒng)計(jì)年鑒進(jìn)行資料整合，滬深證券交易所 A 股ST上市公司分別為21家與8 家，例ST 明科、ST 坊展、ST 中基、ST 東海洋等。

本文根據(jù)隨機(jī)抽樣原則，以概率的方式客觀地去測量推論值的可靠程度，對配對樣本的選擇，則采取隨機(jī)抽樣的方法進(jìn)行1：1配對。本文一共選取了 58 家上市公司作為研究樣本，選擇36 對樣本作為測試樣本，22 對樣本作為檢驗(yàn)樣本。

（二）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)分析與選擇

本文從償債能力分析（流動比率、速動比率等）、資本結(jié)構(gòu)分析（股東權(quán)益率、產(chǎn)權(quán)比率等）、經(jīng)營效率分析（應(yīng)收款項(xiàng)周轉(zhuǎn)率、存貨周轉(zhuǎn)率等）、獲利能力分析（總資產(chǎn)報(bào)酬率、銷售毛利率等）、發(fā)展能力分析（主營業(yè)務(wù)收入增長率、總資產(chǎn)增長率）、現(xiàn)金流量分析（銷售收現(xiàn)比率、銷售現(xiàn)金比率等），共25種財(cái)務(wù)指標(biāo)分析出發(fā)，可以對企業(yè)的財(cái)務(wù)狀況、經(jīng)營狀況進(jìn)行揭示及了解，及時調(diào)整公司的方針策略②。

（三）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的 T 檢驗(yàn)

根據(jù)上述選取的 25 個財(cái)務(wù)指標(biāo)，為了是否能夠有效的辨別 ST上市公司與非 ST 上市公司，將對其進(jìn)行單變數(shù)的 T 檢驗(yàn)分析。本文利用 SPSS24.0 軟體對于樣本選擇中的 36 對測試樣本，通過對 2017 年的財(cái)務(wù)資料整合得到的財(cái)務(wù)指標(biāo)根據(jù) 1%的顯著性水準(zhǔn)進(jìn)行分析。

根據(jù)1%的顯著性水準(zhǔn)的選擇標(biāo)準(zhǔn)，將顯著值高于0.01的變數(shù)指標(biāo)予以剔除，保留了X1、 X2、X3、X4、X7、X9、X13、X15、X16、X19、X22這11個指標(biāo)，進(jìn)行下一步的的指標(biāo)篩選。

（四）相關(guān)性分析

由于多元 Logistic 回歸模型分析要求引數(shù)之間不允許存在多重線性原則，即便有 11 個財(cái)務(wù)指標(biāo)低于 1%的顯著性水準(zhǔn)，但仍然要對此 11 個財(cái)務(wù)指標(biāo)進(jìn)行相關(guān)性分析來證明指標(biāo)之間沒有高度相關(guān)的關(guān)系，并以此來達(dá)到降維的目的。本文在進(jìn)行相關(guān)性檢驗(yàn)時，把相關(guān)性系數(shù)限定在 0.4 以內(nèi)，盡可能的去排除掉相關(guān)度高的指標(biāo)變數(shù)，使得多元 Logistic 回歸模型中沒有多重線性關(guān)系的引數(shù)。

由檢驗(yàn)結(jié)果可知，X1、X3、X9、X19指標(biāo)對于其他變數(shù)指標(biāo)來說是有高度相關(guān)性的，因此，把X1、X3、X9、X19指標(biāo)予以剔除在外。最終保留X2、X4、X7、X13、X15、X16、X22七個指標(biāo)。其中，X2為速動比率，X4為流動資產(chǎn)率，X7為股東權(quán)益比率，X13為總資產(chǎn)周轉(zhuǎn)率，X15為總資產(chǎn)報(bào)酬率，X16為銷售毛利率，X22為銷售收現(xiàn)比率。由于 X2、X4屬償債能力分析，X7屬資本結(jié)構(gòu)分析，X13屬經(jīng)營效率分析，X15、X16屬獲利能力分析，X22屬于現(xiàn)金流量分析，這些指標(biāo)能夠具有一定的代表性，對上市公司的基本情況能夠有較強(qiáng)的反應(yīng)。

四、多元 Logistic 回歸模型的構(gòu)建及檢驗(yàn)

（一）多元 Logistic 回歸模型的構(gòu)建

根據(jù)上述對財(cái)務(wù)指標(biāo)的選擇結(jié)果，接下來運(yùn)用 SPSS24.0 軟體進(jìn)行回歸分析。首先把測試樣本的 36 家上市公司進(jìn)行回歸分析，分析 36 個測試樣本的財(cái)務(wù)資料是否全部進(jìn)入回歸分析，再利用 SPSS24.0 軟體將 ST 上市公司的因變數(shù)定義為 1，而非 ST 上市公司的因變數(shù)定義為 0。可以得出 Logistic 回歸分析模型為Y= ln[/1-]=-0.97-0.552X2 +0.011X4-1.1937-1.258X13-0.01X15-0.018X160.023X22，則上市公司出現(xiàn)財(cái)務(wù)危機(jī)的概率為：= exp（Y）/[1+exp（Y）]=77.8。

