南京大學商學院 高忠
公司的財務狀況直接影響到公司的運營和前景,對于上市公司來講,陷入財務危機將有退市的可能。對資本市場的投資者來講,提前預知公司是否存在財務危機有切實的必要;對于債權人來講,公司陷入財務危機將影響債務安全;對于公司管理者來講,財務危機的預警可以幫助進行合理的管理和調整公司的經營。因此,財務危機預警模型有廣泛的現實需要。本文采用實證研究,根據上市公司的財務數據構建Logit模型,為上市公司的股東、債權人、管理者和相關利益人提供決策的可靠依據。
本文將建立這樣的Logit模型:
事件“Y”代表上市公司是否出現財務危機,“Y=1”代表發生財務危機,“Y=0”代表沒有發生財務危機,本文將A股上市公司中的ST公司界定為發生財務危機,非ST公司則沒有發生財務危機,而且本文僅僅對A股的制造業上市公司進行實證研究,因為不同行業的公司在一些關鍵的財務指標上有不同的標準,比如零售業的存貨周轉率一般都很高,金融業的資產負債率一般都很高,這些財務指標的差異會影響模型的精準度,因此本文僅僅對制造業進行實證分析。本文所稱的制造業上市公司是證監會分類指標中的制造業上市公司。
決定“Y”是0還是1,取決于不可觀測的變量“Q”,而“Q”和我們可以觀測的解釋變量之間有函數關系Q=f(X),假設該函數有線性形式:Q=βXi+εi。
“Q”的取值決定了事件“Y”是否發生,設定Q=ln[pi/(1-pi)],pi是事件發生的概率,則Y=1時,Q>0,Y=0時,Q≤0,事件發生的概率為:P(Y=1)=P(Q>0)=P(εi>-βXi)
εi服從Logistic分布,這樣可以得到Logit模型,εi的概率分布函數為F(t)。
F(t)=et/(1+et)
因為F(-t)=1-F(t)所以

Xi=(Xi1,Xi2,…,Xik)表示第i個樣本點的解釋變量。
通過迭代法可以求出β的最大似然估計。
本文的樣本數據及財務指標均采集自wind數據庫,因2012年上市公司還沒有進行全面的摘帽戴帽,所以選取了2011年度的ST公司,本文選取了制造業的20家ST公司作為存在財務危機的公司,選取了制造業20家非ST公司作為沒有財務危機的公司。為了提高模型的準確性,ST公司和非ST公司是一一配對的,配對的公司總資產規模非常接近,可以進行財務指標的對比,最終得到40個樣本點。
影響公司財務的因素很多,綜合來看,體現公司財務狀況的指標包括了盈利能力、債償能力、現金流量、營運能力、成長能力。本文一共選取了這五個方面的11個財務指標。X1:總資產凈利率ROA;X2:銷售凈利率;X3:經營性現金凈流量/營業總收入;X4:流動比率;X5:經營活動產生的現金流量凈額/負債合計;X6:應收賬款周轉率;X7:存貨周轉率;X8:總資產周轉率;X9:凈資產(同比增長率);X10:利潤總額(同比增長率);X11:經營活動產生的現金流量凈額(同比增長率)。
變量太多需要對變量進行篩選才能保證模型的正確性,應當選取對ST公司和非ST公司區分能力較強的變量。本文采用組間均值相等檢驗來判別對于ST公司組和非ST公司組判別能力,可以得出在10%的顯著性水平下,X1,X4,X5,X8的P<0.1,ST公司和非ST公司的這三個變量均值有顯著差異,因此選取這四個變量作為模型的變量,其他變量剔除。
本文使用SPSS軟件進行二元Logistic回歸,得到Logit模型:
Ln(p/1-p)=348.649 -1.64*X1-61.873*X4-170.864*X5-292.566*X8
為了驗證該Logi模型的預測能力,本文在制造業上市公司中隨機選取了13家ST公司和13家非ST公司的樣本數據,通過預測值和真實值的比較來判斷模型的預測精度。預測以及對比結果如表1所示。
我們可以得出結論:非ST公司13個樣本誤判了2個,誤判概率15.4%,ST公司13個樣本誤判了1個,誤判概率7.7%,總體來看26個樣本誤判了3個,誤判概率11.5%。總體的模型精度達到了88.5%,說明該模型還是比較精確可靠的。
本文通過A股制造業上市公司中的20家ST公司和20家非ST公司的財務數據,運用二元Logistic回歸構建了合理可靠的財務危機預警Logit模型,并通過對隨機樣本的預測驗證該模型的準確程度。

表1
預測的結果表明該Logit模型精確可靠,精度達到了88.5%,結果合理,預測能力強,可以作為判斷A股制造業上市公司是否存在財務危機的工具。能幫助投資者、債權人、股東以及利益相關者做出合理的決策,因而具有現實的指導意義。
[1]李子奈.計量經濟學(第二版)[M].北京:高等教育出版社,2005.
[2]伍德里奇.計量經濟學導論(第三版)[M].北京:人民大學出版社, 2007.
[3]楊宏峰.企業財務危機困境預測模型研究[J].會計師,2008(1).