利用區間估計模型監測上市公司財務風險
——基于ST企業的經驗數據

2018-03-03 01:49:51副教授

財會月刊 2018年4期

（副教授），

一、引言

自1990年上海、深圳證券交易所成立以來，我國證券市場取得了巨大的成就，截至2016年7月我國境內上市公司達到了2900家。我國資本市場的快速發展為上市公司帶來了無限的發展機遇，但同時也加大了上市公司的競爭壓力，風險和危機接踵而至。1998年證監會頒布了《關于上市公司狀況異常期間的股票特別處理方式的通知》，要求證券交易所對“狀況異常”的上市公司實行股票交易的特殊處理（Special Treatment，簡稱ST）。根據國泰安數據庫統計，到目前為止我國滬深兩市A股被執行特殊處理的上市公司多達861家，其中有683家公司是因為財務狀況異常，連續兩年虧損、資產縮水或超過兩年正在調整期。可見，我國上市公司存在較為嚴重的財務問題，財務風險水平較高，致使投資人和企業面臨較高的投資風險甚至遭受巨大損失，進而使上市公司以及證券市場的健康平穩發展受到威脅。

財務風險監測是“觸按企業經營活動的手指”，是企業疾病的探測器，其不僅可以幫助上市公司管理當局及時發現公司的異常財務狀況，有針對性地調整公司投融資以及經營戰略，避開或化解企業財務危機，還可以幫助投資者和債權人了解上市公司的財務狀況，做出正確的投資及信貸決策，保護投資者的利益。因此，我國證券市場迫切需要建立一個能夠監測上市公司財務風險的系統，以提高證券市場對上市公司的監管效率，幫助投資人、債權人等企業利益相關者監測企業的財務和經營狀況。

二、文獻回顧

國外對于財務風險的研究始于20世紀30年代。著名的有Beaver（1966）提出的單變量判定模型，其以美國1954～1964年間79家經營失敗和79家經營正常的企業為樣本，通過采用統計方法對兩組企業的財務風險指標進行對比分析，發現資產收益率、負債保障率和資產負債率對企業的財務風險具有良好的預測性。Altman（1968）提出的多元Z值計分模型，以營運資產期末總資產比、留存收益期末總資產比、息稅前利潤總負債比、股東權益市場價值期末總負債比、銷售收入平均總資產比等五個財務指標建立多元模型，通過數理統計的方法對五個財務指標進行賦權，得出具有綜合評價效果的Z分值，提高了財務危機預測的準確率。Altman、Haldeman（1977）提出了ZETA模型，利用該模型對1969～1975年間53家破產企業和58家非破產企業進行風險預測，預測結果表明這種模型的準確率明顯高于多元Z值計分模型。Ohlson（1980）利用Logistic模型對105家經營失敗的公司進行回歸，其回歸結果表明企業的資產規模、資產負債率、凈資產收益率、流動比率、速動比率對企業的財務風險有很好的預測效果。Tama（1991）利用建立的包含輸入層、隱藏層和輸出層三層結構的人工神經網絡模型對財務風險進行預警，該模型具有很好的外界適應性，但是理論性不足。

國內關于財務風險的研究始于20世紀80年代中期。最早對企業財務風險進行預測的是吳世農、黃世忠（1986），他們構建了單變量模型對破產企業的財務風險進行了預測，從資產變現能力、盈利能力、資產使用效率、負債狀況等方面構建財務指標，并通過區間估計模型以及線性判定模型對破產企業和非破產企業進行對比分析，發現凈利率、流動比率、負債比率、資本運用率、資本報酬率能夠對企業的破產情況作出預測。周首華、楊濟華和王平（1996）將現金流量變動指標加入Z分數模型，構建了多元財務風險預警模型——F模型，使用案例分析方法證實了F模型在破產企業預測中的有效性。陳靜（1999）使用27家ST和非ST企業的數據，選用資產負債率、流動比率、總資產收益率、凈資產收益率等指標分別對財務風險預測的單變量模型和多變量模型進行驗證，認為雖然這些模型仍存在局限性，但不失為一種簡單而有效的預測方法，這一結論具有重要實踐意義。鄭玉華、崔曉東（2013）從公司盈利能力、公司發展潛力、公司償債能力、公司營運能力、公司投資價值等方面構建了公司財務預警的Logit模型。萬希寧、蘇秋根（2003）從盈利能力、償債能力、資產管理能力、成長能力、現金能力等方面對上市公司財務失敗預警進行分析。張玲（2000）、羅瀾（2012）采用Z分數模型對財務風險進行預測。楊淑娥、徐偉剛（2003）使用主成分分析法建立了Y分數模型。陳曉和陳怡鴻（2000）、姜秀華和李華中（2001）、王琳和周心（2007）、呂佳男和賈煒瑩（2009）運用Logistic模型預測我國上市公司財務風險。楊保安（2001）、周敏（2002）、李志毅（2003）、楊淑娥和黃禮（2005）、徐玖平和李曉峰（2006）、周輝仁等（2010）、陳敏（2012）采用神經網絡模型對財務風險進行預測。丁香乾和石碩（2004）、楊鑫（2010）、葉肖劍（2010）、翟凡萍等（2013）等采用層次分析法對企業財務風險進行評價。

