我國上市公司不良資產測評研究

[摘要]文章以我國滬市A股2006年底620家上市公司的財務報表資料為樣本，通過對財務指標信息類模型的研究，設計了反映企業綜合能力的10個指標，借助主成分分析法，同時借鑒阿爾曼多元Z值判定模型的分析思路，建立了我國上司公司不良資產的測評模型——G值模型。研究結果表明：我國滬市A股上市公司不良資產率應控制在 [-1.667%，1.785%]范圍內。

[關鍵詞]不良資產；主成分分析法；測評模型

[中圖分類號]F273.4［文獻標識碼］ Ａ

[文章編號] １６７３－０４６１（２００8）０2－００77－０４

一、不良資產研究的基本問題

不良資產是企業資產中的黑洞，它違反了財務會計信息質量要求的可靠性和相關性，造成企業資產利潤虛增、潛虧嚴重，從而影響到企業財務狀況與經營成果的真實性。有可能成為企業進行利潤粉飾的手段之一，不利于投資者客觀評價企業的經營業績。1997年12月17日，中國證監會頒發了《公開發行股票公司信息披露的內容與格式準則第二號（年度財務報告的內容與格式）》，要求上市公司在年報摘要中除披露“每股凈資產”數據外，還首次要求其披露“調整后每股凈資產”的數據，目的就在于引導投資者正確評價企業的資產質量，做出理性投資決策。由此可見，企業資產質量的好壞越來越受到投資者和經營者的關注。[1]

（一）企業不良資產的定義

銀行的不良資產主要是指不良貸款，俗稱呆壞賬。也就是說，銀行發放的貸款不能按預先約定的期限、利率收回本金和利息，不良貸款包括逾期貸款（貸款到期限未還的貸款）、 呆滯貸款（逾期兩年以上的貸款）和呆賬貸款（需要核銷的收不回的貸款）三種情況。那么什么是非金融業企業的不良資產呢？陳冬華（1998）[2]認為企業不良資產是介于資產和費用之間的一個概念，它仍是資產，但是基本上不能或很少能給企業帶來經濟利益，或者已基本上不為企業擁有和控制，它有些近似費用但又可以不在本期確認為費用。常繼英（2004）[3]認為“不良”既指資產的質量差，也指資產喪失部分價值或使用價值，還可以是指資產不能正常參加運轉等，不管其表現形式怎樣，其實質是不能給企業帶來應有的經濟利益，但該資產還以一定的形態存在。

結合以上定義，本文從對資產的定義反推不良資產的定義，筆者認為凡符合以下條件之一者均為不良資產：其一，企業不能夠擁有或控制，但仍在資產負債表的左方列示的資產；其二，不能給企業帶來未來經濟利益的資產。

（二）企業不良資產的構成

關于不良資產的構成本文贊同陳冬華（1998）的觀點，不良資產一般主要由以下四類構成：

1.三年以上的應收款項，包括三年以上的應收票據、應收賬款、預付賬款和其他應收款。

一般而言，三年以上仍未收回的應收款項，其收回的可能性已幾乎為零，因此現行會計制度規定：“因債務人逾期未履行償債義務超過三年仍然未能收回的應收賬款”可確認為壞賬。

2.待攤費用，即企業已經支付但需在未來一年內攤銷的費用。

例如預付租金，由于企業已經支付，除非對方違約，企業已喪失了對該筆資產的擁有和控制，但是由于會計上的配比原則，即誰受益誰承擔的原則，待攤費用需以后各期均攤，而不僅是當期。因此，待攤費用只是會計意義上的資產，并不為企業擁有與控制。

3.遞延資產，也稱長期待攤費用，即企業已經支付需在未來一年以上的時間攤銷的費用。

4.待處理財產凈損失，包括待處理流動資產凈損失與待處理固定資產凈損失。

損失已然發生，但一般因為：a.損失原因仍在調查中；b.處理申請上級仍未批復，故仍暫列資產中。

企業不良資產主要由上述四類構成。嚴格意義上來說，待攤費用和遞延資產不屬于不良資產。但是考慮它們不能給企業帶來未來的贏利，以及市場投資者的習慣做法，我們也把它們歸入不良資產。

