引入非財務指標的財務危機預警研究
——以我國制造業上市公司為例

●張婉君 羅威

引入非財務指標的財務危機預警研究
——以我國制造業上市公司為例

●張婉君 羅威

本文以我國制造業上市公司為研究對象，對研究樣本的財務和非財務指標變量進行均值差異檢驗，對存在顯著差異的財務和非財務指標變量進行相關關系檢驗，剔除高度相關的指標變量，從而確定最終研究的指標變量。通過建立Logistic回歸模型，引入非財務指標對樣本企業進行財務預警研究。最后，基于本文所建立的引入非財務指標的預警模型得出研究結論。

財務危機預警 財務危機Logistic 回歸模型

一、引言

在市場經濟下,我國企業間競爭越來越激烈，企業容易面臨陷入財務危機的風險。如何以企業為中心，發現企業將面臨的財務危機，為企業的管理者、投資者、債權人等利益相關者提供預警報告，已成為我國企業所面臨的具有重大的研究價值和現實意義的問題。本文在綜述國內外企業財務危機預警研究現狀的基礎上，通過對我國現階段主要采用的財務危機預警模型和財務危機預警指標體系等方面的內容的研究，發現學者們在財務危機預警模型的構建中主要是以財務指標變量為研究變量，較少使用公司治理、管理層管理能力等方面的非財務指標變量。因此，本文選取我國制造業上市公司為研究樣本，在財務指標的基礎上引入非財務指標，構建Logistic回歸預警模型，從而更準確、全面地反映企業的真實財務狀況。

在財務危機預警研究中，最先出現的是單變量分析法，但是，單變量分析方法存在很多局限性，由此使得多變量方法逐漸代替了單變量分析方法。最早是將若干個變量合并入一個線性函數方程，即Z分數模型。隨后又引入了對數比例（logit）回歸及概率單位（probit）回歸分析法，建立了條件概率模型。然?而，以上方法無法避免以統計方法建立模型的局限性，于是出現了企業財務危機預警的非統計方法，如神經網絡模型、遺傳算法等。近年來，還出現了財務危機預警的混合模式，即采用兩種或兩種以上的方法建立模型，來達到企業財務預警的目的。

二、財務危機預警模型的構建及應用效果

（一）研究樣本的選取和數據的來源

本文以滬深交易所的制造業上市公司為研究樣本，遵循國內的研究慣例，將因為“財務狀況異常”而被特別處理作為界定企業陷入財務危機的標志。本文選取2014年被予以“退市風險警示”的我國制造業上市公司為財務狀況異常的樣本組，剔除其中因為其他狀況異常而被*ST的公司外，最后選取余下的21家被*ST的制造業上市公司作為財務狀況異常的樣本組。在選取財務狀況正常的公司樣本組時，本文按照時間、行業、資產規模等條件與財務狀況異常的公司進行1:1的配對原則選取了配對樣本，共選取了21家財務狀況正常的上市公司作為正常樣本組，實證分析中選取的樣本共計42家上市公司，其中被*ST的公司是根據滬、深證券交指標變量包括流動比率、速動比率、利息保障倍數和資產負債率等；②企業營運能力反映企業資產營運效率和資產經營管理的水平，其主要財務指標變量包括應收賬款周轉率、存貨周轉率、流動資產周轉率、固定資產周轉率等；③反映企業未來生產經營活動的發展趨勢和發展潛能的主要財務指標變量包括總資產增長率、凈利潤增長率、銷售費用增長率等；④企業現金流量是企業一定會計期間內現金及現金等價物流入和流出的數額，其主要財務指標變量包括凈利潤現金凈含量、營業收入現金凈含量、全部現金回收率等；⑤企業盈利能力則是指企業獲取利潤的能力，其主要財務變量指標包括資產報酬率、凈資產收益率、營業毛利率、息稅前營業利潤率等。指標的計算見表1。易所發布的相關公告而得知。

本文的研究數據主要來自滬、深證券交易所官網、國泰安數據庫和巨潮資訊網等。本文選取財務狀況異常企業被*ST的前三年數據，令企業被予以退市風險警示特別處理的當年為t（2014）年，前一年為t-1（2013）年，因為我國上市公司在t-2年和t-1年所披露的財務報告決定了其在t年是否被*ST，所以如果以t-1年的財務數據構建財務危機預警模型的預警度將很高，但是與企業被*ST的時間太接近，已無太多的研究意義。因此本文選取上市公司被*ST之前的t-3（2011）年和t-2（2012）年的截面數據作為研究樣本數據，分別構建財務危機預警模型。

