基于COX模型的創(chuàng)業(yè)板公司財務危機預警研究

2017-05-18 10:20:45陳星文任佳偉

時代金融 2017年12期

陳星文+任佳偉

【摘要】自2009年至今，創(chuàng)業(yè)板市場運行已有6年的時間。上市公司數(shù)量急劇增加，財務指標初具規(guī)模。但隨著創(chuàng)業(yè)板市場的不斷發(fā)展壯大，也出現(xiàn)了不少亟待解決的問題。創(chuàng)業(yè)板上市公司板高成長的光環(huán)漸漸褪去，財報業(yè)績頻頻變臉，創(chuàng)業(yè)板的健康發(fā)展和投資者的權益也因此遭受威脅。因此，需建立一個行之有效的創(chuàng)業(yè)板上市公司財務危機預警模型非常重要。本文以創(chuàng)業(yè)板上市公司為研究對象，運用動態(tài)的Cox比例風險模型，建立了創(chuàng)業(yè)板上市公司的財務危機預警模型。并對模型精確度進行檢驗，模型的預測精度超過90%，模型取得了預期的效果。最后，分析該模型的優(yōu)點并指出其局限性。

【關鍵詞】財務危機預警 Cox比例風險模型創(chuàng)業(yè)板上市

一、創(chuàng)業(yè)板現(xiàn)狀

自2009年10月30日起，創(chuàng)業(yè)板市場運行已有5年的時間。上市公司的數(shù)量飛速增加，財務指標初具規(guī)模。但隨著創(chuàng)業(yè)板市場的不斷發(fā)展壯大，也出現(xiàn)了不少亟待解決的問題。隨著的披露，創(chuàng)業(yè)板上市公司板高成長的光環(huán)已然褪去，財報業(yè)績頻頻變臉。2012年4月20日，證監(jiān)會正式發(fā)布《深圳證券交易所創(chuàng)業(yè)板股票上市規(guī)則（2012年修訂）》。在新的退市制度中，規(guī)定了創(chuàng)業(yè)板上市公司若達到了其規(guī)定的暫停上市或終止上市標準，將嚴格執(zhí)行其規(guī)定標準，結果就是直接退市。因此，為了使我國創(chuàng)業(yè)板市場持續(xù)和諧成長，并且使廣大投資者的權益不受到侵害，需要對創(chuàng)業(yè)板上市公司的財務狀況做出提前預測，更需要建立一個適合我國創(chuàng)業(yè)板上市公司的，對其財務危機狀況判別率較高的財務預警模。

二、Cox建模方法簡述

生存分析方法在研究企業(yè)經(jīng)營失敗方面的模型分為三類：非參數(shù)、參數(shù)和半?yún)?shù)模型。半?yún)?shù)模型主要用于不確定生存時間分布類型的研究樣本。這類方法能夠分析多個風險因素對生存時間的影響情況。Lane，Looney和Wansley（1986），Wheelock和Wlison（2000）以及Balcaen和Ooghe（2004）認為研究企業(yè)經(jīng)營失敗的最適模型為半?yún)?shù)Cox比例風險模型。所以本文選用Cox比例風險模型，下面就對Cox比例風險模型進行詳細的介紹。

Cox模型是一種用于研究多因素對生存時間影響的半?yún)?shù)模型，它不要求樣本的生存時間服從特定的分布，也可以分析刪失數(shù)據(jù)，這樣就大大降低了運用過程的繁瑣性。Cox模型自D.R.Cox于1972年提出以來，從最初應用于生物醫(yī)學領域，現(xiàn)在已擴展到了金融、管理等領域。Cox比例風險模型采用的是偏似然函數(shù)對協(xié)變量進行估計。并且每個樣本都包含三個變量time，status和Xi，其中，time表示的是樣本的生存時間；status表示的是樣本的生存狀態(tài)，status=0表示樣本發(fā)生危機事件，反之status=1表示樣本未發(fā)生危機；Xi表示的是與樣本生存時間和生存狀態(tài)有關的協(xié)變量。Cox比例風險模型的表達式為：

H（t，AX）=h0（t）F（AX）

其中，h0（t）為t時刻的基準風險率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標，也可以是定性與等級指標；A=（a1，a2，a3，…an）是參數(shù)變量，即各協(xié)變量的回歸系數(shù)。

相應的生存函數(shù)表達式為：

S（t，AX）=S0（t）F（BX）

其中，S0（t）為t時刻的基準生存率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標，也可以是定性與等級指標；B=（b1，b2，b3，…bn）是參數(shù)變量，即各協(xié)變量的回歸系數(shù)。