通過上述研究可以發現，對財務風險進行預測的模型大體分為兩類：一類是基于財務風險預測指標回歸分析的F、Z分數模型；另一類是對財務風險進行評分的層次分析以及神經網絡模型。在這兩種方法中，第一種分析方法只局限于某一個數據點，在評價財務風險時局限性比較大，不能大致劃分財務風險的區間界限，無法對可能存在潛在風險或者處于風險初期的企業進行預測；第二種方法可以分層次對財務風險進行分析，但是分析過程依賴于專家的打分，數據比較難獲取。

本文認為，從財務指標入手，通過構建不同的風險預測模型對財務風險進行預測更具有實踐操作性。但在財務指標的選取中大部分學者關注的是企業的利潤指標，對現金流指標的考慮略顯不足。周首華等（1996）在Z分數模型中引入了對現金流的考慮，但是僅考慮了現金流對企業盈利能力的影響。本文在參考前期各位學者研究的基礎上，通過修正財務風險預測指標，將利潤指標與現金流指標結合使用，并通過建立平均數區間點估計模型對財務風險和財務健康的企業進行對比風險預測，以期為企業財務風險的監控提供新的思路。

三、財務風險監測模型的建立

如何對企業的財務風險進行監測？如何預測企業是否發生財務風險？本文通過對比前期學者的研究，發現大部分學者都是通過構建財務指標對企業進行財務風險的預警，并且相對于主觀判斷的指標而言，反映企業財務狀況的財務風險指標更易獲取，對于企業財務風險監測的實踐來說容易實現。因此，本文認為對企業財務風險進行監測最直接的、最容易得到的證據便是反映企業財務運行狀況的財務指標。對于財務風險的預測，必須將預測指標和相關預測標準進行結合，因此劃分企業財務風險異常、財務正常的指標區間理論上能夠成為對財務風險進行監測的有效方法。將企業面臨財務風險時指標的臨界值以及臨界區間進行劃分，從而形成企業財務正常、可能面臨財務風險以及財務風險異常的預測區間。借鑒Beaver（1966）的單變量判定模型以及吳世農、黃世忠（1986）的單變量預測模型，本文運用平均數區間估計法建立預測企業財務風險的模型。

對于企業的財務風險監測，我們不僅要對財務風險進行風險預測值的點估計，而且希望估計出風險預測值的范圍，并確定這個范圍包含財務風險的可信程度，即對企業財務風險預測進行區間估計。

設總體（財務風險異常企業或財務正常企業）X的分布函數為F（x；θ），含有未知參數θ，θ ∈ Θ，（Θ是θ可能的取值范圍），對于給定值a（0＜a＜1），若由來自X的樣本x1，x2，…，xn確定的兩個統計量θ=θ（x1，x2，…，xn）和θ=θ（x1，x2，…，xn），（θ＜θ），則對于任意的θ ∈ Θ，滿足 P｛θ（x1，x2，…，xn）＜θ＜θ（x1，x2，…，xn）｝≥1-α，則隨機區間（θ，θ）是θ的置信水平為1-α的置信區間。假設：①ST（財務狀況異常）企業（X1）和非ST（財務狀況正常）企業（X2）其財務指標的分布具有顯著的統計差別；②兩個總體均服從于正態分布；③隨機地從兩個總體中各抽取一個樣本，兩個樣本之間是相互獨立的；④兩個樣本的樣本量均小于30，即n1＜30，n2＜30。

滿足上述條件后，如果對總體X1和X2進行多次重復抽樣，則總體X1和X2對應的均值符合以下條件和分別服從（n1-1）和（n2-1）的兩個t分布。其中：μ1、μ2分別表示總體X1和X2的均值分別表示總體X1和X2的樣本均值；S1和S2分別表示總體X1和X2的樣本標準差；n1、n2表示總體X1和X2的樣本量。由此可推斷：