（二）預測指標的選取

1、財務預警指標的選取。財務指標是傳達財務信息，反映企業生產經營過程和成果的經濟指標，財務指標數據是通過企業披露的財務報告計算到得。本文參考了國內外財務危機預警研究中選取的財務預警指標，為全面反映企業的財務狀況，本文所選取的財務指標變量主要從企業的償債能力、營運能力、發展能力、現金流量狀況、盈利能力等方面考慮。其中：①企業可以通過償債能力指標來反映企業債務狀況及預警財務風險等，其主要財務

表1 財務危機預警備選的財務指標變量表

2、非財務預警指標的選取。本文根據各個樣本企業財務報告中的信息，將股權結構、董事會規模和激勵機制等因素，引入到企業財務危機預警模型的研究中。在企業財務指標數據中不能夠體現這些非財務因素對企業的財務狀況的作用，所以，將這些因素作為評價指標可以挖掘到更多有價值的信息，能在很大程度上提高企業財務危機預警模型預測的準確度。其中：①股權結構是通過對企業治理的效率和企業行為的影響，進而作用于企業經營業績。本文選取多個指標變量來衡量股權集中度對企業財務危機的影響，主要包括：第一大股東持股比例、CR_5指數、CR_10指數、Z指數、Herfindahl_5等非財務指標變量。②董事會對企業財務報告的質量承擔著主要的責任，也是影響企業財務危機發生與否的重要因素。本文主要從董事人數、董事前三名薪酬總額等方面分析董事會與企業財務危機的關系。③監事會主要負責調查和審核公司的業務狀況，檢查各種財務情況，對公司的計劃、決策及實施進行監督等。所以本文選取了監事總規模來研究監事會與企業財務危機的關系。本文共選取了9個非財務指標作為初步研究指標，具體指標變量名稱如表2。

表2 財務危機預警的備選非財務指標變量表

3、財務指標及非財務指標的篩選。根據前文初步取得的25個財務指標變量和9個非財務指標，進一步選取出能夠顯著判別財務狀況異常和財務正常企業的研究指標。本文的數據處理分析采用SPSS 20.0軟件進行，對符合正態分布的財務指標及非財務指標進行檢驗，篩選出具有顯著差異的預警指標變量包括：在t-3年中，ST企業和非ST企業存在明顯均值差異的財務指標變量為X18、X21、X22、X23和X24；存在均值差異的非財務指標變量為U3，ST企業和非ST企業之間的獨立樣本T檢驗的具體結果結果因篇幅關系不在文章報告。在t-2年中，ST企業和非ST企業存在明顯均值差異的財務指標變量為X1、X2、X11、X12、X14、X15、X16、X18、X21、X22和X23,存在均值差異的非財務指標變量為U3。使用Person相關系數對前文中t-3年和t-2年在ST樣本企業和非ST樣本企業中選取出的存在顯著差異的指標變量進行相關性檢驗，剔除高度相關的相關變量，最終確定的財務危機預警模型的預警指標變量。

（三）僅含財務指標變量的Logistic回歸預警模型的構建

本文運用Logistic回歸模型建立企業財務危機預警模型，通過采用SPSS 20.0軟件，分別對t-3年和t-2年中通過獨立樣本T檢驗及指標變量間相關性Person檢驗后篩選出來的財務預警指標數據進行回歸計算。本文將企業是否發生財務危機作為因變量，將財務狀況異常的企業取值為0，財務狀況正常企業取值為1。構建的財務指標變量的Logistic模型判別式列示如下（P=0.5是財務狀況異常和財務狀況正常的分界點，當P＞0.5時，則說明該公司財務狀況是異常；當P＜0.5時，則表明該公司財務狀況是正常的）。

根據上文建立的財務指標的Logistic模型對所選取的企業樣本進行了預警效果的檢驗。檢驗的結果如表3。

表3 t-3年和t-2年財務指標變量的Logistic回歸模型預警效果

由表3知，2011年財務指標變量的Logistic回歸模型對建模樣本的總體預警準確率為69.0%。2012年財務指標變量的Logistic回歸模型對建模樣本的總體預警準確率為81.0%。

