周璐璐

（貴州大學，貴陽 550025）

在2020 年新冠肺炎疫情爆發(fā)期間我國能夠快速戰(zhàn)勝疫情，得益于牢固的制造業(yè)基礎，強大的制造業(yè)基礎使我國克服了疫情對經(jīng)濟的影響，縮短了復產(chǎn)復工的時間。但另一方面，國內(nèi)國際經(jīng)濟形勢的嚴峻對我國從高速發(fā)展轉變?yōu)楦哔|量發(fā)展有一定影響。在疫情的影響下，制造業(yè)上市公司比以前面臨著更多的挑戰(zhàn)，也面臨更多讓企業(yè)陷入危機的因素。因此，建立一個適合我國制造業(yè)上市公司的財務預警模型顯得尤為重要。在發(fā)展的過程中，企業(yè)人員可以根據(jù)模型的預測對企業(yè)的經(jīng)營策略作出適時的調整，做到有效防范危機。

一、文獻綜述

據(jù)了解，國外從20 世紀30 年代就開始了財務預警研究。國內(nèi)外關于財務預警的研究分為定性研究和定量研究，從單變量判定模型開始研究，經(jīng)歷了多元線性判定、多元邏輯、多元概率比模型和神經(jīng)網(wǎng)絡模型的發(fā)展過程。

顏哲等（2011）用T 檢驗和因子分析構建了Logistic 財務危機預警模型，經(jīng)對比發(fā)現(xiàn)，用T 檢驗構建的Logistic 財務危機預警模型更適合我國房地產(chǎn)上市公司。甘愛平等（2014）對我國航運上市公司通過因子分析法構建的Logistic 財務預警模型預測正確率達100%。為了降低財務指標的多重共線性，朱振梅（2017）利用方差膨脹因子（VIF）和容許度（TOL）進行檢驗，結果顯示，利用檢驗后的財務指標建立的預警模型預測準確率較高。

隨著國內(nèi)外學者對公司財務危機預警的深入研究，發(fā)現(xiàn)非財務指標在公司財務危機預警中也起著至關重要的作用。張靜瑜等（2017）在對信息產(chǎn)業(yè)上市公司進行財務危機預警研究時，在進行Logistic 回歸分析時加入了非財務指標。田寶新和王建瓊（2017）加入股權結構、公司治理、管理層激勵、投資者保護、市場信息五個非財務指標構建Logistic 回歸模型，研究表明，非財務指標確實和財務指標對判定企業(yè)是否陷入財務困境都有貢獻。施赟和張蔚文（2009）認為，EVA（經(jīng)濟增加值）更能衡量企業(yè)的盈利能力和企業(yè)價值，因此EVA 和其他財務指標的結合能增強模型的預測效果。吳永賀（2013）的實證研究通過加入EVA 后兩個Logistic 預警模型的對比，發(fā)現(xiàn)EVA 對公司財務預警能力有提高。張煜和肖美英（2015）加入EVA 的財務預警模型有提前預測的效果。

本文的貢獻和創(chuàng)新主要體現(xiàn)在：一是目前關于制造業(yè)上市公司的財務預警研究較少，本文旨在建立一個可靠的制造業(yè)財務預警模型，對現(xiàn)有研究做補充，方便利益相關者做出決策。二是加入了非財務指標的因素，綜合考慮了公司的全面財務狀況。

二、預警模型的構建

（一）樣本選取

本文共選取我國198 家A 股制造業(yè)上市公司作為研究樣本，其中99 家為2018—2019 年首次被ST 的制造業(yè)上市公司；并以1：1 的配比原則選取99 家非ST制造業(yè)上市公司作為對比，為增強可比性，選取的非ST 公司為A 股行業(yè)簡稱代碼一致的制造業(yè)上市公司。考慮到公司發(fā)生財務危機的前幾年已有征兆，所以本文所研究的是被ST 的T-3 年（前三年）的數(shù)據(jù)。

