機構投資者持股對上市公司財務失敗預警的影響研究

李應求，曾 楊，劉 偉

（1.2.長沙理工大學，湖南 長沙 410114；3.湖南大學，湖南 長沙 410082）

機構投資者持股對上市公司財務失敗預警的影響研究

李應求1，曾 楊2，劉 偉3

（1.2.長沙理工大學，湖南 長沙 410114；3.湖南大學，湖南 長沙 410082）

基于2003年1月至2016年5月我國A股連續兩年財務虧損的上市公司樣本，實證研究機構投資者持股對上市公司財務失敗模型預警能力的影響，其結果顯示：機構投資者持股與上市公司財務失敗呈負相關關系，即機構投資者持股占比越高，公司財務失敗的可能性越小。同時也發現加入機構投資者持股變量后模型的預警能力得到了進一步提高。研究結論對上市公司內部的風險管理具有一定的指導意義。

機構投資者持股；財務失敗；預警；Logistic模型

一、引言

迄今為止，在滬深交易所上市的A股公司已達兩千多家，它們影響著國內的經濟發展。但是，每年依然有一系列公司因各種各樣的原因發生財務危機而遭到特殊處理。上市公司的財務情況一旦出現問題，不僅會影響公司的正常運營，而且還會讓投資者蒙受巨大損失，尤其會給機構投資者帶來嚴重損失。上市公司財務的正常預示著我國證券市場的健康發展。那么，如何在財務危機發生前及時預警呢？

財務失敗又稱為財務危機，財務失敗的預警研究對于公司的風險管理與控制以及投資者的投資決策有著重要的意義。財務失敗預警模型的研究起源于二十世紀三十年代。近年來，國內外學者對公司財務失敗預測做了諸多研究，而且財務失敗預測模型已應用于公司風險管理評估、銀行信貸管理等中。

關于公司財務失敗預警的研究大體從以下兩個方面展開：一方面從研究方法上進行分析，另一方面從變量選取的拓展進行分析。

Fitzpatrick（1932）[1]首先運用單變量分析法對公司破產進行預測研究。該方法為后來學者研究公司財務失敗預警奠定了基礎。Altman（1968）[2]運用多元判定分析法進行財務失敗預測研究，極大程度的提高了模型的預警能力。在多元判定分析法的基礎上，Altman（1977）[3]提出了ZETA信用風險模型，該模型更能準確的預測公司的財務失敗。Ohlson（1980）[4]運用Logistic回歸模型來預測公司財務失敗概率。該模型較于之前的方法，運用范圍更為廣泛。鮮文擇和向銳（2007）[5]構建了混合Logistic模型研究財務困境預測，研究結果表明該模型在模型擬合度和預測準確度上均優于標準Logistic模型。伴隨著學者對財務預警不斷地研究探索，人們不斷創新，把生物醫學方面的知識廣泛應用于對財務失敗預測的研究中來。譬如，人工神經網絡模型、遺傳算法模型等。

隨著人們對財務失敗預測研究的不斷深入，研究者已不局限于從財務指標的角度考察公司財務失敗預警，更是把非財務指標運用到財務失敗預警研究上。章之旺（2004）[6]以2003-2004年60家財務困境公司和120家非財務困境公司為樣本，采用單變量和多變量的Logistic回歸模型對這些樣本的ROA、籌資性現金流量、營運資本/總資產、經營性現金流量、流動比率、長期負債/股東權益、投資性現金流量、資產周轉率一系列財務變量進行分析，結果表明現金流量表對公司研究財務危機具有重要的價值。姜紅珍和張明燕（2005）[7]通過對我國企業財務危機現狀進行分析，發現企業治理結構可能導致我國企業財務危機。曹德芳和夏好琴（2005）[8]將公司股權變量引入到財務危機預警模型中，通過Logit模型、主成分判別模型以及Fisher判別分析，發現部分股權機構變量與公司財務危機息息相關，而且加入股權變量后的模型預測效果更佳。Abdullah（2006）[9]通過分析董事會的獨立性、董事長與總經理兩職合一以及所有權結構三個變量對公司財務失敗的影響，研究表明大股東與公司財務失敗呈負相關關系。王艷寧（2012）[10]的研究指出，在企業財務危機預測模型中引入非財務指標，能夠提高模型的預警價值。梁琪等（2014）[11]通過Logistic模型對我國2005-2010年滬深兩市的中小企業的財務失敗風險進行實證檢驗，研究表明加入公司治理后的模型更能提高模型的預警能力。