于是可推得μ1、μ2在置信水平為1-α的置信區間分別為：和

圖1 指標值越大越好的區間

圖2 指標值越小越好的區間

如圖1和圖2所示，ST企業財務風險的區間為：當指標值越大越好時，風險區間點為X1+安全區間點為 X2-指標值越小越好時，風險區間點為安全區間點為

四、實證分析

1.研究樣本與數據的選取。本文以滬深兩市A股制造業企業作為樣本對企業財務風險進行分析。假定2016年被ST的制造業企業為財務風險異常企業，并根據選定財務風險異常企業的規模、證監會2012行業劃分標準以及企業的主營業務檢索與財務風險異常企業相互配比選取財務正常企業。本文所抽取的研究樣本如表1所示。

表1 樣本企業組

假定第t年是企業財務風險異常（被ST）的年度，那么第t-1和t-2兩個年度企業連續兩年出現經營虧損。當t-1年出現經營虧損時，即第二次出現經營虧損，企業的財務風險異常便已確定，不需要監測。如果t-2年即第一次出現經營虧損，需要對企業虧損的暫時性和持續性進行分析，對企業的財務風險進行分析監測，因此應著重觀測t-2年的數據。ST企業連續兩年的虧損通常是以前多年經營不善的累積效果，特別是虧損出現的前兩至三年即t-3、t-4和t-5年。因此本文以t-5～t-1共5年的數據為測試樣本，其中t-1年為監測年，其他年度為測試年度。本文選取2016年被ST的企業作為財務風險異常的企業，并考慮上述財務風險的形成以及財務風險的不確定性，選取ST企業及配比企業2011～2015年的財務數據進行研究。

本文的數據來源于國泰安數據庫、萬得資訊、東吳證券三個網站中收錄的上市公司資料。

2.財務指標的建立。借鑒以往學者的研究以及基于上市公司數據的可獲得性，本文從企業的償債能力、盈利能力、現金流量能力、資產管理能力等方面篩選企業財務風險監測指標。鑒于傳統的利潤指標很容易被操控，而企業的現金流量可以作為企業利潤質量的衡量，因此充分考慮現金流量指標，將現金流量指標與利潤指標結合，以更加準確地衡量企業的財務風險。具體指標選取如表2所示。

3.實證分析。本文對ST企業和非ST企業上述財務指標進行了對比式區間點估計的測算。

（1）描述性統計。對ST企業和非ST企業的指標均值點的測算結果如表3。通過表3對ST企業與非ST企業財務指標均值的描述，我們發現存在財務風險異常的企業與財務正常的企業2011～2015年（t-5～t-1年）的指標均值均有明顯差異。ST企業凈資產收益率2011～2015年期間有四年為負值，只有2013年勉強為正值，但是數值比較小，僅為0.0176；而非ST企業的凈資產收益率這五年比較穩定，均維持在0.1126～0.1429左右。ST企業凈資產現金收益率五年的指標值都處于0.1以下；而非ST企業基本維持在0.1以上，且大部分在0.14以上，只有2011年不是很高，指標值為0.0627。ST企業每股經營現金流的指標值五年期間基本處于0.1左右，只有2013年偏高，上升到了0.3096；非ST企業一直比較穩定地維持在0.7左右，只有2011年偏低，為0.2721，但仍大于ST企業的指標值。ST企業資產負債率的指標值基本維持在0.6以上，只有2013年指標值有所下降，為0.5918；非ST企業穩定在0.3414～0.4009。ST企業債務保障率指標值基本在0.07以下；而非ST企業的指標值均維持在0.3左右，只有2011年為0.1262。ST企業現金比率各年指標值在0.3203～0.6181；而非ST企業各年均值均高于ST企業，維持在0.5781～0.9273。ST企業與非ST企業流動比率的差異也很明顯，ST企業指標值在1.5231～1.6474，只有2011年略高，為1.8676；而非ST企業均維持在2以上。ST企業總資產周轉率維持在0.5左右；而非ST企業在0.8左右。

