基于灰色關聯的多元回歸財務預警實證研究

王麗娟　張莉莉

【摘 要】 灰色關聯度分析由灰色系統理論提出，其理念為在系統發展過程中，若兩個因素同步變化程度高，則認為兩者之間的關聯較大；反之，則兩者關聯甚小。因此，灰色關聯度分析對一個系統發展變化態勢提供了量化的度量，非常適合動態的歷程分析。而企業的發展正是這樣一個動態的過程。在運用灰色關聯度分析得出各指標的滯后期后，將更加準確的截面數據作為訓練樣本，建立多元回歸財務預警模型。實證結果證明，分行業建立財務預警模型是十分必要的。

【關鍵詞】 灰色系統； 灰色關聯分析； 財務預警； 多元回歸分析

一、引言

會計的職能僅為對企業已經發生的經濟活動進行貨幣計量的一個過程，其主要內容是對過去經濟活動的核算和計量，是對企業過去的經濟活動較客觀的記錄。而財務管理則是基于會計活動的結果，結合企業內外部信息，對企業將來的經濟活動的決策，以使企業正常且更高效地運行。各種決策行為都離不開對未來的預測，而財務預警就是財務管理中對企業將來運行是否會惡化的預測范疇。企業利益相關者如內部員工、銀行、股東等都對企業的財務惡化信息十分敏感。這種客觀事實奠定了財務預警在財務管理中的獨特地位。

作為能夠識別、預測公司財務危機并為公司投資人和管理者提供預警信號的風險管理工具，財務預警模型倍受關注，并逐漸成為公司財務管理領域中的熱點問題之一。依賴歷史會計數據建立的模式識別類的傳統預警模型，由于方法中存在固有缺陷，難以在公司財務管理中推廣應用；而考慮微觀與宏觀因素之間聯系的預警模型目前仍處在實驗室階段，尚未發展到能實際應用的程度。

二、相關文獻評述

自國外學者Beaver（1966）用單變量分析預測公司破產并取得一定成果，Altman（1968）利用多元線性判別構建了著名的Z分數模型之后，一場財務預警研究的浪潮便在世界范圍內掀起。

國內對財務預警的研究起于1986年吳世農、黃世忠介紹企業的破產分析指標和預測模型，經歷25年。其中前12年，即1986—1998年為萌芽期，此期間的論文發表較少，研究處于基本認識階段。這一階段比較漫長的一個重要原因在于我國的兩大證券交易所在1990年11月前尚未成立，實證數據十分不完善，并且各種指標界定都處于模糊階段，因此，在次階段，研究者們不得不只關注國外的研究理論與研究方法。在經過大量基礎理論的積累以及國內的證券市場日趨成長，1999—2003年，國內財務預警研究轉入了正式導入期，此階段的主要研究成果與后期相比較少（這與萌芽期的實際情況是相吻合的）第三階段即2004年至今，為國內財務預警研究的大發展時期。在這一階段，尤其是2004年，有一個井噴式發展。這一時期的研究成果有以下飛躍：不僅每年的優質成果數量明顯增多，且研究內涵、外延都有較大的突破。從內涵上看，首先，在研究層面上，不再是單一研究一種方法，而是將前人的方法進行綜合比較，然后結合我國國情，建立一個符合我國實際情況的新模型。其次，在研究對象上，不再僅僅依靠傳統的財務指標，而是加入各種其他影響因素進行綜合考慮，例如經濟附加值、現金流量指標、自由現金指標以及其他非財務指標，以提高模型的準確性。再次。在研究方法上，也不僅僅限于傳統的計量經濟方法，引入了多種在理工科方面有重大意義的研究方法，如人工智能方法、模糊數學方法以及灰色系統理論等。從外延上看，一些學者不僅討論企業遇到財務困境時一系列指標的客觀規律，也開始探討財務危機與企業增長的關系。