國內外一些關于機構投資者的研究表明，機構投資者對上市公司的財務活動有一定的監管作用。Almazan（2005）[12]研究表明持股比例高的機構投資者積極介入公司治理，以獲取長期收益。Chen等（2007）[13]研究發現持股比例高的機構投資者更傾向于監管上市公司。高雷和張杰（2008）[14]研究發現，機構投資者的持股比例越高的公司，不僅其治理水平越高，而且機構投資者能夠有效抑制管理層的盈余管理行為。陸瑤等（2012）[15]的研究表明機構投資者對公司監管具有積極作用。史永東和王瑾樂（2014）[16]研究表明，機構投資者偏好財務優良、治理有效的公司，而且這些公司的股票呈現低的波動性，說明機構投資者能夠穩定市場。

受上述國內外學者研究成果的啟發，本文以機構投資者持股變量為主要解釋變量，并結合財務指標，通過Logistic回歸模型研究前者對我國A股上市公司的財務失敗預警的影響。此外，本文還從配對方法上對財務失敗預警研究進行了完善。

本文的主要貢獻為以下兩方面：首先，應用PSM配對選取了財務正常組樣本，確保了在其他條件不變的前提下，研究機構投資者持股對公司財務失敗預警的影響；其次，探討了機構投資者持股與上市公司財務失敗的關系。

文章其余部分的結構安排如下：第二部分是研究方法；第三部分是數據來源、變量選取以及基本的統計性描述；第四部分以配對后的公司為樣本，結合其機構投資者持股以及財務信息，通過Logistic回歸模型對我國上市公司財務失敗預警進行了實證研究，并進行了穩健性檢驗；第五部分歸納全文。

二、研究方法

（一）PPSSMM方法

PSM（Propensity Score Matching） 方 法 是Rosembaum和Rubin[17]在1983年提出的，其含義是個體在其自身特定屬性下接受某種干預的可能性，在本文中含義是每支股票財務失敗或財務正常的概率。本文按照公司是否財務正常，將所有公司分為兩大類：處理組——財務失敗的上市公司；對照組——財務正常的上市公司。本文的匹配原理是，在對照組中尋找一個與處理組盡可能相同的公司，這也就要求本文盡可能的控制選擇性偏倚以及混合偏倚（即內生性問題），這樣我們才能較為精確的估計出機構投資者持股變量對公司財務失敗預警的影響。匹配過程是PSM方法的核心環節，其實質上是一個降維的過程，它根據最大配對原則到對照組中尋找一個最佳對象，簡化維數。本文的目的是使得配對成功的財務正常公司和財務失敗公司在各個維度（匹配變量）上的特征都盡量相同。

PSM匹配步驟為：首先通過Logistic回歸得出傾向值，然后通過最近鄰匹配得出最佳對照組。

本文借鑒Huang等（2013）[18]的做法，運用考察年間的中國A股上市公司為樣本，以是否發生財務失敗的0-1啞變量為因變量，分年度和行業對公司的總資產規模（lg_zcgm）、股東權益（gdqy）、總資產利潤率（zzclyr）、市盈率（syr）和資產負債（zcfzr）做Logistic回歸，根據回歸系數計算出每個公司在該行業該年度的財務失敗的傾向得分（PS），然后采取最近鄰匹配法為每家財務失敗的公司尋找一個與財務失敗傾向得分最接近但又財務正常的公司進行配對。

