典則判別在財務困境預測的應用

本文以我國上市公司為研究對象，選取了2003—2005年ST的108家公司和非ST的108家公司共216家為樣本，利用上市公司公開披露的年報財務信息和數據，選取了38個財務指標，應用逐步回歸方法，選取顯著的預測變量，運用判別分析法，借助SPSS統計分析軟件，建立上市公司財務困境預測模型。研究發現，判別分析能比較準確地預測上市公司。

一、 引言

1968年，Altman在他的研究中首次使用了多元判別分析(Multivariate Discriminant Analysis，MDA)預測財務困境。該模型的預測能力比以往模型的判別效率有了較大提高，后來的研究者通常稱該模型為“Z記分模型”(Z-score model)。1977年，Altman、Haldeman和Narayanan在“Z記分模型”的基礎上提出了著名的ZETA模型。Raman于1982年運用逐步判別分析法對證券評級中的會計指標的預測能力進行研究，發現經營活動中的清償能力是主要的判別因素，并建議在財務報告中有必要將經營業務和資本業務分開。Scott于1981比較了相關學者的實證結果，很難得出哪個模型最優的結論。但他認為，多元模型優于單比率模型，在多元模型中Zeta模型又是最優的。國內學者對財務困境預測的研究起步較晚。陳靜對1998年的27家ST公司和27家非ST公司，使用了1995—1997年的財務報表數據，進行了單變量分析和二類線性判別分析。陳靜的研究是國內第一個以上市公司為樣本判別企業財務困境的，標志著國內研究財務困境問題的開始。張玲于2000年以我國實際運營的上市公司的財務比率為依據，利用SPSS統計軟件，從原來的15個財務比率中抽取4個財務比率，建立財務困境判別分析模型。吳世農、盧賢義以我國上市公司為對象，選取了70家處于財務困境的公司和70家財務正常的公司為樣本，應用剖面分析和單變量判別分析，研究財務困境出現前五年內這兩類公司21個財務指標各年的差異，最后確定6個為預測指標，應用Fisher線性判別分析、多元線性回歸分析和邏輯回歸分析三種方法，分別建立三種預測財務困境的模型。張愛民等首次運用了主成分分析法對上市公司財務困境問題進行了研究。研究結果表明，判別分析法的分類準確率達到75%。

二、樣本的采集

從2003年1月1日到2005年12月31日止，滬深兩市共出現148家ST公司。但我們選擇樣本時剔除了以下幾種情況的ST公司：⑴上市兩年內就進入特別處理的公司。原因是財務數據過少和存在嚴重的包裝上市的嫌疑，因此與樣本中的其他公司不具有同質性。⑵因巨額負債進行特別處理的公司。排除原因是負債屬偶然事件，不是由企業正常經營造成的，與樣本中的其他公司不具有同質性。⑶因自然災害、重大事故等進行特別處理的公司。因其屬“出現其他異常狀況”原因，故排除之。⑷指標數據存在異常值的公司。因與其他公司的同一指標數據存在巨大差異而被排除。⑸被注冊會計師出具無法表示意見或否定意見的審計報告，或是在法定期限內未依法披露定期報告。鑒于以上原因，我們剔除了40家“ST”公司，財務困境的有效樣本變為108家。為了剔除不同年份、行業和資產規模因素對企業財務困境預測的影響，我們根據以下原則按1∶1的比例選擇財務健康的上市公司作為配對樣本。據此，本文確定了216個研究樣本。

三、預測變量的選擇

經過分析，第一步選擇了資產收益率、凈利潤率、每股收益等38個指標（見表1）本次研究采用的預測變量即財務指標有如下特點：⑴比較全面。分別從流動性、盈利性、營運性、成長性等不同的角度選擇財務指標。⑵突出現金流量。專門選取了每股經營現金凈流量、經營現金凈流量對銷售收入的比率、經營現金凈流量與凈利潤比率、資產的經營現金流量回報率、經營現金凈流量對負債比率等五個現金流量指標進行分析。

表1 初始預測變量及其分類

本文采用逐步判別分析對變量進行篩選。最后進入模型的預測變量是X1、X2、X7、X11、X12、X15、X16、X21和X24。為了避免多重共線性，本文采用容許度(TOL)和方差膨脹因子(VIF)對選定的7個變量進行了多重共線性檢驗，經檢驗表明選擇的預測變量并不存在多重共線性。