除了灰色系統模型，其他模型大都以大量實證數據為基礎，只是證明了財務預警領域的一些客觀規律的存在，其應用僅局限于信用等級的評價，但是財務預警的意義并不盡在于此。人們需要通過模型來預測企業是否將會遇到財務危機，在企業遭受困難之前發現這冰山一角，然后采取行動來抑制這種趨勢，防止財務危機的形成。由于宏觀環境的不斷變動，模型需要新的數據來加以修正，但其樣本之龐大決定了巨大的工作量，因此不利于新模型的建立，因而對模型的推廣應用樹立了一個明顯的障礙。以上為過去研究在財務預警實用性方面的不足。

另一方面，研究者們幾乎都不約而同地選取同一時間截面的數據來建立模型，這種沒有經過科學論證的做法是有缺陷的。由于各種指標的獨特性質，它們可能對未來產生影響的滯后性不是那么一致，所以應該先論證是否有這種滯后性的存在，然后再采取相應的措施。

前人在將灰色系統理論應用到財務預警領域時候沒有考慮到指標的合理性、序列的平滑性以及權重計算的科學性。因此這些因素也就成為將灰色系統應用于財務預警研究需要特別注意的方面。

三、研究設計

（一）指標選取

在指標選取上，本文參考前人的研究成果，將2000年到2012年中所有發表的國家級基金項目論文進行統計，取被選用次數最多的前12個財務比率指標如表1：

其中，資產負債率X1、流動比率X2、速動比率X5體現了企業的償債能力；總資產周轉率X8、應收賬款周轉率X4、存貨周轉率X11、營運資金與總資產比率X12體現了企業的營運能力；總資產利潤率X6、凈資產利潤率X7體現了企業的盈利能力；總資產增長率X3、主營業務收入增長率X9、凈利潤增長率X10體現了企業的成長能力。

（二）指標滯后性考察

四、實證研究

（一）樣本選取

統計數據顯示，2012年共有38家公司僅由于連續2年虧損而被退市預警，也就是*ST。為了使實證結果更加明顯，本文選取了被*ST比例最高的行業——化學纖維制造業為主要實證對象。剔除數據不全的樣本后，納入實驗的訓練樣本共10家公司，其中2家為*ST公司。①

（二）指標滯后性考察結果

根據上述實驗設計，得出的滯后性結果為，除了X11存貨周轉率滯后期為1外，其他指標滯后期均為2。這種結果足以證明，各財務比率對系統影響的滯后期是存在的。這也是對上市規則中規定的連續3年財務異常給予退市的實證支持。

（三）灰色聚類分析結果

實驗結果顯示，X1、X2、X4為一類，其代表指標為X1；X6、X8、X10為第二類，其代表指標為X8；X7、X12為第三類，代表指標為X12；X9，X11為第四類指標，以X9為代表指標；X3與X5分別為最后兩類指標。這樣的結果有點令人咋舌，得出的分類結果并沒有按照傳統的償債能力、運營能力、盈利能力以及發展能力來劃分。

（四）線性回歸結果

經過逐步回歸后，得出以下回歸結果（表2）。

表2很清楚地展現該模型的擬合優度極高。首先R2=0.94602，已很接近其最大值1，其實際意義是該模型對因變量的解釋力已達到94.60%；其次該模型的P值為0.0433，小于0.05，表明各自變量對因變量的影響很顯著。

（五）模型的應用

1.行業內應用

以上模型是基于t=2012，用以往的數據來預測化學纖維制造業2011年年報中的公司財務情況。模型得出的預測值越大，說明該公司的財務狀況越不樂觀。取t=2011，運用以上模型來預測化學纖維制造業2010年的財務狀況，預測值結果如表3。其殘差平方和僅為0.05394，并且預測值連續兩年最高者均在2012年被*ST。