（二）Logistic回歸tic

Logistic模型（邏輯回歸）是最早的離散選擇模型，該模型的優點在于其不僅可以進行樣本內預測，還可以進行樣本外預測。該模型已被廣泛應用于經濟研究中。

Logistic回歸模型為非線性回歸模型，其反應函數之概率值落于0到1之間，方便對本文的結果作解釋。在公司財務失敗的判定與預測中，Logistic模型如下：

Yi表示第i家公司是否財務失敗，i=0或1，Yi=0表示上市公司財務正常；Yi=1表示上市公司連續兩年虧損，出現財務失敗。Xki表示第i家公司第k個財務比率，Pi表示根據Logistic回歸模型估計出來的第i家上市公司財務失敗可能發生的概率。

本文的實證研究采用SAS、STATA等軟件作為統計分析軟件。

三、數據來源、變量選擇與數據描述

（一）數據來源

本文選取2003年1月-2016年5月被實施特別處理（ST）的全部上市公司作為財務失敗樣本。樣本的所有數據均來源于WIND數據庫。本文選取的樣本開始時間為2003年，最主要的原因是WIND數據庫中機構投資者持股數據的最早年份是2000年；其次，證監會于2000年提出發展機構投資者。本文按照以下原則篩選樣本：（1）剔除樣本期間信息缺失的公司；（2）只保留連續兩年虧損的ST公司。最終得到2003年1月-2016年5月深滬交易所總計512家A股上市公司為財務失敗樣本。本文以上市公司被ST的前三年的數據作為財務失敗的起點，這是因為已有研究表明采用財務失敗前一年的數據進行建模分析，會提高模型的準確率。(陳靜，1999[19]；姜國華和王漢生，2004[20]等。)也就是說，如果一家公司在x年被ST，則采用（x-3）年的數據進行建模。

配對樣本來源于樣本期內從未被ST的上市公司。已有研究通常采用公司的行業分類或資產規模作為匹配標準（Armsrtong等，2010[21]），但這種一維特征變量匹配容易產生樣本錯配問題。因此，本文引入PSM，從總資產規模、股東權益、總資產凈利潤率、市盈率和資產負債比五維特征變量的角度，并在同一年以及同一行業內對樣本期內的財務失敗樣本進行1∶1配對。經PSM后共得到A股樣本1024個，并按3∶1的比例隨機選取768家公司作為估計樣本，用來構建模型，剩下的256家作為驗證樣本，用來檢驗模型。

（二）變量選擇

1.財務變量

本文引入0-1啞變量，0表示公司財務正常，1表示公司財務失敗。在財務變量的基礎上研究機構投資者持股對公司財務失敗預警的影響。在參考已有文獻（吳世農和盧賢義，2001[22]；梁琪等，2014[11]）的基礎上，本文考慮了凈利潤增長率、總資產周轉率、速動比率等在內的22個財務比率指標，這些指標反映了上市公司的發展能力、公司規模、債償能力、盈利能力和營運能力。