（四）引入非財務指標變量的Logistic回歸預警模型的構建

1、引入非財務指標變量的Logistic回歸模型構建。運用Logistic回歸模型建立企業財務危機預警模型，通過采用SPSS 20.0軟件，在t-3年和t-2年中通過獨立樣本T檢驗及指標變量間相關性Person檢驗后篩選出來的財務預警指標的基礎上，將篩選出來的非財務指標引入到模型中進行回歸計算，本文將企業是否發生財務危機作為因變量，將財務狀況異常的企業取值為0，財務狀況正常企業取值為1。構建的引入非財務指標變量的Logistic模型判別式列示如下（P=0.5是財務狀況異常和財務狀況正常的分界點，當P＞0.5時，則說明該公司財務狀況是異常；當P＜0.5時，則表明該公司財務狀況是正常的）。

表4 t-3年和t-2年引入非財務指標變量的Logistic回歸模型預警效果

2、引入非財務指標變量的Logistic模型的預警檢驗結果。根據上文建立的引入非財務指標后的Logistic模型，對所選取的企業樣本進行了預警效果的檢驗，檢驗的結果如表4。

由表4，2011年財務指標變量的Logistic回歸模型對建模樣本的總體預警準確率為81.0%。2012年財務指標變量的Logistic回歸模型對建模樣本的總體預警準確率為90.5%。

（五）引入非財務指標變量的Logistic預警模型的效果分析

其一，通對比分析t-3年和t-2年僅有財務指標變量的財務危機預警模型的檢驗結果可知，t-3年和t-2年引入CR_10指數等非財務指標變量后，t-3年和t-2年引入的非財務指標變量的財務危機預警對財務狀況異常的ST公司和財務狀況正常的非ST公司的總體預警準確率都有很大程度的提高，說明，引入非財務指標變量的財務危機預警模型有一定的預測能力，能夠傳達一定的財務危機信息。

其二，t-3年和t-2年中通過一系列檢驗后篩選出來的財務指標變量的基礎上，將篩選出來的非財務指標變量引入到Logistic回歸預警模型中，從研究結果可以看出，該預警模型的預測準確率在一定程度上得到了提高。在引入了非財務指標變量后的t-3年，所建的預警模型對研究樣本的預測準確率提高了12.0%，t-2年對研究樣本的預測準確率也提高了9.5%。

三、研究結論

（一）財務危機的累積性

通過在不同年度內對所選取的指標進行相關關系檢驗發現，越是臨近企業發生財務危機的年限，ST公司和非ST公司之間存在顯著差異的預測指標變量的個數逐漸增多，表明企業發生財務危機是一個循序漸進積累的過程而非突發事件。

（二）非財務指標的實用性

通過對比分析t-3年和t-2年僅有財務指標變量的財務危機預警模型的檢驗結果可知，t-3年和t-2年引入的非財務指標變量的財務危機預警對財務狀況異常的ST公司和財務狀況正常的非ST公司的總體預警準確率都有很大程度的提高，說明，引入非財務指標的財務危機預警模型有一定的實用價值，能夠傳達一定的財務危機信息。在引入了非財務指標變量后的t-3年，所建的預警模型對研究樣本的預測準確率提高了12.0%，t-2年對研究樣本的預測準確率也提高了9.5%，說明引入非財務變量指標在一定程度上還提高了預警模型的預測準確率。

（本文受重慶社科規劃項目“產業集群內中小企業供應鏈融資問題研究”、“我國機構投資者參與公司治理的影響研究”資助。）

（作者單位：重慶工商大學會計學院、重慶工商大學融智學院）

1.陳琛凝.2011.財務危機預警模型構建及應用[J].財會通訊，8。

2.崔慧巖.2011.上市公司財務危機預警研究[J].財會通訊，18。

3.崔潔.2011.企業財務危機預警系統問題及對策[J].財會通訊，14。

4.王玉娟、朱天高.2012.中小企業財務危機預警體系構建[J].財會通訊，32。

5.邢有洪.2013.上市公司財務危機預警研究[J].財會通訊，8.

6.楊華.2014.非財務變量在財務危機預警中的效用分析[J].財會通訊，2。

7.楊華.2011.基于非財務變量與定性因素的財務危機預警研究綜述[J].財會通訊，22。

8.曾繁榮、蒙良、張潔.2013.上市公司財務危機預警模型實證對比分析——基于引入非財務指標的視角[J].財會通訊，11。

（本欄目責任編輯：鄭潔）