化工化纖行業上市公司財務危機預警的實證研究

杜巨玲　金茜茜

摘要：財務危機預警的研究具有重要的現實意義，本文利用Fisher模型，以化工化纖行業被ST的上市公司為研究對象，選取ST公司與財務狀況正常的公司的財務數據。在Sppss17.0軟件中，利用K-S檢驗、T檢驗和相關分析，篩選出不具備線性關系，但能顯著反映財務危機的指標，代入Fisher模型得到變量系數，并將原始財務數據進行回代，從而得到模型判別的準確率。

關鍵詞：上市公司 財務危機預警 Fisher模型 化工化纖行業

目前為止，針對財務危機預警模型的研究主要經歷了從單變量破產預測模型，多元線性判別模型到邏輯回歸模型的演化；從依靠單一財務比率判別財務狀況到多種財務指標的綜合運用，危機預警模型不斷發展和完善。目前，在三種廣泛使用的危機預警模型中，Z計分模型的準確率不如其他兩類精確，而Logistic模型對于樣本的數據量要求較高。因此，在化工化纖行業上市公司樣本數據量可能偏少的情況下，為保證模型判別效果的準確，本文選擇Fisher模型作為實證研究工具。

一、研究方法設計及模型

Fisher模型是費希爾提出來的。表達式為Z=a1x1+a2x2+a3x3+a4x4+……+anxn，其中Z表示判別值，a表示相關系數的權重，而x代表的變量則是財務指標的比率，且各變量之間不具有線性關系。在變量的選擇過程中，主要是基于企業盈利能力、營運能力、償債能力、現金流量指標以及發展能力五方面考慮。

在構建模型的過程中，首先運用逐步分析法，在所有的財務比率中選出能夠提供有效信息的指標變量；其次，利用統計分析的方法，檢驗各變量之間的共線性，即使得構建模型的變量之間不具有線性關系，在這一階段可以使用均值檢驗、方差檢驗或者特征值檢驗等方法完成；第三，可以用挑選出的變量建立模型，代入利用原始數據得到的變量系數，完成Fisher模型財務危機企業和正常企業兩部分公式的構建；最后一步是模型的檢驗，將原始的財務數據指標回代入模型中，在兩個公式的結果中取大值以判斷企業所屬類型，完成判別分析的全過程。

本文利用ST公司和財務狀況正常的公司財務數據進行分析。將ST公司命為1，正常公司為0，分為兩組便于后續的分析。由于Fisher模型要求變量服從正態分布，因此需要首先利用K-S檢驗進行正態分布的驗證，剔除不符合前提條件的變量；第二步，進行T檢驗，目的是為了篩選有利于分辨ST和非ST的顯著變量，以便于利用這些變量建立模型；第三，檢驗顯著變量之間是否存在線性關系，剔除相關的變量，利用剩余的不相關變量建立模型；然后再將樣本數據回代，檢驗模型的準確性。在這一過程中，需要借助Spss17.0軟件完成分析過程。

二、財務指標選取

三、樣本數據的獲取

根據相應的指標變量，本文在實證部分選取了化工化纖行業中36家上市公司的財務數據，其中16家公司作為財務危機組的樣本數據，另外20家作為對比組，即財務狀況正常的樣本。結合Spss軟件，運用Fisher判別分析建立財務危機預警模型。由于上市公司當年的財務報表是在次年1至4月公布，因此是否被ST一般在次年4月份能確定。也就是說，當上市公司被ST時，一般為最近的兩個會計年度連續出現虧損或前一年的每股凈資產低于股票的面值。因此，使用被ST前一年的數據來預測是否存在財務危機是沒有意義的，一般而言，前一年在一定程度上已經可以知道該公司會不會被ST。所以在財務危機預警樣本數據的選擇中，更多應用危機發生前兩年或前三年的數據，更具準確性。

基于以上的分析，本文選擇化工化纖行業共36家上市公司作為分析對象。發生財務危機的公司選擇被ST前2至3年的財務數據，財務狀況正常的公司選擇與前者同一年份的數據作為樣本。

