基于二元邏輯回歸模型的我國水處理類上市公司財務危機預警系統研究

摘要：使用二元邏輯回歸模型，通過研究滬深股市76家虧損公司和經營正常公司樣本，建立了財務危機預警模型，彌補了現有的ST公司不適合作為虧損類公司研究樣本的不足，并對14家水處理業公司和隨機選擇的14家ST公司進行判別檢驗，準確率達到82.65%。

關鍵詞：財務危機預警 二元邏輯回歸 水處理業

中圖分類號：F830.91 文獻標識碼：A

文章編號：1004-4914（2013）02-164-04

一、研究問題

本文選擇對我國水處理類上市公司財務危機預警進行研究的目的，是利用二元邏輯回歸模型構建適用于我國水處理類上市公司的財務危機預警系統模型。財務危機的定義為企業處于經營性現金流量不足以抵償現有到期債務的境況，是企業無力支付到期債務的一種經濟現象。財務危機預警系統的定義是依據財務會計信息資料，以計算、統計、分析、監控等方法為手段，用設置預警指標、觀察這些指標的變化趨勢的方法來構建模型，以這種模型來完成對財務危機的監控、預測和報警。

研究成果在于水處理類上市公司的管理層可以根據系統提供的信息及時發現企業財務狀況的惡化，以及造成企業財務狀況惡化的原因，將財務風險降低到最低限度。從而能夠及時地、有針對性地調整企業的經營策略，有效配置資源，把握水處理行業發展的機遇以實現更大的發展。

1.國外研究成果。國外的資本市場相對發達，最早的財務危機預警研究開始于Fitzpartrick（1932）的單變量破產預測研究。他選取了38家破產企業和非破產企業，利用單變量分析法分析發現“凈利潤/股東權益”和“股東權益/負債”兩個指標能夠判別這兩類企業。Beaver（1966）同樣采用單變量判定模型，以5個財務比率作為變量分別對79家失敗企業和成功企業進行一元判定預測，發現“現金流量/負債總額”和“資產負債率”指標能夠很好地預測企業財務狀況。

Altman（1968）首先使用了多元線性模型，利用“Z-Score判別模型”進行企業破產的預測，以提出破產申請的33家企業和33家正常經營的企業為樣本，收集了資產負債表和利潤表中的數據，并通過整理從22個變量中選定預測破產最有用的5個變量，經過綜合分析建立了一個判別函數，賦予5個基本財務指標以不同權重，并加權產生“Z”值。Z-Score判別模型預測能力準確，運用成本低的優點推動了多變量模型成為一種主流財務風險預測方法。

Martin（1977）首先以邏輯回歸法判別企業經營風險。Ohlson （1980）擴大了分析樣本，選取了105家陷入危機的公司和2058家經營正常的公司進行研究，研究結果顯示邏輯回歸模型預測能力之正確性在90%以上。

Collins和Green（1982）通過比較區別分析、線性機率模型及邏輯分析模型，得出了邏輯分析模型的預測能力高于前兩種方法。

Mensah（1984）以110家企業為研究對象，利用因素分析方法從指標中選出代表多個相關性較強指標的主成分因子，然后再利用區別分析和邏輯回歸模型建構財務預警模型，以預測企業是否因財務風險而導致破產。

Odom和Sharda（1990）使用神經網絡模型構建了企業財務危機預警模型。

2.我國研究現狀。我國對企業財務風險預警的研究主要始于引用國外的研究方法，并在其基礎上結合我國企業的實際情況加以改進。其中有代表性的研究主要有：

吳世農和黃世忠（1986）提出運用線性判定分析方法建立的企業破產預測模型能夠有效地反映破產企業的綜合數量特征及其它們的差異，一般具有較高的預測能力。吳世農和盧賢義（2001）以70家處于財務困境的上市公司和70家財務正常的上市公司為樣本，應用Fisher線性判定分析、多元線性回歸分析和邏輯回歸分析三種方法，分別建立三種預測財務困境的模型，研究結果表明邏輯回歸分析模型的誤判率最低。

周首華和楊濟華（1996）通過加入現金流量改進了Altman（1968）的Z-Score判別模型，提出了F分數模型。以Compustat PC Plus會計資料中的4160家公司的數據為檢驗樣本進行驗證的準確率達到68.18%。

陳靜（1999）先采用一元判定模型進行財務預警研究，在多元判定分析中，通過ST公司樣本組和非ST公司的樣本組進行判定分析，判定結論的準確性為在宣布ST帶帽的前1年的準確率為92.6%，前2年為85.2%，前3年為79.6%。

張玲（2000）選擇了滬深120家上市公司，分為兩組進行分析，從15個特征財務比率變量中最后推導出只有4個變量的判別函數，判別結果為被ST的前2年預估正確率達到87%，前3年正確率70%。

二、解決方案

國內外對于財務危機預警系統的研究還主要局限于正常經營公司與ST公司的選擇上，且尚無針對水處理類上市公司的財務危機預警系統研究。本文使用二元邏輯回歸模型，采用2008—2011年正常經營公司與2008—2010正常經營但在2011年出現巨額虧損的公司作為研究樣本進行研究，彌補了現有的ST公司處于“被ST—摘帽—被ST”的循環中，不適合作為虧損類公司研究樣本的不足。