2.機構投資者持股變量

正如本文之前所提到的，機構投資者對上市公司的監管起到一定的作用。因此，本文從機構投資者持股的角度考察對上市公司財務失敗預警的影響。

表1是參考了已有文獻和考慮了我國上市公司特色的基礎上對樣本公司所選指標進行名稱和符號說明的綜合表。

表1 模型選取的指標

（三）樣本描述

為了對我國上市公司財務失敗的分布情況進行全面的了解，本文分別從失敗樣本的年度分布、行業分布出發，分析了上市公司財務失敗樣本的分布情況。

1.上市公司財務失敗樣本的年分布分析

我們對512家財務失敗的上市公司按年份進行了統計（具體見表2）。研究發現，從年份來看，截至2016年5月，2003年50家、2006年60家、2007年59家、2015年41家、2016年57家，五年的財務失敗公司占總財務失敗公司的52.15%，而2011年僅有15家公司財務失敗，2013年也只有21家，每年財務失敗的上市公司數量上存在差異。98年以來，證監會出臺的一系類政策加上客觀因素（環境、經濟等），使得每年都有公司因財務失敗而被特別處理。2002年以來，非國有企業的上市以及國有協議轉讓合法化，使得法人股比重日趨上升，國有股比例下降。已有研究表明（陳新桂，2007）[23]，法人股持股比例高的公司容易導致財務失敗。此外，2002年底的“非典”，2008年底的經濟全球危機，2015年的A股市場的震蕩，等等這一系列的原因，都導致了財務失敗公司的增加。

表2 失敗樣本的年分布

2.上市公司財務失敗樣本的行業分布分析

表3為財務失敗公司的行業分布統計。從表中可以看出，截至2016年5月，隸屬工業行業的上市公司財務失敗的有327家，占全行業的63.9%。自工業革命后，國家就把發展工業作為首要地位。但是，發展工業存在的問題是，運輸量大、環境污染大。作為環境污染源頭大的工業，所面臨的社會各界的監管也是更為嚴格。進而，在這一行業發生財務困境的機率遠遠高于其他行業。

表3 失敗樣本的行業分布

3.估計樣本的描述性統計分析

本文按照五維特征變量配對后給出了估計樣本的財務比率以及機構投資者持股統計量。通過對財務正常樣本以及財務失敗樣本中各指標均值的差異進行T檢驗，來檢驗兩組樣本之間是否存在顯著性差異。具體分析見表4。

表4 各指標的描述性統計

從表4的描述性統計表中的均值可以看出，財務正常與財務失敗的樣本公司中有許多變量存在很大差異，例如應收賬款周轉率、凈利潤周轉率、市盈率等。而有些變量則差異較小，如總資產周轉率、流動負債比、經營活動產生的現金流量凈額負債比等。而從T檢驗的結果可以看出，利息保障倍數、總資產利潤率、現金比率、經營活動產生的現金流量凈額負債比、總資產周轉率等16個變量的顯著性水平均低于0.1，說明它們的均值之間存在顯著差異，因而對財務失敗、財務正常樣本的解釋能力強。

四、實證研究結果與分析

在估計模型參數前，我們首先對財務失敗和財務正常樣本的所有財務比率進行了統計分析，結果發現多個財務比率間存在較強相關性。因此，消除財務比率變量間的多元共線性是極其必要的。根據逐步回歸法，篩選出總資產周轉率、每股凈資產、利息保障倍數、現金比率以及現金流量凈額流動負債比五個財務比率變量。

（一）財務指標預警模型

首先對估計樣本進行Logistic逐步回歸，得到僅包含財務比率指標的模型I。為考察機構投資者持股對財務失敗的預警作用，我們在模型I的基礎上加上機構投資者持股變量得到模型II。表5給出了這兩個模型的估計結果：

表5 模型估計

在僅考慮財務比率變量的模型I中，總資產周轉率（zzczjr）、每股凈資產（mgjzc）、利息保障倍數（lxbzbs）、現金比率（xjbr）以及現金流量凈額流動負債比（xjldfzr）五個財務比率進入模型中，且都通過了10%水平下的顯著性檢驗。以上五個財務比率的系數均為負，這表明它們與財務失敗間存在負相關關系。zzczjr是衡量企業資產經營的重要指標，反映出企業總資產的利用效率，該指標越大，說明公司總資產的利用效率越高，公司越不易發生財務失敗。mgjzc反映每股股票所擁有的凈資產值，該值越大，說明該公司的成長能力及其股票的投資價值越大，投資者所要承擔的投資風險越小，公司發生財務失敗的概率越低。lxbzbs衡量的是公司支付負債利息的能力，該指標值越大，說明公司有足夠的能力支付利息，也即公司面臨虧損的風險降低。xjbr衡量的是公司資產的流動性，該比率越大，說明公司現金流動越快，公司資產得到合理的使用，公司不易發生財務失敗。xjldfzr反映公司規定時期內的償還債務的能力，該值越大說明公司按期償還債務的能力強，公司發生財務失敗的概率性越低。

