我国制造业上市公司财务危机预警研究

任金政 刘璇

摘要：本文以2008-2010年被“特别处理”（ST和*ST）的34家制造业上市公司和68家健康公司为研究样本，选取了资产负债率、应收账款周转率、销售净利率、主营业务收入增长率、现金流量比率、每股收益等25个财务预警初始指标，运用正态性检验、T检验、非参数检验以及相关性分析，筛选出了财务预警能力较强的财务指标；基于logistic回归分析法，构建了T-2年、T-3年和T-4年的制造企业上市公司财务预警模型，采用样本外检验法检验了所建模型的有效性，解释分析了模型结果。结果表明模型具有较高的预测能力，尤其在发生财务危机的前两年，准确度更是高达90%以上。

关键词：财务危机；预警；制造业；Logistic回归

中图分类号：F811.3 文献标识码：B

一、引言

面对经济全球化浪潮的冲击，上市公司所面临的竞争日益加大。在商业竞争日益剧烈的环境下，尤其是在经济秩序动荡的后金融危机下，上市公司所面临的不确定性和各种威胁呈现频数增加、化解困难、影响巨大等特征，最终导致企业财务危机的出现。在这一过程中，如何从“潜伏期”中挖掘各种可能导致财务危机的因素和特征，如何在公司陷入财务风险之前进行有效的预测，如何为证券市场各参与主体提供有效、科学地预测方法和准确的预测信息，是各有关方面密切关注的问题之一。

财务危机又称财务困境，Foster认为财务危机是指公司出现了严重的资产折现问题即偿债问题，而且这种问题的解决必须要依赖于公司的经营方式或存在形式的转变［1］。Frank 认为财务失败是企业履行义务时的受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足等四种形式，遭受这四种情形之一的企业即为财务危机企业［2］。刘红霞和张心认为财务危机是企业明显无力偿还到期的无争议的债务的困难与危机［3］。由此可见，财务危机的本质是企业偿债能力的低下［4］，因此本文选择特别处理的ST和*ST公司作为财务危机公司。

国外关于财务预警的最早研究可以追溯到1932年的Fitzpartrick，他首次对19家公司进行了单个财务比率破产预测模型的研究［5］；随后的Altman先后建立了经典的Z评分模型和ZETA模型，通过多元回归的方法预测财务困境［6］；为克服多元回归对数据正态分布的限制，Ohlson为代表的研究者们采用了条件概率模型进行预测分析，主要有Logistic模型和Probit模型两种统计方法［7］。近些年，由于神经网络和专家系统等非线性预测方法对变量分布的要求较低，从而得到一些研究和应用。

国内最早在财务预警方面做出贡献的是吴世农等在1986年介绍的公司破产分析指标和预测模型［8］，之后众多学者开始采用不同预测方法对我国上市公司的财务状况开展研究，其中部分学者的研究内容和情况如表1所示。

国内外相关文献的梳理表明，财务预警的方法主要是统计方法和神经网络方法，变量处理的方式有T、Z、F检验和因子分析等方法。基于此，本文采用分类效果最好的Logistic模型进行研究，并力图在以下三方面有所改进：一是变量的选择方面增加了现金流量方面的信息；二是摒弃传统研究模型中较少考虑行业差异和规模大小因素的影响，选择最具代表性的制造行业进行研究；三是采用股改之后的最新数据，通过K-S检验、T检验、非参数检验、相关性分析、Logistic回归分析和样本外检验等方法建立预测能力较强的行业财务预警模型。

二、样本的选取

（一）研究样本的选择

本文选择了在2008-2010年因财务状况异常而被特别处理（ST和*ST）的A股制造业上市公司作为初始样本，并在此基础上按一定标准选择了相应的健康公司作为配对样本。由于ST公司都是由于T-1年的财务数据而被特别处理的，故采用T-2年的截面数据进行分析。为保证模型的准确性，需建立3个预警模型，因此研究对象从T-2年向前追溯到T-4年，即下文中出现的T-2年为公司被ST前两年的数据，T-3年、T-4年依此类推。

（二）研究样本的确定

已有文献的研究大都采用1:1配对抽样，即样本组和控制组包含相等的研究个体。但Zmjiewski［14］研究了两组间样本个体数量分配的问题，认为1:1配对会使样本中两类公司的比例严重偏离其在实际总体中的比例，从而高估模型的预测能力，特别会高估对破产公司的预测能力，因此本文采用随机抽样的方法以1:2的比例按条件为ST公司选择配对样本。具体配对条件包括：一是所属行业相同，用于排除行业特征差异；二是资产规模相近，所选公司与被“特别处理”公司的最近一个会计年度的年度资产规模相差不超过10%；三是正常组的上市公司拥有相对良好的财务状况。