二、本文的樣本選取和主要研究方法

（一）樣本的選定

本文在模型的推導過程中使用的公司財務報表數據是從上市公司年報中手工收集得到，數據主要來源于上海證券交易所網站和中國證券報。樣本的選取遵循以下原則：

1.不考慮金融類上市公司；

2.上市年限相對較長；

3.剔除無法獲取相關數據的公司；

4.剔除B股和H股上市公司；

5.在計算過程中，對會產生非隨機缺失值的公司采取直接刪除的方法。

基于上述原則，本文選取截至2006年12月31日在滬上市的620家發行A股的公司為研究對象。

（二）財務指標的選取

在關于財務指標信息類模型的研究上，Altman（1968）等學者（Altman，Strong和Mayer[4]，1997；Collins，1980；Elliott[5]，1991）使用常規的財務指標，如負債比率、流動比率、凈資產收益率和資產周轉速度指標等作為預測模型的變量進行財務困境預測[6]。陳曉等（2000）通過試驗1，260種變量組合，發現負債/權益比率、應收賬款周轉率、主營利潤/總資產比率、留存收益/總資產對上市公司財務危機有著顯著預示效應。Harmer（1983）指出被選財務指標的相對獨立性能提高模型的預測能力。Boritz（1991）區分出65個財務指標作為預測變量建立財務模型。綜合國內外學者在財務指標信息類模型研究的基礎上，本文選取凈資產收益率、總資產報酬率等10個財務指標作為預測模型的變量。

（三）研究程序和研究方法

本文首先計算620家樣本公司的凈資產收益率、總資產報酬率等10個財務指標，這些指標綜合反映了企業的盈利能力、長短期償債能力和營運能力。在此基礎上應用主成分分析法，找出了能綜合10個指標的七個主成分，應用該方法能排除各指標量綱不同的影響，又能消除指標間的多重共線性，使模型更加精確；指標變量減少了，在抓住主要矛盾的同時又盡可能多的保留原始指標的信息[7]。確定主成分后，結合財務指標信息類模型特別是阿特曼多元Z值判定模型的分析思路，建立我國上市公司不良資產的測評模型。

三、實證研究——模型構建

（一）研究假設

假設1：資產質量與企業業績之間存在正的相關關系，資產質量越好，企業的業績就越好。李樹華、陳征宇（1998）曾以滬深兩市1997年745家上市公司為樣本進行了統計分析，得出資產質量與當年的凈資產收益率存在一定的正相關關系。

假設2：本假設是有關選取樣本公司財務數據質量的假設，①假定企業凈資產收益率、總資產報酬率和主營業務利潤率不會超過100%，與此假設相背的樣本公司予以刪除；②假定總資產周轉率、流動資產周轉率、應收賬款周轉率不超過50次，即周轉期不低于7天，相背樣本數據刪除；③流動比率不高于50，資產負債率不高于100%，相背樣本公司不予研究；④不良資產率不高于50%，否則刪除該樣本。

（二）不良資產測量指標設計

本文是在陳冬華（1998）關于上市公司不良資產的研究基礎上，深入研究如何建立不良資產的測評模型，借鑒了他設計的不良資產相對衡量指標。凈資產中不良資產率（NPAs）=1-調整后的每股凈資產/每股凈資產。例如：福成五豐（600965），其每股凈資產與調整后的每股凈資產分別為1.80與1.68元，則不良資產率計算為：1-1.68/1.8=0.0667，該指標表示在公司凈資產中不良資產占6.67%。

（三）10個財務指標的描述統計

鑒于本文選取的樣本量大，對凈資產收益率、總資產報酬率等十個指標的具體計算結果不在文中列示，僅對各指標進行統計描述如表1：

表1. 指標描述統計表

（四）提取主成分

1. 對指標x1-x10標準化，求出標準化后的數矩陣的相關陣（表2）

指標數據標準化的公式為：ZXij=■

（Xij為第i家公司第j項財務比率的數據，ZXij為Xij標準化后的數值，EXj是第j項財務比率數據的均值，DXj是第j項財務比率數據的方差。）

表2.指標標準化后的相關陣

由表2可知，部分指標之間直接的相關性比較強，的確存在信息上的重疊。

2.KMO檢驗和Bartlett球形檢驗（表3）

表3. KMO and Bartlett's Test

由Bartlett球形檢驗可以看出，應拒絕各指標獨立的假設，即指標間具有較強的相關性。但是，KMO統計量為0.644，說明各指標間信息的重疊程度可能不是特別的高，有可能做出的主成分分析模型不是很完善，但還是值得嘗試的。