綜合得出，該模型對于上市公司因?qū)ω?cái)務(wù)狀況或其他狀況出現(xiàn)異常的上市公司股票交易進(jìn)行特別處理的預(yù)測正確率為 77.8%，效果還是比較客觀。

（二）多元 Logistic 回歸模型的檢驗(yàn)

為了更進(jìn)一步的檢驗(yàn)此模型的準(zhǔn)確度如何，本文將剩余的 22 對檢驗(yàn)樣本的 2017 年的財(cái)務(wù)資料代入上述模型。本文將借鑒前者的選取臨界值作為參考，一般來說，選取 0.5 作為上市公司財(cái)務(wù)危機(jī)發(fā)生的臨界值，當(dāng) P 大于 0.5 時，表示上市公司發(fā)生財(cái)務(wù)危機(jī)的狀況概率比較大;反之則表示發(fā)生財(cái)務(wù)危機(jī)概率比較小。因此，可以根據(jù)此模型對于我國上市公司因財(cái)務(wù)狀況出現(xiàn)而被認(rèn)定為ST上市公司的預(yù)測情況有一個了解。

由上表可知，此模型在預(yù)測上市公司是否會因財(cái)務(wù)狀況異常而被特別處理成為 ST 上市公司的正確率為 77.3%。綜上所述，本文建立的 Logistic 上市公司財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測精確度比較高，模型比較理想。

五、總結(jié)與建議

隨著我國經(jīng)濟(jì)的發(fā)展，上市公司已經(jīng)成為經(jīng)濟(jì)市場不可缺少的一部分。上市公司的財(cái)務(wù)危機(jī)出現(xiàn)，導(dǎo)致對上市公司的相關(guān)利益者帶來了一定損失。因此，建立有效的財(cái)務(wù)危機(jī)預(yù)警模型是必不可少的。本文通過所建立的Logistic 上市公司財(cái)務(wù)危機(jī)預(yù)警模型可以看出，這七個財(cái)務(wù)指標(biāo)（速動比率、流動資產(chǎn)率、股東權(quán)益比率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)報(bào)酬率、銷售毛利率、銷售收現(xiàn)比率）有顯著的判別作用，此模型預(yù)警效果比較好，符合我國的實(shí)際情況，有一定的實(shí)用價(jià)值。關(guān)注這些指標(biāo)可以幫助上市公司股東或者投資者等相關(guān)利益者進(jìn)行分析導(dǎo)致財(cái)務(wù)危機(jī)的情況，起到財(cái)務(wù)危機(jī)預(yù)警作用。

最后，本文也對上市公司、投資者、債權(quán)人提出相關(guān)建議。上市公司應(yīng)當(dāng)建立一套完善的財(cái)務(wù)危機(jī)預(yù)警機(jī)制，需建立一個財(cái)務(wù)危機(jī)預(yù)警的組織部門，采取有效監(jiān)控及科學(xué)的手段，注重財(cái)務(wù)危機(jī)預(yù)警機(jī)制的完善。投資者應(yīng)當(dāng)加強(qiáng)對于上市公司的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)意識，通過多方管道，了解上市公司的運(yùn)作概況，提高自身投資要求，樹立正確的投資理念。債權(quán)人應(yīng)當(dāng)著重關(guān)注上市公司的經(jīng)營情況，在放貸時不僅僅考慮上市公司的一時經(jīng)營狀況，也應(yīng)注重上市公司的長遠(yuǎn)發(fā)展，應(yīng)當(dāng)理性放貸，不追求一時利益而忽略上市公司能否長久還清債務(wù)的能力。

注釋：

①資料來源於滬深證券交易所 1991 年-2017年年度報(bào)告整合。

②資料來源於滬深證券交易所上市公司年度報(bào)告綜合整理得出。

參考文獻(xiàn)：

[1]賈一顏.（2018）.上市公司財(cái)務(wù)預(yù)警模型的建立和應(yīng)用.今日財(cái)富 （中國智慧財(cái)產(chǎn)）權(quán)）.（2），145-149.

[2]林巖.（2016）.企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系研究.中國管理資訊化.19（13），41-43.

[3]馬長紅.（2017）.論企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系的建立.中外企業(yè)家.（1），107-109.

作者單位：澳門城市大學(xué)商學(xué)院