四、建立財務危機預警的Fisher模型

六、結論

雖然財務危機的爆發對上市公司具有相當大的殺傷力，但任何危機的發生必然要經歷一個不斷積累的過程。因而，在企業的經營過程中建立起一套以數學模型為基礎的預警機制，對于有效預防財務危機的發生具有十分重要的作用。我們可以借助企業的財務報表以及相關的財務指標，運用統計學的分析方法，建立模型來預測企業的發展趨勢，以發現潛在的財務風險，并且在危機尚未發生之前告知經營者及時采取措施，有效避免危機的發生，以此實現企業的可持續發展。本文選擇了反映企業償債能力、盈利能力、運營能力以及發展能力等多項指標，經過各項檢驗，尋找符合條件能進入Fisher模型的變量，縱觀Fisher模型構建過程方便簡單，具有較強的實際操作可能性。但也存在以下問題：

（一）樣本數據量的問題。比較常用的用以衡量企業財務狀況的模型包括Z計分模型、Logistics模型、Fisher模型等。相對而言，Logistics模型要求具有足夠多的樣本數據，因此對樣本容量的要求較高，相應構建的模型判別準確率也較高。而Fisher模型對樣本量的要求并沒有特別要求，本文針對化工化纖行業上市公司選取了近兩年被ST的公司作為樣本，觀察最終結果，數據量可能偏少，導致誤判率偏高，可知，擴大樣本量可能是提高判別效果的有效方法之一。

（二）指標選取和篩選問題。本文在選取指標變量時，綜合從償債能力、獲利能力、營運能力以及成長能力等多方面考量選取指標，力求全面反映企業財務狀況。參考全文實證過程，可知最終經過各項檢驗進入Fisher模型的指標變量并未達到全面考量的初衷，而篩選變量的過程也可以認為是在眾多反映財務狀況的變量里，選擇在企業持續生產經營過程中對經營情況和現狀具有指示作用的信號。這一結果，可與化工化纖行業自身特點相結合進行分析。因此，可以認為最終剩余的變量對于企業財務預警的效果更為顯著。

（三）未來預測的不確定性。上市公司面臨的環境復雜多變，包括經濟環境、政治環境、法律環境、技術環境諸多方面，如政府政策變動以及國內外經濟走勢等影響；而財務危機預警是依據若干年前的數據預測未來企業的財務狀況，存在一個隱形假設，即：企業面臨的市場環境是平穩且保持不變的，忽略了客觀市場存在的各種變化，對企業未來發展走勢預測未必準確，因此在這個動態的環境中，用靜態的數據預測未來，不可避免存在考慮不周的問題。而這一問題僅通過數據難以量化，需要將定性分析和定量分析相結合。

針對以上問題，筆者建議如下：

首先，本文選取的是化工化纖行業上市公司的數據，并未涉及非上市公司，主要因為非上市公司數據較難獲得。如果能獲得非上市公司相應的財務數據，則能有效擴大樣本數據量，從而提高模型的判別效果；同時，也能使模型更具代表性。但是也存在一個問題，上市公司陷于財務危機可以被ST作為標志，但非上市公司很難以某一顯著標志標示是否陷于財務危機。因此，擴大樣本量至非上市公司雖然會使得模型判別效果增強，但必須首先解決判別標志這一問題。

其次，在具體指標選擇中，可以在常用的指標之外多考慮某些非財務指標。企業財務狀況并不僅僅可以由財務數據反映，也可以通過諸如股權結構、組織結構等方面反映。財務數據與非財務數據在一定程度上會相互影響，因此僅考慮一方面可能有失偏頗，并不準確。而非財務指標大多需要具體分析，需要將定量分析與定性分析相結合，才能比較完整地反饋企業的財務狀況。但定性分析相對較為困難。

參考文獻：

1.文蘭.公司治理引入上市公司財務危機預警體系的實證分析［J］.商業會計，2011，（14）.

2.楊建斌.Fisher判別法在企業財務危機預警中的應用［J］.會計之友，2011，（13）.

3.程曉秋.上市公司財務困境預警研究——基于數據挖掘的方法［J］.財會通訊，2010，（1）.