本文選擇了13家水處理業上市公司和13家隨機選擇的ST公司作為驗證樣本，以推導出的財務危機預警模型應用于水處理業上市公司和隨機選擇的ST公司，驗證其判斷準確率。

1.樣本選擇。上市公司的財務報表相對公開且規范，利用這些公開數據，可以計算出所需要的財務指標。中國證監會于1998年3月頒布了《關于上市公司狀況異常期間的股票特別處理方式的通知》，通知要求當上市公司出現財務狀況或其他狀況異常，導致投資者的利益有可能收到損害時，對公司股票交易實行特殊處理，記載股票簡稱前加以“ST”字樣，大部分公司被ST的直接原因是“最近兩個會計年度的審計結果顯示的凈利潤為負值”。國內的財務風險預測模型研究成果大多數是在2000年初期，列入樣本的虧損公司首次被ST，研究其被ST之前的經營年的財務數據是有意義的。但是通過研究2011年的78家ST公司發現，只有ST三星（000068.SZ）和ST獅頭（600539.SH）兩家公司因連續兩年虧損和企業停產首次在2010和2011年被戴帽，剩余的76家ST公司均處于“被ST—摘帽—被ST”的循環中，研究最后一次被ST之前的歷史財務數據并作為樣本已無說服力。另外除非發生大規模的資產重組，ST公司的總資產規模普遍較低，如果按總資產規模搭配運營正常的公司，很難找齊合適的樣本。

（3）模型的應用和結果分析。使用已建立的二元邏輯回歸模型對28家檢驗樣本公司進行預測，其中正常經營的公司選擇14家業務涉及水處理業的上市公司，因水處理業暫無虧損上市公司，檢測樣本里的虧損公司隨機選擇14家ST公司進行測試。

結果顯示，14家水處理業公司有一家被誤判為虧損公司，預測準確率92.86%，在14家虧損企業中，有4家被誤判為正常公司，預測準確率72.43%。兩者的加權平均準確率82.65%。檢驗結果證明該模型的預測能力較好。

（4）模型應用的不足之處。根據對水處理業上市公司和非上市公司的判別結果，可以看出該模型具有一定的科學性和準確性，可以作為水處理業企業財務危機預警工具進行預測。但其中還存在不足之處：

①樣本的選擇主觀性較強。樣本規模比較小，因大部分ST公司反復經歷“被ST→摘帽→被ST”階段，第一次摘帽前的數據要追溯到數年前，且財務危機預警模型的有效性也僅僅為1至2年，因此以往研究中選用ST公司作為研究樣本已不適用于目前模型的構建。通過比較2008至2011年數據，根據2011年每股收益巨虧來判定虧損企業的主觀性還是稍強，且企業虧損的原因還包括公司治理結構、行業周期景氣性等非財務原因。且如果少數上市公司存在虛假財務數據，模型的準確性也會受到影響。

②預測的時效期較短。目前此財務危機預警模型的預測只能預測短期財務狀況，本模型通過反復試算，利用2010年的數據可以預測2011年企業是否正常運營或者虧損。未來還需要更多的相關數據來驗證模型是否能預測2至3年后企業是否存在財務危機。另外對于微贏或者微虧的企業，模型的預測能力還有待進一步提高。

③樣本涉及的行業范圍有限。限于行業內上市公司的業績情況，模型的行業樣本的選取范圍有些偏窄，只選取了制造業、農業、交通業、電力、批發零售業、信息技術、房地產業等行業。缺乏其他行業的樣本，原因主要是其他行業缺少虧損嚴重的公司樣本。隨著上市公司數量的不斷增加和未來經營的兩極分化，模型的構建會越來越完善。

四、結論

為了能夠對水處理業企業財務危機做到提前預警，本文通過研究滬深股市76家虧損公司和經營正常公司樣本，建立了財務危機預警模型，并對14家水處理業公司和隨機選擇ST公司進行判別檢驗，準確率達到82.65%。

本文選擇的二元邏輯回歸模型是一種有效財務預警模型，在專業統計軟件的輔助下也易于操作，模型表明企業的凈資產收益率、銷售毛利率和資產負債率是企業未來是否面臨財務風險最重要的三個指標。

本文所建立的預警模型還存在樣本的選擇主觀性較強、預測的時效期較短、樣本涉及的行業范圍有限等不足，后續還需要進一步擴大樣本規模，豐富模型的構建方法，進一步提高判別準確率，為水處理業公司財務危機預警提供參考。

參考文獻：

1.Fitzpatrick.A.Comparison of ratios of successful industrial enterprises with those of failed firm[J]. Certified Public Accountant.1932.2：589-605.

2.Beaver W.H.Financial ratios as predictors of failure[J].Journal of Accounting Research 1966.4（3）：71-111.

3.Altman，E.I.Financial ratios， Discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance，1968.23（4），589-609.

4.Martin，D.Early warning of banking failure[J].Journal of Banking and Finance.1977.1（2/3）：249-276.

5.Ohlson，J.A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research.1980.18（1）：109-131.

6.Collins，R.A.and R.D.Green.Statistical methods for bankruptcy forecasting[J].Journal of Economics and Business.1982.43（4）：304-349.

7.Mensah Y.M.An examination of the stationary of multivariate bankruptcy prediction models：A methodological study[J].Journal of Accounting Research.1984.22（1）：380-395.

8.Odom，M.D.and R.Sharda.A neural network model for bankruptcy prediction[J].IEEE INNS IJCNN.1990.2：163-168.

9.吳世農，黃世忠.企業破產的分析指標和預測模型[J].中國經濟問題，1986（6）：36-37.

10.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（6）：46-55.

11.周首華，楊濟華，王平.論財務危機的預警分析——F分數模式[J].會計研究，1996（8）：8-11.

12.陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（4）：31-38.

13.張玲.財務危機預警分析判別模型[J].數量經濟技術經濟研究，2000（3）：49-51.

（作者簡介：孫彥鵬，碩士研究生，研究方向：技術經濟，工作單位：天津創業環保集團股份有限公司 天津 300381）

（責編：若佳）