表2 財務指標及其說明

從上述指標的分析可以觀察到：①ST企業糟糕的經營業績并不是一種偶然的現象，而是長期經營管理不善的積累。2011～2015年（t-5～t-1年）ST企業的指標值均小于非ST企業，并且這種結果具有持續性，并不是某一年出現的偶然情況。從上述財務指標的預判效應可以看出，非ST企業的經營效益長期優于ST企業，因此本文認為ST企業的經營不善、財務風險異常并不是偶然出現的，而是長期的、持續的經營管理不善造成的。這種財務風險是由于企業持續多年的盈利能力弱、資產負債率高、現金流量低、償債能力低、資產周轉慢以及經營能力低下等造成的。②ST企業在經營管理出現問題后曾尋求過改善。單獨從ST企業2011～2015年的指標分析中可以發現，ST企業在2013年的各財務指標均要好于相鄰的年度，出現了一個改善，但是2014、2015年的連續虧損將其之前的改善付諸東流。本文分析得出，ST企業在經歷了t-5和t-4年的經營不善后，在t-3年為防止企業被過早ST而進行了業績的改善，但是這種改善最終并沒有扭轉企業經營管理不善的局面，即企業前期經營不善造成的財務風險已經非常嚴重，沒有辦法在短期內得到緩解。③另外，從上述指標值中可以發現，ST企業2011年（t-5年）各指標值與非ST企業相比，差距要略微小于除2013年（t-3年）的其他年度，因此可以推斷，ST企業財務風險異常源于長期的、持續的經營管理不善，這種財務風險異常可能在t-5年就出現，但當時的風險明顯要弱于其他年度，屬于財務風險異常的初期。

（2）財務風險預測模型——區間點估計模型的實證分析。樣本企業各財務指標的區間點估計結果如表4所示。

根據區間點估計的財務風險預測模型，利用Excel求出各個財務指標的區間點估計值。本文將財務預測模型區間估計的置信水平α設為1）=2.0484，進一步求出的指標值（見表4）。通過表4的區間點估計值可以發現，凈資產收益率、每股經營現金流、資產負債率、債務保障率均能很好地區分ST企業與非ST企業的區間點，即能夠對財務風險異常以及財務正常進行明顯的區分。對于凈資產現金收益率、現金比率、流動比率、總資產周轉率幾個指標，由于ST企業與非ST企業之間存在較大的重合區間即模糊區間，在此區間內無法對財務風險異常和財務正常進行判斷區分，因此在進行財務風險區間估計的時候不考慮這幾類指標。進一步分析可以發現，無法通過上述四個指標區分財務風險的原因主要是財務風險異常企業的離散程度比較大，導致風險異常企業的標準差比較大。剔除模糊指標后，本文采用凈資產收益率、每股經營現金流、資產負債率、債務保障率四個指標區分財務風險異常企業和財務正常企業的指標區間，大體區分為三個區間：財務安全區間、財務危險區間、財務異常區間，如表5所示。

表3 樣本企業均值點估計

表4 樣本企業區間點估計

本文根據2016年28家被ST的制造業企業及與其相配比的29家非ST制造業企業的相關數據計算求得t-5～t-1年各指標值的風險異常區間、危險區間、安全區間。風險異常區間是指企業發生財務風險概率大的區間，如果企業的指標值在風險異常區間，那么企業很可能已經存在財務風險；危險區間是風險異常區間與安全區間的中間區間，在此區間企業發生財務風險的概率中等，即企業的指標值如果在危險區間，說明企業的財務風險很可能正在形成，但是還沒有明顯地表現出來；安全區間是指企業發生財務風險概率較小的區間，企業的指標值處于安全區間說明企業財務狀況比較穩定，企業的盈利能力、償債能力均較高，現金流量狀況較好，暫時不會面臨較大的財務風險。

4.財務風險預測區間的檢測。

（1）單變量檢驗。根據上述財務風險區間的劃分，本文以28個ST企業為實驗對象，以驗證上述風險區間劃分的準確率。考慮到在進行企業財務風險監測時，應保持謹慎的態度，因此本文將風險異常和危險區間的企業均作為風險異常企業進行重點觀測。具體驗證結果如表6所示。

從單變量分析的角度看，表6的檢測結果表明，在財務風險異常的區間預測中，各財務指標的預測準確率大多維持在70%以上。凈資產收益率和債務保障率的預測準確率要明顯優于每股經營現金流和資產負債率，并且企業越接近被ST年度，財務指標的預測效果越好。如：債務保障率的誤判率2011年為39.3%，2012及2013年為14.3%，2014年降到0；凈資產收益率的誤判率2011年為21.4%，2012為17.9%，2013年降為0，2014年上升為3.5%，可能是企業出于規避被ST的考慮而對收益進行了調整，使得2014年凈資產收益率有所上升。綜上，單從一個指標判斷企業的財務風險是不完備的，而將二者結合起來考慮能夠更加準確地預測企業的財務風險。