三、建模樣本的選取

（一）建模樣本選擇

與本文以虧損集中發(fā)生的2012年至2014年為觀測期，選取2009至2011年上市的創(chuàng)業(yè)板公司為估計樣本。排除財務數(shù)據(jù)缺失企業(yè)10間，觀測期前發(fā)生虧損的企業(yè)一間（當升科技），本文估計樣本內(nèi)含財務困境即虧損企業(yè)33間，健康企業(yè)246間。

在主板上市公司的財務危機預警中，通常設公司被ST當年為第T年。被ST發(fā)生時間通常在公司上一年財務報告披露之后。即第（T-2）年與第（T-1）年發(fā)生兩年連續(xù)虧損，第T年被ST。預警模型的估計樣本數(shù)據(jù)通常為第（T-3）年。

本文采用與主板類似的研究方法，設財務困境企業(yè)出現(xiàn)虧損當年為第T年，本文基于困境企業(yè)的第（T-1）年及健康企業(yè)的2013年財務數(shù)據(jù)進行模型估計，數(shù)據(jù)來源為國泰安數(shù)據(jù)庫。生存時間為公司上市至首次發(fā)生虧損年份。Cox回歸模型不要求樣本數(shù)目的匹配性，因此，本文估計樣本容量為279。

四、指標的選取與處理

（一）財務預警指標的初選

財務危機產(chǎn)生的本質(zhì)原因有所差別。本文在企業(yè)償債能力、經(jīng)營能力、盈利能力、成長能力、比率結構五個方面選取了具有代表性的二十九個財務指標，具體見表2。

（二）財務預警指標的顯著性檢驗

在前文初選的二十九個指標上，首先對樣本數(shù)據(jù)進行顯著性檢驗，只有通過顯著性檢驗的財務指標才能進入下一步檢驗。本文采用Mann-Whitney U獨立樣本非參數(shù)檢驗方法，分析兩類獨立樣本提前1年財務數(shù)據(jù)的描述性統(tǒng)計量。

結果顯示，在0.05的顯著性水平下，現(xiàn)金及現(xiàn)金等價物周轉率、固定資產(chǎn)增長率、流動資產(chǎn)比率、顯著性比率、流動負債比率五項指標無法通過顯著性檢驗，其余25個指標進入下一步檢驗。

（三）財務預警指標的相關性檢驗

共線性是影響Cox回歸模型精度與預測水平的主要因素。對上述通過顯著性檢驗的25個指標進行皮爾遜相關性檢驗，得到相關性矩陣（附表1）。以65%為分界點，剔除相關性較強的部分指標，包括流動比率、資產(chǎn)負債率、流動資產(chǎn)周轉率、總資產(chǎn)凈利潤率、資本保值增值率，其余18個財務指標進入Cox回歸模型構建。

五、模型構建

（一）Cox模型回歸

將前文通過顯著性檢驗與相關性檢驗的19個財務指標進行Cox模型回歸，選擇能防止遺漏有預測能力變量的向后：LR逐步回歸法。采取嚴進寬出的原則，設定步進概率為進入：0.05與刪除：0.10。回歸結果見表。

模型回歸結果顯示，經(jīng)營活動產(chǎn)生的現(xiàn)金流量/負債總額X5、存貨周轉率X7、存貨與收入比X8、總資產(chǎn)周轉率X13、資產(chǎn)報酬率X14、營業(yè)毛利率X18、營業(yè)利潤率X19、留存收益資產(chǎn)比X27八個財務指標與公司陷入財務困境的可能性相關。將估計結果代入，可得危險率模型：

h（t，X（t））=h0（t）exp（-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27）

其中，h0（t）為危險率模型的基準死亡函數(shù)。

（二）生存函數(shù)估計

上文中，通過顯著性檢驗與共線性檢驗的模型在Cox回歸中，顯示出良好的回歸結果及各財務指標的偏相關系數(shù)。然而，要想最終得到更為精確的危險率模型，本文仍需對上文所得模型中的基準死亡函數(shù)h0（t）進行進一步估計。

危險率率模型中的基準死亡函數(shù)取決于累計死亡率隨生存時間變化的分布模式。首先，本文通過生存分析中Kaplan-Meier分析，得到估計樣本的生存表如表5。生存表內(nèi)包含生存時間數(shù)據(jù)及對應累積死亡率。