（二）預警指標選取

考慮我國上市公司的特點，為了全面、系統(tǒng)、有效地反映公司的財務狀況，本文主要從償債能力、營運能力、盈利能力和發(fā)展能力四方面選取16 個財務指標，由于非財務指標被證實對財務危機也有預警作用，為保證模型的全面性本文加入了5 個非財務指標，一共21 個指標。其中，償債能力包括流動比率X1、速動比率X2、現(xiàn)金比率X3、資產(chǎn)負債率X4、權益乘數(shù)X5，營運能力包括應收賬款周轉率X6、流動資產(chǎn)周轉率X7、固定資產(chǎn)周轉率X8、總資產(chǎn)周轉率X9，盈利能力包括資產(chǎn)報酬率X10、總資產(chǎn)凈利潤率X11、營業(yè)毛利率X12、營業(yè)凈利率X13，發(fā)展能力包括總資產(chǎn)增長率X14、可持續(xù)增長率X15、每股凈資產(chǎn)增長率X16，非財務指標包括第一大股東持股比率 X17、Z 指數(shù) X18、S 指數(shù)X19、H 指數(shù) X20、Herfindah1_3 指數(shù) X21。本文構建財務預警模型采用指標的所有的數(shù)據(jù)均來自于國泰安數(shù)據(jù)庫。

（三）模型選取

Logistic 回歸是廣義線性模型的一種，沒有嚴格的假設條件，能夠有效解決因變量為二分類的問題。Logistic 回歸模型常被用在許多財務危機預警的研究中，并有研究表明Logistic 模型的預測準確率高于其他模型，故本文同樣采取Logistic 回歸分析。

三、實證分析

（一）Shapiro-Wilk test 檢驗

為檢驗指標是否符合正態(tài)分布，本文先對財務指標進行Shapiro—Wilk test 檢驗，結果顯示，所有指標的顯著性水平都小于0.05，即沒有一個指標變量符合正態(tài)分布（見表 1）。

表1 W 檢驗結果

（二）Mann－Whitney U 檢驗

對未通過W 檢驗的21 個指標進行Mann－WhitneyU 檢驗，檢驗結果如表2 所示。對沒有通過顯著性檢驗的指標X6、X7、X21 剔除，對通過檢驗的其余18 個指標進行主成分分析。

表2 非參數(shù)檢驗結果

（三）主成分分析

本文通過主成分分析進行降維，以降低變量之間的相關性，提高財務預警模型的預測準確率。

1.KMO 和 Bartlett 球形檢驗

首先，計算T-3 年變量間的皮爾森相關系數(shù)，結果顯示，指標變量之間相關性較強。接著進行KMO 測度和Bartlett 球形檢驗。表 3 結果顯示，KMO 值為 0.65，P 值小于0.05，表明適合進行下一步的分析。

表3 KMO 和Bartlett球形檢驗結果

2.主成分提取

本文在提取主成分時，取累計貢獻率大于90%的特征值數(shù)目作為代表指標大部分特征的主要成分因子。結果顯示，提取出的8 個主成分變量累計方差貢獻率90.49%，說明T-3 年這8 個主成分變量可以解釋所有指標90.49%的信息。

T-3 年 Comp1 在 X1、X2、X3 上具有較高的載荷，所以將Comp1 命名為償債因子，同理Comp2 為非財務因子，Comp3 為營運因子，Comp4 為償債及發(fā)展因子，Comp5 為發(fā)展因子，Comp6 為非財務指標因子，Comp7為發(fā)展因子，Comp8 為盈利因子。

（四）財務預警模型的構建

1.模型構建

將ST 公司定義為1，非ST 公司定義為0。利用主成分變量及各財務指標的數(shù)據(jù)進行Logistic 回歸構建財務預警模型。把非ST 公司錯判為ST 公司的情況稱為第一類錯誤類型，把ST 公司錯判為非ST 公司的情況稱為第二類錯誤類型，回歸預測結果如表4 所示。

表4 Logistic回歸的錯判矩陣

結果顯示，發(fā)生ST 的T-3 年財務預警模型預測準確率89.90%，說明用Logistic 回歸構建的財務預警模型能在89.90%的程度上預測未來公司是否會被ST，是一個可信的財務預警模型。

2.模型評價

ROC 曲線越接近左上角，表示分類器的性能越好。AUC 越接近1，說明分類器效果越好。圖中T-3 年的ROC 為0.93，說明財務預警模型效果很好。

四、結論

本文采用98 家ST 公司和98 家非ST 公司前三年的數(shù)據(jù)建立了一個具有可信度的模型，模型的預測準確率達到90%以上，對制造業(yè)上市公司具有較高的預警效果。研究結果表明，企業(yè)應該每年末對公司進行財務預警分析，根據(jù)分析調整企業(yè)的經(jīng)營管理和發(fā)展戰(zhàn)略，以避免企業(yè)陷入不必要的危機之中。