進一步加入機構投資者持股變量后的模型II回歸結果顯示，機構投資者持股（instratio）加入模型后，變量都通過了10%的顯著性檢驗。機構投資者持股變量的系數為負值，說明它與財務失敗之間呈現負相關關系。機構投資者持股比例越高，表明公司失敗的可能性越低。這是因為：一方面，這是由機構投資者自身的性質決定的。它加入到公司中來，關心的是投資回報率，能加強公司運營的的監督；另一方面，機構投資者的投資行為收到社會多方面的監管，為了維護自身的聲譽，在對公司的日常經營也起到一定的監管作用。

（二）模型的預警能力

本文進一步檢驗了模型的財務失敗預警結果。從表6中可以看出，模型I對估計樣本的總體判別準確率為69.54%。加入機構投資者持股后的模型II的估計樣本的總體判別準確率為72.59%，略高于模型I。驗證樣本的模型II的總體判別準確率同樣略高于模型I，這說明了機構投資者持股的加入提高了模型的預警能力，表明機構投資者指標也具有顯著地預警作用，它是對財務指標的有益補充。

表6 模型的預警結果

另外，參照文獻Mok等（2010）[24]和梁琪等（2014）[11]，本文還應用隨機效應Logistic模型進行了分析，回歸結果顯示加入機構持股變量后，模型的預警能力得到了提高。由于篇幅限制，這里沒有列出結果。

（三）穩健性檢驗

參照文獻淦未宇等（2015），本文利用PSM方法對樣本進行了1∶2匹配。經配對后共獲得1536家樣本公司，我們按3∶1的比例對樣本進行樣本外預測。同樣對估計樣本進行Logistic逐步回歸，得到僅包含財務比率指標的模型I。為考察機構投資者持股對財務失敗的預警作用，我們在模型I的基礎上加上機構投資者持股變量得到模型II。表7給出了這些模型的估計結果。

表7 模型回歸結果

從表7中的結果亦表明機構投資者持股與公司財務失敗呈負相關關系。進一步檢驗了模型的財務失敗預警結果。從表8中可以看出：加入機構投資者持股變量后模型的預測效果均得到提升。

表8 模型的預警結果

五、結論

本文探討了機構投資者持股對上市公司財務失敗預警的影響。在運用PSM方法對樣本進行1∶1匹配選取的基礎上，本文通過Logistic回歸模型對樣本進行樣本外預測來探討機構投資者持股對公司財務失敗預警的影響。實證結果表明，在財務比率的基礎上加入機構投資者持股變量能提高公司財務失敗預警模型的準確性。在穩健性檢驗中，對樣本進行了1∶2匹配選取，同樣進行了Logistic回歸模型檢驗，結果表明本文的研究發現是穩定的。本文的研究成果為投資者以及管理階層對上市公司進行風險管理提供一定的參考依據。本文的結論有如下兩點啟示：（1）政府應大力發展機構投資者，實現機構投資者的規模化；并積極引導機構投資者參與公司財務監管。（2）上市公司應加強對其多項財務指標的關注，通過提升其內在價值來避免退市危機。

[1]Fitzpatrick P． A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J]．Certified Public Accountant, 1932（2）： 598-605．

[2]Altman E． Financialrations, Discrinimant Analysis and the Prediction of Corporate Bankruptcy[J]． Journal of Finance, 1968（9）： 589-609．

[3]LHaldeman A E, Narayanan P． ZETA Analysis： A New Model to Identify Bankruptcy Risk of Corporations[J]．Journal of Banking and Finance, 1977 （1）： 32-39．

[4]Ohlson J A． Financial ratios and the Probabilistic Prediction of Bankruptcy[J]． Journal of accounting research, 1980（19）： 109-131．