2.行業外應用

將此模型應用到其他行業。這里筆者選取另外一個與2012年被*ST公司比例較高的行業——有色金屬冶煉及壓延加工業，取t=2012，得到以下預測結果（表4）。

其殘差平方和為8.647474，遠遠大于該模型在化學纖維制造業的應用結果。該結果表明，對財務預警模型的研究，分行業是更加科學的。

五、總結與展望

（一）總結

1.結論

（1）在概念識別上，以往文獻均以百度中公布的過期知識“ST指連續虧損2年的公司，*ST指連續虧損3年的公司”為基礎進行研究。而以上規定于2002年就已廢除。本文則依據《深證證券交易所股票上市規則（2008年修訂）》以及《上海證券交易所股票上市規則（2008年修訂）》中的相關規定“連續虧損2年的上市公司會被*ST即退市預警，而如果在之后的那一年仍然有財務異常狀況，則暫停上市”進行研究。

（2）在指標選取上，本研究僅參考前人對財務比率的大多數選擇。而在近年的相關研究中，非財務指標在財務預警研究中也起到了一定作用，并且各研究者都紛紛尋找其他更加顯著的新指標（如EVA雙基點距離等）。但筆者認為，應該回歸經典，在最初的財務預警研究中，均只采用了財務比率指標，奠定了財務預警的堅實基礎。其有待豐富的理論基礎以及有待提高的預警精度，正是后來者的追隨方向。本文正是以經典為基礎，融合了灰色理論的先進思想，對僅有財務數據的深度挖掘，并與統計學中的多元回歸模型相結合。

（3）在指標處理上，以往研究都選取同一時間點的數據作為截面數據，而本研究突破性地提出滯后性概念，認為不同指標對系統影響的區別既體現在程度上，也體現在滯后性上。實證研究的結果顯然證明了這一點是正確的。

（4）在樣本選取上，對行業的細分也是以往研究中沒有做到的。在財務管理的理論基礎中，行業因素對財務數據是有很大影響的。以往的研究中，為了獲取大量的樣本數據，不得不忽略部分行業因素，而灰色系統理論的特殊性，即適用于小樣本分析，這樣就可以在將行業分得足夠細致的前提下進行財務預警研究。實證結果表明，在不同行業中，各指標對系統的影響程度是不一樣的，正因為如此，分行業研究顯得尤為重要。

2.不足

（1）在指標的選取上同樣有所不足，因為時間精力有限，沒有對其他的指標進行探索。

（2）在財務預警的界定上，沒有統一的既定的標準，僅僅是在該行業內按照預測值進行排序，認為排名靠后的即存在財務危機。

（3）在對灰色系統理論的應用上，僅僅應用了較淺顯的理論，即利用灰色關聯度來刪選指標。灰色系統理論的內容甚是豐富，將灰色系統模型引入財務預警是非常好的一個研究方向，由于筆者能力尚且不足，未曾找到一個合適的結合點。

（二）展望

一是在此基礎上進一步研究財務危機企業到底是如何形成的，該如何防范以及如何逆轉現有危機狀況。

二是尋找其他對系統有顯著影響的新指標。

三是將灰色模型合理應用于財務預警研究。

【參考文獻】

[1] 劉旭濤.會計與財務管理關系研究[J].財經界（學術版），2011（10）.

[2] W H Beaver.Financial Ratios as Predictors of Failure[J].Journal of Accounting Research，1966（4）.

[3] ALTMAN E I.Financial Ratios，Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，23（4）.

[4] 崔學剛，王立彥，許紅.企業增長與財務危機關系研究——基于電信與計算機行業上市公司的實證證據[J].會計研究，2007（12）.

[5] 深圳證券交易所.深圳證券交易所股票上市規則（2008年修訂）[S].2008.

[6] 上海證券交易所.上海證券交易所股票上市規則（2008年修訂）[S].2008.

[7] 朱佳翔，譚清美，荊象源.基于灰關聯度的兩階段上市公司財務風險灰色預警[J].軟科學，2008（4）：43-48.

[8] 張芙蓉.基于現金流量指標的企業財務困境預警模型構建[J].西安工程大學學報，2012（3）：356-362.