3.由相關陣計算特征根（λ）、方差貢獻率和累積貢獻率（表4）

表4. 方差解釋表（Total Variance Explained）

如表4所示，可知第一個主成分的方差占所有主成分方差的25.074%，前七個主成分的方差貢獻率達到92.04%，因此選前七個主成分已經足以描述10個財務比率所包含的信息。

4. 計算變量共同度（表5）

表5.Communalities

變量共同度表示各變量所含的信息能被提取的主成分解釋的程度，由表5中所示的變量共同度可知，變量的共同度都在80%以上，這七個主成分對各財務指標的解釋能力是比較強的，因此只考慮前七個主成分即可。

5. 采用主成分法計算因子載荷矩陣，通過因子旋轉解釋主成分的經濟涵義

表6.旋轉后的因子載荷矩陣（Rotated Component Matrixa）

因子載荷矩陣是各因子（主成分）在各變量上的載荷，即各因子對各變量的影響程度。由于初始的因子載荷矩陣系數不是太明顯，不利于公因子的解釋。為了使因子載荷矩陣的系數向0-1分化，對初始載荷矩陣進行方差最大旋轉（Varimax），旋轉后的因子載荷矩陣如表6所示。

由表6可以看出，第一主成分（F1）在x2、x9及x10上有很大的載荷，可以定義為償債能力的影響因子；第二主成分（F2）在x3、x4上有很大的載荷，可以定義為企業綜合盈利能力的影響因子；第三主成分（F3）在x6上有很大的載荷，可以定義為總資產營運能力的影響因子；第四主成分（F4）在x7上有很大的載荷，可以定義為流動資產營運能力的影響因子；第五主成分（Ｆ5）在x5上有很大的載荷，可以定義為主營業務利潤率的影響因子；第六主成分（F6）在x8上有很大的載荷，可以定義為應收賬款周轉率的影響因子；第七主成分在x1上有很大的載荷，可以定義為不良資產率的影響因子。

6.通過Regression回歸法估計因子得分函數系數矩陣（表7）。

表7.Component Score Coefficient Matrix

由因子得分函數系數矩陣，將七個公因子表示為10個指標的線性形式，主成分表達式模型如下：

F1=-0.008Zx1+0.447Zx2-0.069Zx3-0.001Zx4- 0.056Zx5+0.148Zx6-0.009Zx7+0.008Zx8+0.472Zx9- 0.294Zx10

F2=-0.017Zx1+0.042Zx2+0.801Zx3+0.37Zx4-0.158Zx5-0.077Zx6-0.05Zx7-0.016Zx8-0.168Zx9-0.055x10

F3=0.035Zx1+0.007Zx2-0.299Zx3+0.273Zx4+0.025Zx5+0.613Zx6-0.065Zx7-0.037Zx8+0.364Zx9+0.483Zx10

F4=-0.019Zx1-0.02Zx2-0.005Zx3-0.087Zx4+0.146Zx5+0.22Zx6+0.936Zx7-0.26Zx8-0.192Zx9-0.437Zx10

F5= 0.037Zx1-0.185Zx2-0.304Zx3+0.17Zx4+ 0.991Zx5-0.037Zx6+0.131Zx7-0.055Zx8+0.116Zx9+0.006Zx10

F6=0.008Zx1-0.032Zx2-0.046Zx3+0.038Zx4-0.061Zx5-0.117Zx6-0.17Zx7+1.073Zx8+0.104Zx9+0.059Zx10

F7=0.998Zx1+0.01Zx2-0.006Zx3-0.011Zx4+0.029Zx5+0.033Zx6-0.013Zx7+0.002Zx8-0.035Zx9-0.017Zx10

