上市公司财务危机预警实证研究

来源:用户上传      作者: 王春丽　韩卫国

　　摘 要：从20世纪60年代起，国内外的学者对上市公司财务危机预警问题就进行了大量研究，从方法上看，主要有线性判别分析、多元线性回归分析和Logistic三种。大量的实践证明，运用Logistic模型判定上市公司财务危机预警的准确性相对较高。
　　关键词：财务危机，预警模型，主成分分析，Logistic回归
　　中图分类号：F276.6 文献标识码： Ａ 文章编号：１００３－３８９０（２００8）07－００24-03
　　
　　一、文献综述
　　
　　（一）国外财务危机预警模型的研究现状
　　在20世纪60年代前影响最为广泛的美国财务分析专家Beaver（1966年）提出了单变量判定模型。在财务危机预测研究中，美国纽约大学教授Altman做出了突出贡献。Altman在1968年首次使用了多元判定分析（MDA）预测财务危机，后来的研究者通常称之为Z模型。Meyer和Yifer1970年使用了最小二乘法对财务危机进行预测。1977年，Altman，Haldeman和Narayanan在Z模型的基础上又提出了一个更能准确预测企业财务失败的新模型――著名的ZETA模型。Martin（1977）在财务危机预测研究中首次采用Logistic模型。1988年，Aziz，Emanuel和Lawson在财务危机的预警模型研究中，发展了基于现金流量预警破产的模型。1998年，Mossman.Bell，Swartz和Turtle在总结以前研究的基础上，比较了财务指标模型、现金流量模型、市场收益率信息类模型，发现不存在令人完全满意的区分破产和非破产的预测模型。除了线形判别模型和条件概率模型外，一些学者还用人工神经网络系统模型和引用了期权定价理论对财务危机进行预测。
　　（二）国内财务危机预警模型的研究现状
　　1986年，吴世农、黄世忠曾撰文介绍企业破产的财务分析指标及其预警模型。1996年，周首华、杨济华和王平应用多微区分分析方法建立了F分数模型。1999年，陈静对西方预警模型在中国是否适用进行了实证分析。张爱民、祝春山、许丹健（2001）借鉴Altman的多元Z值判别模型，建立了一种新的预测财务危机的模型――主成分预测模型。杨保安（2001）等针对判别分析方法在构建财务危机判别模型中存在的问题引入神经网络分析方法并应用于企业财务危机判定与预测。吴世农、卢贤义（2001）应用Fisher线性判别分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务危机的模型。张延波、彭淑雄（2002）指出，在建立风险监测与危机预警指标体系中，可考虑加入现金流量指标。刘洪、何光军（2004）建立了Logistic回归模型、Fisher判别模型和BP神经网络模型，实证结果表明：BP神经网络方法的预测精度远高于其他两种方法。李秉祥、启文秀（2004）以现代理论和期权理论为依据，建立了公司财务危机的动态预测模型。谭久均（2005）建立了财务指标与违约距离相融合的上市公司财务预警模型。
　　
　　二、实证研究
　　
　　（一）研究样本的选择和变量的定义
　　本文主要针对文献综述中存在的问题，进行财务危机预警研究技术上的改进，探索性地在自变量中加入基于现金流量表的财务比率进行动态财务危机预警模型的构建。笔者选择2006年沪深两市首次被ST或*ST的36家上市公司作为研究样本。按照行业相同、资产规模相似等原则进行配对，找到对应的非ST公司作为参照样本，以确保两组样本之间的相互可比性。在尽量扩大财务比率数目的同时，取前4年内的财务比率进行分析。实证中，本文最终建立的仍是Fisher判别分析和Logistic回归模型。不过与前面学者研究过程不同的是，笔者先对样本连续多年的多个财务比率进行主成分分析，提取多个完全正交的主成分，然后将这些主成分纳入到模型中。整个处理过程既考虑了现金流的重要性，同时也克服了财务比率之间的多重共线性问题。
　　本文的财务数据来自Wind资讯、证券之星数据中心、全景证券网数据中心、巨潮资讯网以及聚源财务分析数据库等（选取的研究样本见表1）。
　　
　　我们参考了国内外反映财务危机预警的既有指标，并考虑了指标数据获取的难易程度，确定了反映和测度中国上市公司财务危机预警的指标体系，包括5个一级指标（偿债能力、盈利能力、资产管理能力、成长能力和现金流量）和22个二级指标。
　　（二）财务指标的正态分布检验
