基于MVA 的上市公司財務預警實證研究

李念秋

（杭州電子科技大學，浙江 杭州 310013）

一、MVA 意義

現代企業把股東財富最大化作為企業的使命與目標，而股東財富的最大化是通過最大化權益市場價值與股東提供給企業的權益資本之間的差額來實現的, 該差額就是MVA，可見MVA 值在企業價值評估中具有重要作用。

二、構建基于 MVA 的財務危機預警模型

1. 研究假設：公司的MVA 值不能提高財務預警模型的有效性。

2. 研究樣本的選取。本文所選企業為證券市場上均屬制造業的 A 股上市公司。ST 公司33 家，正常公司70 家。

3. 財務指標變量選取標準。

(1) 財務指標的選取。本文選取了表示償債能力、營運能力、盈利能力、成長能力和現金流量能力的40 個財務指標作為財務危機預警模型的初選變量指標。

(2) 對財務指標進行差異性分析, 目的是選出兩類樣本公司變量指標中存在顯著性差異的變量。此文選擇 SPSS 統計軟件對樣本進行 M- W- W 非參數檢驗。檢驗結果顯示, 只有34 項財務比率通過顯著性檢驗;未通過檢驗的予以剔除。通過檢驗的指標作為備選變量進入相關性分析。

(3)備選變量相關性分析。目的是為了消除變量間的共線性,剔除高度相關的變量。使用 SPSS 軟件，剔除掉24 項指標，將最終剩余的10 項指標變量選入 Logistic 回歸模型。

4. Logistic 財務預警模型①的構建。利用 SPSS 軟件最終篩選出 X17 總資產周轉率、X36 每股經營活動現金凈流量、X39 每股現金凈流量3 個財務指標構建 Logistic 回歸模型, 輸出結果見表1。按指標變量的Wald 統計量越大或 sig 值越小, 表明該指標越重要，其變化越能預測事件的發生。

表1 模型①的回歸分析

模型①對研究樣本的預測結果見表2。

表2

表中顯示, 該預警模型判定ST 公司的準確率為48.5%, 判定正常公司的準確率為 87.1%, 總體判別正確率為74.8%。

5. 引入 MVA 指標的 Logistic 財務危機預警模型②的構建。引 入 MVA 再 次 構 建 Logistic 回歸模型，為消除企業規模的影響，選擇每股MVA（MVA/總股數）帶入模型。仍然使用 SPSS 軟件,最終數據輸出結果見表3。同上述道理，每股MVA 的的Wald 統計量較大,sig 值很小，表明其能很好的預測財務危機的發生。

表3

預測效果圖如下表4：

表4 模型②對研究樣本的預測結果

上述結果表明, 該預警模型保持了對正常公司的判定準確率，提高了對危機公司的準確率（48.5%提高到60.6%），總體預測準確率也提高到78.6%，說明引入每股MVA 指標后的預警模型比僅僅利用傳統財務比率指標構建的模型對企業財務危機的預警效果更好, 這證明 MVA 指標改善了模型對財務危機的預測效果。

三、本文創新點與結論

目前MVA 在財務預警領域的研究一片空白，而本文論證結果顯示MVA 值能很好的預測財務危機，體現一定的價值，說明MVA 的理論和實踐應用有待各位學者研究與開發。

[1]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究,2001.

[2]張文彤,閏潔.SPSS 統計分析基礎教程[M].北京:高等教育出版社,2004:110-246.

[3]張曉東,劉葵陽,馬永開.EVA、MVA 和股票收益關系在我國的實證分析[N].重慶工商大學學報（社會科學版），2003(08).