我國制造業上市公司財務危機預警研究

余杰+田康樂

【摘 要】 文章以制造業上市公司為例，選取2010—2012年首次被ST的公司及其配對公司作為樣本，前兩年樣本用于建模，第三年用于檢驗，設計從財務和公司治理兩個角度出發的財務危機預警指標，并從中篩選出預警能力較強的指標，通過因子分析提取公共因子后構建Logistic回歸模型，其回代與預測準確率分別為79.41%和78.57%。

【關鍵詞】 制造業上市公司； 財務危機預警指標； 因子分析； Logistic回歸； 預警模型

中圖分類號：F275 文獻標識碼：A 文章編號：1004-5937（2014）30-0073-03

一、引言

經濟發展以及市場競爭的日益激烈使企業的生存環境越來越復雜，面臨的財務風險越來越大。財務問題導致破產的案例屢見不鮮，因此財務危機預警作為企業風險管理的重要組成部分已經引起了社會各界的廣泛關注。財務危機作為動態過程，對其進行預測是可行的，及時準確地預警不僅有助于企業防范和分散財務風險，維護投資者和債權人的利益，也有利于政府對證券市場風險的控制。

二、研究現狀

（一）國外研究綜述

Beaver（1966）選擇79家發生財務危機的公司以及相同規模的配對企業為樣本，利用單變量判斷方法檢驗了反映公司不同財務特征的30個變量對于危機的預測能力；Altman（1968）設計了5個財務比率，構建Z-Score模型研究企業破產問題；而Martin（1977） and Zavgren（1985）、Skogsvik（1990）以及Wilson等（1994）分別采用logistic、Probit回歸以及神經網絡等方法，結合財務指標的設計，建立財務危機預警模型。

（二）國內研究綜述

國內財務危機預警研究與上述研究方法類似，劉■和羅慧（2001）比較了判別分析、Logistic回歸以及神經網絡三種方法的預測能力，并結合這些方法的優點建立了一種準確率更高的混合模型；曹德芳等（2007）研究表明引入董事會治理因素后的財務危機預警模型預測能力更強；張紅等（2013）基于多元判別分析法對Z-Score模型進行修正，構建適用于房地產業的預警模型。

（三）文獻述評

通過文獻研讀，本文發現以往研究存在以下問題：（1）指標的選取一般只涉及財務指標，對于公司治理指標的考慮較少；（2）構建模型時，對于財務比率的分布特征研究較少，而這直接關系著統計方法的選擇；（3）各行業的經營方式差異使其財務特點不同，而以往研究大多針對上市公司整體層面，針對性不強。

本文選擇ST公司比重較大的制造業，從財務以及公司治理兩個角度設計指標，構建財務危機預警模型。

三、研究設計

（一）指標選取

已有研究對于財務指標的選擇通過包括償債能力、營運能力以及盈利能力等方面。本文認為，獲現能力直接影響著企業的正常運轉，成長能力更是關系著企業的長期發展，現有研究成果表明公司治理因素也是影響財務危機的重要方面。因此本文在沿用部分指標的基礎上，從6個層面設計了財務危機預警指標，見表1。

（二）樣本選取

本文以制造業上市公司為例，選取2010—2011年首次被ST的公司及其配對公司共68家建模樣本，2012年首次被ST的公司及其配對公司共56家作為檢驗樣本。證監會規定最近兩個會計年度的凈利潤均為負值的上市公司將被特別處理，因此ST企業在T-1年、T-2年已經陷入財務危機；已有研究成果顯示，ST企業在T-4年與正常企業并沒有顯著性差異，所以本文選用T-3年的財務數據建立模型，預測T年的財務狀況。

（三）指標篩選

1.正態性檢驗

本文首先對樣本的18項指標進行K-S檢驗，結果顯示除了X8，其他指標都符合正態分布。

2.配對樣本T檢驗

對符合正態性分布的指標進行配對T檢驗，結果顯示X2、X3、X6、X9、X10、X11、X13、X15和X16在ST及其配對企業間存在顯著性差異。

3.非參數檢驗

對X8進行非參數檢驗，結果顯示其在ST及其配對企業間存在顯著性差異。

由此得出，T-3年預警能力較強的指標有X2、X3、X6、X8、X9、X10、X11、X13、X15和X16共10個指標。

（四）因子分析

使用SPSS軟件對上述10個指標進行分析，結果顯示KMO值為0.634，大于0.5，且Bartlett的球形度檢驗顯著性為0，因此適用于因子分析。

本文共選擇特征值大于1的4個公共因子，采用最大方差法旋轉后的主成分如表2。

由表2可見，F1因子反映企業的收現性，F2因子反映企業的成長能力，F3因子反映企業的安全性，這與制造業的特點相關：商業信用在制造行業的廣泛應用使得該行業公司的資金融通尤為重要，因此收益作為企業最根本的資金來源，其收現性直接影響著企業的正常運轉；同時，資本市場上的資金融通活動也需要考慮企業的償債風險，避免因無法到期償還債務而破產。