在基準死亡率分布未知時，通常會假設死亡率符合某種具體分布，進行進一步擬合估計。在以往針對財務指標Cox模型預警的研究中，學者一般事先假設基準死亡率滿足線性分布、S分布、Logistic分布等分布。因此，本文綜合考慮以往常見的此三種分布，分別設定生存時間與上表累積死亡率為自變量與因變量，用曲線估計方式同時用線性分布、S分布與Logistic分布擬合，考察三種分布擬合效果，結果見表6。

擬合結果顯示，S分布擬合效果最佳，R-square為93.8%，三種分布中擬合效果最佳。因此，本文假設基準死亡率符合S分布。本文轉化公式后用線性回歸模型擬合，可得基準死亡函數(shù)：

h0（t）=exp（-5.618297）*（t^2.127813）

將基準死亡函數(shù)代入原死亡率函數(shù)中，可得：

h（t，X（t））=h0（t）exp（-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27）

（三）預測能力檢驗

財務指標預警模型中，預測能力的檢驗頗顯重要，能在一定程度上顯示該模型實踐效果的有效性。一般而言，模型的檢驗需同時在樣本內(nèi)和樣本外進行。但考慮到創(chuàng)業(yè)板危機公司數(shù)目的有限性，為同時保證樣本估計與預測檢驗的樣本容量足夠大，本文在樣本內(nèi)隨機抽取12家困境企業(yè)與12家健康企業(yè)用于預測能力檢驗。以0.5為判定點，獲得模型精度檢驗結果如表7。

由預測結果與實際情形對比，本文發(fā)現(xiàn)，由前文回歸所得模型在創(chuàng)業(yè)板財務預警效果較高。預測困境準確率為91.67%，預測健康的準確率為83.33%。

表7 樣本內(nèi)檢驗結果

雖然在創(chuàng)業(yè)板歷史偏短與危機公司偏少的限制性下，本文暫時無法獲得樣本外檢驗效果，但從樣本內(nèi)檢驗結果看來，本文認為，該模型具有較好的預測能力。

六、研究不足

本文在取得一定的研究成果的同時，仍存在著一些缺陷，還有進一步改進的空間。本文的研究不足主要有以下三方面：

（一）指標選取

本文所選取的指標均為財務指標，對于非財務指標的影響不能充分體現(xiàn)。而一個上市公司的財務狀況，很多時候又會受到非財務狀況的影響，甚至這種影響會是決定性的。

（二）樣本容量

創(chuàng)業(yè)板畢竟從開始運行到現(xiàn)在只有短短的6年時間，時間跨度相對較小，而財務危機的發(fā)生是一個動態(tài)的過程，這就需要利用企業(yè)發(fā)生財務危機以前年度的數(shù)據(jù)進行模型的建立，所以本文選取了樣本企業(yè)T-1年的數(shù)據(jù)進行建模。其中虧損企業(yè)33間，健康企業(yè)246間，樣本量相對較少，造成了只能進行樣本內(nèi)檢驗的困境，并且可能會對模型的預測效果造成一定的影響。

（三）數(shù)據(jù)可靠性

本文所選取的樣本為創(chuàng)業(yè)板上市公司，樣本數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫，由于上市公司在披露財務及非財務信息時可能存在信息不真實、不全面等問題，特別是有些上市公司存在財務造假的情況，導致數(shù)據(jù)的真實性降低，這就很可能影響預測結果。

參考文獻

[1]吳世農(nóng)，盧賢義.我國上市公司財務困境的預測模型研究[J].經(jīng)濟研究，2001（6）.

[2]張忙利.基于生存分析方法的上市公司財務困境預警模型研究[D].成都：西南財經(jīng)大學，2008.

[3]何文.基于Cox比例風險模型的上市公司財務預警研究[D].北京：首都經(jīng)濟貿(mào)易大學，2010.

[4]王莉.基于生存分析的民營企業(yè)財務風險研究[D].北京：首都經(jīng)濟貿(mào)易大學，2011.

[5]倪中新，張楊.基于Cox比例危險模型的制造業(yè)財務困境恢復研究[J].統(tǒng)計與信息論壇，2012，27（1）：15-20.

[6]王曉鵬，何建敏，馬立成.Cox模型在企業(yè)財務困境預警中的應用[J].價值工程，2007，26（11）：4-8.

[7]趙坤，趙育萱.首批創(chuàng)業(yè)板上市公司財務風險分析[J].經(jīng)營與管理，2011.

[8]李維安.創(chuàng)業(yè)板高成長的制度基礎：有效的公司治理[J].南開管理評論，2011（05）：1.

[9]張友棠.財務預警系統(tǒng)管理研究7M8.北京：中國人民大學出版社，2004年：25-31.