表5 樣本企業風險區間

表6 財務風險誤判率

（2）多變量檢驗。從多變量角度分析，由于在財務風險預測中多個指標有時會出現相互沖突的情況，因此本文考慮采用多個變量分析的結果來對財務風險進行預測。以同一年度內兩個或兩個以上指標的預測值為標準進行判斷，如果同一年度，兩個或兩個以上指標值處于財務風險異常區域，就判斷企業本年度存在財務風險。測試結果如表7所示。兩個指標的多變量分析預測結果與凈資產收益率和債務保障率指標的判斷結果很接近，準確率在80%以上。

從對ST企業均值點測算結果得知，企業的財務風險異常并不是暫時形成的，而是長期的經營管理不善的積累，因此對財務風險異常的預測需要將連續幾年的財務風險預測結果進行綜合考慮。本文簡要地假設以企業被ST年度的前五年的預測結果中t-5～t-2年中的指標值兩年或者兩年以上處于風險異常區域為財務風險異常的判斷標準，測試結果如表8所示。財務指標如果只考慮時間預測的準確率在75%以上，相對于多變量指標預測和單變量預測要略低一些。

表7 多變量綜合財務風險誤判率

表8 多年度持續財務風險預測誤判率

五、結論

1.從財務預測指標的整體看：財務風險異常企業的各個指標均值從t-5～t年均弱于配比的財務正常企業的指標值，說明財務風險異常企業的風險并不是短期的、暫時的突發風險，而是企業長期經營管理不善造成的財務風險的累積效果。因此，在對企業財務風險進行監測時，應對企業的財務風險預測結果進行長期觀測，以企業各年度財務風險預測值的特征推斷財務風險是否異常。另外，從企業內部管理來看，當企業財務風險指標值出現在預測的危險區間時，企業的管理層就需要深度考慮企業是否存在經營或財務方面的問題，并積極尋求相關的改革措施。

2.從財務預測指標的波動分析：越接近企業被ST的年度，財務風險異常企業與財務正常企業之間指標值的差距越大，而遠離ST的年度，兩者之間指標值的差異將會縮小，特別是t-5年，各指標值的差距均小于其后的年度。由此可以推斷出企業財務風險異常出現初期特征的時間，本文預測大概在被ST年度之前的5～7年。另外，風險異常企業在第t-3年，各指標值出現了較大波動，可以推測，企業在t-3年對自身的財務風險已經知曉，并努力地尋求改進，以防止被ST，但是企業前期由經營管理不善導致的風險積累，使企業在改善的道路上舉步維艱，以致在t-3～t-2年又回歸到經營不善的狀態。

3.以財務風險預測的區間點估計模型對企業財務風險進行區間預測，通過各財務指標區間估計的準確性可以發現，在所有測試指標中，反映盈利能力的凈資產收益率、反映償債能力的資產負債率和債務保障率以及反映現金流的每股經營現金流指標均能夠對財務風險進行預測。在指標誤判率的檢測中可以發現，凈資產收益率和債務保障率兩個指標在越接近被ST年度，指標預測的準確率越高。

4.由于本文采用多指標變量對財務風險進行預測，各個指標值之間有時會產生沖突，因此結合每一年度各指標值的綜合結果對企業的財務風險進行預測，在接近企業被ST的t-2和t-3年，財務風險異常的誤判率為0，在t-4和t-5年的誤判率只有7.14%和14.29%，相對于單指標預測，多指標預測的準確性明顯提高。

5.由于財務風險異常的形成是企業財務風險多年積累的結果，因此在財務風險異常的預測中，以企業同一指標多年的預測結果綜合考慮，發現企業的凈資產收益率和債務保障率對風險異常企業的預測誤判率為0，每股經營現金流和資產負債率的誤判率較單指標有所改進，但資產負債率仍然較高。

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）..

葛家澍，占美松..企業財務報告分析必須著重關注的幾個財務信息——流動性、財務適應性、預期現金凈流入、盈利能力和市場風險［J］..會計研究，2008（5）..

吳世農，黃世忠..企業破產的分析指標和預測模型［J］..經濟問題研究，1987（6）..

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

沈友娣，沈旺..我國創業板中小企業財務風險評價指標有效性［J］..技術經濟，2012（7）..

沈亭，王淑慧..層次分析法在公司財務風險評價中的運用［J］..經濟研究導刊，2010（13）..

秦占榮..我國中小企業財務風險問題研究［J］..企業改革與管理，2015（4）..

鄭玉華，崔曉東..公司財務預警Logit模型指標選擇與實證分析［J］..財會月刊，2013（24）..