[5]鮮文擇，向銳．基于混合logit模型的財務圍境預側研究[J]．數量經濟技術經濟研究，2007（9）：68-76．

[6]章之旺．現金流量在財務困境預測中的信息含量實證研究——來自2003-2004年度ST公司的新證據[J]．商業研究，2004（6）：23-28．

[7]姜紅珍，張明燕．關于企業失敗現狀及成因分析[J]．財會通訊，2005（4）：43-46．

[8]曹德芳，夏好琴．基于股權結構的財務危機預警模型構建[J]．財務管理，2005（6）：85-90．

[9]Nahar Abdullah S． Board Structure and Ownership in Malaysia： The Case of Distressed Listed Companies[J]．Corporate Governance： The international journal of business in society， 2006 （5）： 582-594．

[10]王艷寧．基于非財務視角的財務危機預警研究[J]．財會研究，2012（14）：26-28．

[11]梁琪，過新偉，石寧．基于隨機效應logistic模型的中小企業財務失敗預警研究[J]．管理工程學報，2014（3）：126-134．

[12]Almazan A, Hartzell J C, Starks L T． Active Institutional Shareholders and Costs of Monitoring： Evidence from Executive Compensation[J]． Financial Management, 2005（4）： 5-34．

[13]Chen X, Harford J, Li K． Monitoring： Which Institutions Matter?[J]． Journal of Financial Economics, 2007 （2）：279-305．

[14]高雷，張杰．公司治理、機構投資者與盈余管理[J]．會計研究．2008（9）：64-72．

[15]陸瑤，朱玉杰，胡曉元．機構投資者與上市公司違規行為的實證研究[J]．南開大學管理評論，2012（1）：13-23．

[16]史永東，王謹樂．中國機構投資者真的穩定市場了嗎？[J]．經濟研究，2014（12）：100-112．

[17]Rosenbaum P R, Rubin D B． The Central Role of the Propensity Score in Observational Studies for Causal Effects[J]． Biometrica, 1983（1）： 41-55．

[18]Huang J, Kisgen D J． Gender and Corporate Finance：Are Male Executives Overcofident Relative to Female Executives[J]． Journal of Financial Economics, 2013（3）：822-839．

[19]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．

[20]姜國華，王漢生．財務報表分析與上市公司ST預測的研究[J]．審計研究，2004 （6）： 60-63．

[21]Armstrong C S, Jagolinzer A D, Larcker D F． Chief Executive Officer Equity Incentives and Accounting Irregularities[J]．Journal of Accounting Rese Arch, 2010 （2） ：225-271．

[22]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）：46-53．

[23]陳新桂．財務困境上市公司治理失敗的實證研究[J]．財經科學，2007（4）：59-65．

[24]Mok M S, Sohn S Y, Ju Y H． Random effects logistic regression model for anomaly detection[J]． Expert Systems with Applications, 2010, （10）： 7162-7166．

[25]淦未宇，徐細雄，林丁健．高管性別、權力結構與企業反倫理行為---基于上市公司違規操作PSM配對樣本的實證檢驗[J]．外國經濟與管理，2015（10）：18-31．

責任編輯：葉民英

F2

A

1004-3160（2017）01-0081-08

2016-11-07

2016年國家自然科學基金“隨機環境中馬氏鏈與多型分枝過程”（項目編號：11571052）；湖南省2016年研究生科研創新項目“機構投資者對上市公司監督的統計模型研究”（項目編號：CX2016B417）。

1．李應求，男，湖南邵東人，長沙理工大學數學與統計學院教授、博士生導師，主要研究方向：應用統計；2．曾楊，女，湖南邵陽人，長沙理工大學數學與統計學院碩士研究生，主要研究方向：應用統計；3．劉偉，女，湖南岳陽人，湖南大學工商管理學院博士生，主要研究方向：市場微觀結構、公司金融等。