我們可以看到，在入選的變量中，并不包括發展能力指標，這說明該類指標在用于財務困境預測時作用并不突出；而償債能力指標和贏利指標有變量入選，說明該類指標在企業財務困境預測中具有重要作用。

四、典則線性判別分析的實證

在T-21年中以每股收益、資產周轉率、經營現金凈流量對負債比率、應收賬款周轉率、資產收益率、凈資產收益率、固定資產凈值率、調整后每股凈資產、主營利潤比重作為預測變量；在T-3年中以扣除非經常性損益后的每股收益、資產周轉率、總資產增長率、經營現金凈流量對負債比率、市凈率、負債對凈利潤比率、調整后每股凈資產作為預測變量；在T-4年中以資產周轉率、每股收益、固定資產凈值率、應收賬款周轉率、凈資產收益率、主營業務收入增長率作為預測變量；在T-5年中以資產周轉率、每股收益、固定資產凈值率作為預測變量；取ST公司為0，非ST公司為1作為因變量值，利用SPSS統計軟件，對財務困境前五年到前二年的樣本公司的財務數據分析，得到了典則線性判別模型。統計結果如下：

表2 典則判別函數特征值表(Eigenvalues)

由表2可知：T-2年至T-5年的特征值(Eigenvalues)分別為1.781、0.728、0.429、0.170。方差百分比和方差累計百分比均為100%，T-2年至T-5年的典則相關系數(Canonical Correlation)分別為0.800、0.649、0.548、0.381。T-2年至T-5年的特征值與典則相關系數呈下降趨勢。

表3 Wilks’Lambda

表3是對典則判別函數的有效性的檢驗，判斷該判別函數能否將兩類很好地區分開。由上表可知：T-2年的Wilks’Lambda值等于0.360，卡方統計量值(Chi-square)為214.273，自由度為9，顯著性概率Sig.=0.000，Sig.<0.01，從而認為判別函數有效。同理，從表3可知，其他幾年的判別函數同樣有效。

據此，我們可得到典則線性判別函數為：

T-2年：

Z=-0.101+1.888X7+0.661X12+0.877X21+14.691X2-4.203X1-0.895X24+0.074X11-0.008X1

T-3年：

Z=-0.223+2.582X9+0.921X12+0.011X36+1.198X21-0.091X32-0.001X30-0.189X11

T-4年：

Z=1.846+0.814X12+3.139X7-4.324X24+0.001X15-2.398X1+0.002X34

T-5年：Z=0.139+1.169X12+2.154X7-2.057X24

根據以上判別模型，以被ST前的原始數據分別進行回判。T-2年兩個組合的平均Z值分別是-1.328和1.328，由于樣本個數都為108個，所以按完全對稱原則確定的最佳判別點為Z’=(-1.328+1.328)/2=0，由此可知：當把ST發生前的原始數據代入判別模型所得的判別值Z大于Z’，則判為組合1，即非ST公司，否則判為組合0，即ST公司。判別結果如表4。

表4 典則判別結果

從表4我們可以看出，T-2年中典則判別模型估計樣本的I類錯誤率為2.8%，II類錯誤率為8.3%，綜合準確率為94.4%；T-3年中典則判別模型估計樣本的I類錯誤率為14.8%，II類錯誤率為21.8%，綜合準確率為81.8%；T-4年中典則判別模型估計樣本的I類錯誤率為17.6%，II類錯誤率為32.6%，綜合準確率為75.5%；T-5年中典則判別模型估計樣本的I類錯誤率為22.4%，II類錯誤率為37.3%，綜合準確率為71.1%；

五、結論

運用逐步判別分析選擇出來的判別作用顯著的變量，運用這些變量建模，得出典則線性判別模型。在第二年、第三年、第四年、第五年判別率為94.4%、81.8%、75.5%、71.1%，判別率很高。因此，我們可以得出以下結論：應用多元線性判別分析可以比較準確的預測上市公司的財務困境。

(湖南省監察廳財務監察所、中南大學商學院)