上述公共因子的具體構成如表3。

（五）Logistic回歸分析

結合上述公共因子，選擇向前步進法，運用二項Logistic回歸構建財務危機預警模型。

由表4可知，最終進入模型的因子有F2和F3，且它們對于預警模型都有顯著的影響；常數項的值對于預測模型也有顯著影響。

因此，本文構建的財務危機預警模型為：ln[P/（1-P）]=-1.008+2.935*F2+1.369*F3，F2和F3構成見表3。

（六）模型預警能力檢驗

本文沿用以往研究，把0.5作為P值的分界點，分別將建模樣本和訓練樣本帶入本文構建的財務危機預警模型，檢驗該模型的預警能力，結果如表5所示。endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結果表明該模型對于及時準確地預測制造業上市公司的財務危機具有明顯效果。

四、結論

本文以我國制造行業上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結合實證分析方法構建財務危機預警模型，并得出該模型對于企業未來3年內的財務前景具有較好的預測效果的結論。研究表明，制造行業的發展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較小；（2）沒有考慮企業所處的宏觀環境、政府政策以及市場競爭狀況，而這些因素也會對企業財務產生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數據挖掘的研究[J].數理統計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構建企業財務危機預警模型[J].中央財經大學學報，2004（4）：70-75.

[10] 吳世農，盧賢義.我國上市公司財務困境的預警模型研究[J].經濟研究，2001（6）：21-26.endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結果表明該模型對于及時準確地預測制造業上市公司的財務危機具有明顯效果。

四、結論

本文以我國制造行業上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結合實證分析方法構建財務危機預警模型，并得出該模型對于企業未來3年內的財務前景具有較好的預測效果的結論。研究表明，制造行業的發展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較小；（2）沒有考慮企業所處的宏觀環境、政府政策以及市場競爭狀況，而這些因素也會對企業財務產生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數據挖掘的研究[J].數理統計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構建企業財務危機預警模型[J].中央財經大學學報，2004（4）：70-75.

[10] 吳世農，盧賢義.我國上市公司財務困境的預警模型研究[J].經濟研究，2001（6）：21-26.endprint

因此，建模樣本中ST公司被正確判斷的概率為76.47%，配對公司被正確判斷的概率為78.57%，綜合正確率為77.52%。

由表6可知，該預警模型對于檢驗樣本中的ST公司預測準確率為82.14%，對于配對公司的預測準確率為75%，綜合正確率為78.57%。

上述結果表明該模型對于及時準確地預測制造業上市公司的財務危機具有明顯效果。

四、結論

本文以我國制造行業上市公司2010—2012的ST公司及其配對樣本為研究對象，通過設計預警指標，結合實證分析方法構建財務危機預警模型，并得出該模型對于企業未來3年內的財務前景具有較好的預測效果的結論。研究表明，制造行業的發展能力和償債能力，尤其是短期償債能力對公司的財務狀況影響很大。

本研究也存在以下不足：（1）只涉及3個會計年度，樣本量較小；（2）沒有考慮企業所處的宏觀環境、政府政策以及市場競爭狀況，而這些因素也會對企業財務產生影響。這些需要在以后的研究中改進。

【參考文獻】

[1] Beaver W H.Financial Ratios as Predictors of Failure. Journal of accounting Research[J].1966（4）：71-111.

[2] Altman E I.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance[J].1968，23（9）：589-609.

[3] Martin D. Early Warning of Bank Failure：A Logistic Regression Approach.Journal of Banking and Finance[J].1977（7）：249-276.

[4] Zavgren C V. Assessing the Vulnerability to Failure of American Industrial Firms： A Logistic Analysis.Journal of Business Finance and Accounting[J].1985（12）：19-45.

[5] 劉■，羅慧.上市公司財務危機預警分析——基于數據挖掘的研究[J].數理統計與管理，2004（5）：5l-56.

[6] 曹德芳，趙希男，王宇星.基于董事治理因素的財務危機預警模型的構建[J].東北大學學報，2007（9）：1350-1353.

[7] 張紅，李洋，黃碩.中國房地產上市公司財務危機預警研究[J].河南社會科學，2013（3）：76-79.

[8] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999（4）：3l-38.

[9] 劉紅霞，張心林.以主成分分析法構建企業財務危機預警模型[J].中央財經大學學報，2004（4）：70-75.

[10] 吳世農，盧賢義.我國上市公司財務困境的預警模型研究[J].經濟研究，2001（6）：21-26.endprint