　　本文利用SPSS中的K-S检验方法对基础财务指标进行正态性检验。经过计算，中国的财务指标整体上并不符合正态分布，这一结果与国内外学者所得出的结论一致。因而两类公司财务指标的显著性检验不能进行t检验，而应当使用非参数检验的方法。通过非参数检验，我们发现在最初所选的22个基础财务指标中，有17个财务指标在4年间通过了显著水平为5%的显著性检验。因此，本文初步选定通过显著性检验的17个财务指标来建立预警模型。他们分别是反映偿债能力的流动比率、速动比率、资产负债率、产权比率、利息保障倍数指标；反映盈利能力的主营业务比率、股东权益收益率、留存收益总资产比率、总资产利润率指标；反映资产管理能力的应收账款周转率、总资产周转率、存货周转率指标；反映成长能力的净利润增长率、资本积累率、总资产增长率指标；反映现金流量的现金债务总额比、现金获利指数指标。
　　（三）主成分的计算
　　由于变量之间存在多重共线性的问题，我们对选取的变量按年度进行主成分分析，得到相应的主成分和初始因子载荷矩阵，根据初始因子荷载矩阵与特征值矩阵，计算出主成分系数矩阵，进而求得主成分的分值，得到5个主成分后，代入Fisher判别模型和Logistic回归模型进行进一步分析。
　　（四）Fisher线性判别模型的建立
　　把财务危机公司划分为组合1，非财务危机公司划分为组合0，对上述72家上市公司的5个主成分进行Fisher回归分析，可以建立分年度的财务危机预警模型（见表2）。
　　
　　为了检验判别函数的效果，我们把数据分别代回去，得到财务危机前1~4年财务危机公司与非财务危机公司的判别和预测结果，判断正确率逐年依次为：91.7%，86.1%，69.4%，66.7%。
　　（五）Logistic预警模型的建立
　　利用SPSS统计分析软件，对上述72家上市公司的5个主成分进行Logistic回归分析，可以建立分年度的财务危机预警模型（见表3）。
　　
　　我们把财务危机企业和非财务企业危机前1―4年的数据代入模型，如果P值大于0.5，则判定企业为财务危机企业，如果P值小于0.5，则判定企业为正常企业。如此，财务危机企业和非财务危机企业财务危机前1~4年的判定正确率逐年依次为：91.7%，86.1%，69.4%，66.7%。
　　
　　三、结论
　　
　　总结本文的研究过程和结果，可以得到以下结论：
　　1. ST公司的大部分财务指标值在其被特别处理前4个会计年度内呈现出了逐渐恶化的趋势，“ST”公司与非“ST”公司财务指标之间所呈现的差距逐渐加大，说明了“ST”公司财务状况的恶化并非是突然发生的，从而使得财务危机预警不仅必要，而且成为可能。因而我们完全可以通过分析财务指标的变化来预测公司未来的财务状况。
　　2． 本文采用了Fisher判别分析法和Logistic回归方法建立中国上市公司分年度的财务危机预警模型，结果表明这两种模型可以提前4年预测财务危机。
　　3． 分析比较模型的预测效果，我们还发现财务危机预警具有一定的时间跨度，时间跨度与预测的准确程度成反比。一般情况下，时间跨度越长，财务危机预警的准确程度就越低，反之亦然。因此，在实际应用过程中，应根据需要和可能，适当规定财务危机预警的时间跨度，从而保证预测结果的可靠性和相关性。
　　4. 比较二种判定模型的效果表明，Logistic模型的判定准确性较高。
　　
　　参考文献:
　　［1］Altman，E .L， Predicting Financial Distress of Company:：Revisiting The Z-Score and ZETA Models，unpublished Journal of Finance［J］ ．July 2000.
　　［2］Beaver， W H. Financial ratios as predictors of failure. Empirical research in accounting: selected studies［J］ ．Journal of Accounting Research 1966.4.
　　［3］Ohlson， J .Financial ratios and the probabilistic prediction of bankruptcy［J］． Journal of Accounting Research：1980，18.109-130.
　　［4］石晓军，肖远文，任若恩．Logistic违约模型的最优样本配比与分界点研究［J］．财经研究，2005，（9）.
　　［5］吴世农，卢贤义．中国上市公司财务困境的预测模型研究［J］．经济研究，2001，（6）.
　　［6］陈静．上市公司财务恶化预测的实证分析［J］．会计研究.1999，（4）.
　　［7］张玲．财务危机预警分析判别模型极其应用［J］．预测，2000，（6）.
　　［8］张玲．财务危机预警分析判别模型［J］．数量经济技术经济研究，2000，（3）.
　　责任编辑：学 诗
　　责任校对：世 玲

转载注明来源:https://www.xzbu.com/2/view-438318.htm