變量Zxi（i=1，2…10）是財務指標Xi標準化后的值

（五）借鑒阿爾曼多元Z值判定模型的分析思路建立不良資產測評模型——G模型

模型的表達式為：

G=a1F1+a2F2+a3F3+a4F4+a5F5+a6F6+a7F7

ai=■(i=0，1…7)

（ai是主成分Fi的方差貢獻率；λi是主成分Fi的特征根；∑λ是主成分的特征根和）根據以上計算所的數據，可以得到滬市A股上市公司不良資產控制模型：

G=0.251F1+0.205F2+0.139F3+0.106F4+0.101F5+0.066F6+0.054F7

代入F1～F7到G模型中，得：

G=0.0555Zx1+0.0994Zx2+0.0707Zx3+0.1234Zx4+0.07014Zx5+0.1202Zx6+0.079Zx7+0.0314Zx8+

0.13097Zx9-0.06067Zx10

（變量Zxi（i=1，2…10）是財務指標Xi標準化后的值）

求出向量Ｇ[G1，G2，…Gn]（n為樣本數）值后，對向量Ｇ的元素做統計分析，得到其最大值Ｇmax和Ｇmin，從而得出合理不良資產率控制的上下限[Ｇmin，Ｇmax]，檢驗企業不良資產相對衡量指標NPAs（凈資產中的不良資產率）是否在上下限范圍內，據以判定持有不良資產額是否合理；反之，該模型為企業合理控制不良資產提供了參考界限。

四、本文的研究結論

本文以滬市A股2006年底全部上市公司為研究對象，根據模型對數據的原則要求，剔除一部分上市公司后，最終選取620家上市公司為研究樣本，借鑒阿爾曼多元Z值判定模型的分析思路建立不良資產測評模型——G模型。

根據模型的要求，首先計算出x1～x10財務比率數據，然后對其標準化得到Zx1～Zx10，把Zx1～Zx10代入G模型，得到向量Ｇ[G1，G2，…Gn]（n為樣本數，n=1，2，…620），對G1，G2，…Gn統計分析，見表8。

表8. G值描述統計

由表8可得出結論：我國滬市A股上市公司不良資產率應控制在[-1.667%，1.785%]范圍內，超出此范圍的不良資產可能會給企業造成不利影響，或者可能向投資者傳遞企業有盈余管理動機的信號，從而提醒和幫助管理者判斷是否應該進行清產核資，計提資產減值準備。

[參考文獻]

[1]李嘉明，李松敏．我國上市公司的資產質量與企業績效的實證

研究[J]．經濟問題探索，2005，（4）：104-107．

[2]陳冬華．上市公司不良資產的實證分析[N]．證券市場導報，

1998－07．

[3]常繼英．關于企業不良資產的構成和計算[J]．內蒙古科技與經

濟，2004，（3）：41-42．

[4]Strong，John，S ．， Meyer，John，R ． Asset Write-downs:

Managerial Incentives and Security Returns[J]．Journal of

Finance，1987，(2) ：643-661．

[5]Elliott，J ．A ．， Shaw，W ．H ．，Write-offs as Accounting

Procedures to Manage Perceptions[J]．Journal of Accounting

Research，1987(supplement) ：91-144．

[6]Altman，E．，Financial Ratios．Discriminant Analysis and the

Prediction of Corporate Bankruptcy[J]．Journal of Finance，

1968，23(Sept.) ：589-609．

[7]張文彤，閆潔．SPSS統計分析高級教程[M] ．北京：高等教

育出版社，2004， 213-225．

Research on Assessing model of Non-performing Assets of Chinese Listed Companies

Gao Yuju，Bu Shuduan，Wang Caiyan

（Shijiazhuang University of Economics， Shijiazhuang 050031， China）

Abstract：This paper takes Shanghai-listed companies as object of research. At last， take 620 listed companies' financial statements for research according to strict principles. Through the study of the models on financial-index-information， we designed ten financial indicators that can reflect the companies' comprehensive capacity of operation. Recur to the analytical method of principal component and Altman Z model，we designed the assessing model of non-performing assets--G-model. A predicable conclusion reveals that the ratio of non-performing assets of Shanghai-listed companies should control in the range of [-1.667%，1.785%].

Key words：non-performing assets（NPAs）；analytical method of principal component；assessing model

（責任編輯：張積慧）