依据以上要求，本文初筛了2008-2010年被ST的41家公司（其中2008年9家，2009年10家，2010年22家），考虑到2008年金融危机等系统性风险的影响，剔除了主营业务包括进出口业务的3家公司，再剔除掉不能配对的4家公司，最终剩余34家ST公司，配对样本为68家，共计102个研究样本，并将其分为两组：

估计样本A1：包括23家ST公司及46家非ST公司，用于构建财务危机预警模型；

检验样本A2：包括11家ST公司及22家非ST公司，用于检验模型的财务预警能力。

三、变量的选取

（一）初始变量

由于各公司被ST的原因不尽相同，所以很难用某几个财务指标来衡量所有公司被ST而陷入财务危机的境况。本文在国内外研究成果的基础上，从偿债能力、营运能力、盈利能力、成长能力、现金流量能力指标及资本市场指标等6个方面选择了初始变量25个，如表2所示。

Logistic模型一般选择0.5作为判别点，事实上由于真实的事件发生概率不一定是0.5，这样有可能造成预测偏差，本文借鉴了张爱民等人［13］的方法选择分界点：选择使总误判率中最低的判别概率点，如果有两个以上相同的点则选择第一类错误值最小的点，如果仍有相同的点则在其中选择第二类错误值最小的点。依此，T-2年的分界点为0.6、T-3年的分界点为0.5、T-4年的分界点为0.6。

2．模型的分类准确率检验。对模型分类准确率的检验采用样本外检验，即将33个检验样本分别代入T-2、T-3、T-4年模型，并根据上面确定的分界点，对模型的准确率进行验证，最终结果如表6所示。结果表明，T-2年的模型预测准确率高达90%，准确率较低的T-3年模型准确率也在72%以上，表明所构建模型具有较高的预警能力，尤其是运用T-2年的数据和模型进行预警效果最佳，可以应用于现实环境。

五、结论

本文以我国制造业上市公司作为研究对象，构建并分析了该行业不同时点的财务预警模型。通过以上研究可以发现：首先，预警模型对该行业上市公司发生财务危机具有预测能力；其次，在上市公司发生财务危机的前4年中，按不同年份构建预警模型是合理的，因为不同年份存在不同的显著性财务指标；再次，不同年份预警模型的预测能力不尽相同，距离T年越近的模型其预测能力越强；最后，制造业上市公司应该更加关注对应收账款和运营资金的管理，因为这两个因素会严重影响公司未来的财务状况。

参考文献：

［1］ Foster G. Financial Statement Analysis［M］．Prentice Hall Englewood Cliffs, NJ, 1986.

［2］ Easterbrook, Frank. Is corporate bankruptcy efficient?［J］．Journal of Financial Economics, 1990(27)：41l-418.

［3］ 刘红霞，张心林.以主成分分析法构建企业财务危机预警模型［J］．中央财经大学学报,2004（4）：70-75

［4］ 贾明琪，辛江龙.上市公司财务困境预警系统模型及实证研究［J］．华东经济管理，2008（5）：76-80.

［5］ Fitzpatrick,P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms［J］．Certified Public Accountant, 1932（2）：73-589.

［6］ Altman, E, I, Haldenan, R.G&Narayanan, P.ZETA.A New Model to identify Bankruptcy Risk of Corporations［J］．Journal of Banking and Finance, 1977,1(6)：29-54

［7］ Ohlson, J. S. Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］．Journal of Accounting Research, 1980,18(7): 109-131.

［8］ 吴世农，黄世忠.企业破产的分析指标和预测模型［J］．中国经济问题, 1986（6）: 15-22.

［9］ 周守华.论财务危机的预警分析-F分数模型［J］．会计研究,1996（8）：8-11.

［10］陈静.上市公司财务恶化预测的实证分析［J］．会计研究,1999（4）：31-38.

［11］吴世农，卢贤义.我国上市公司财务困境的预警模型研究［J］．经济研究，2001(6):21-26.

［12］杨保安，季海，徐晶.BP神经网络在企业财务危机预警之应用［J］．预测, 2001（2）：62-68.

［13］姜秀华，任强，孙铮.上市公司财务危机模型研究［J］．预测,2002（3）：56-61.

［14］Zmijwski,M.E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models［J］．Journal of Account Research, 1984(22):59-82.

［15］张爱民，祝春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究［J］．金融研究，2001（3）: 10-25.

［16］Andrew Fight. Credit risk management ［M］．Oxford：Elsevier Butterworth Heinemann, 2004.

（责任编辑：严元）