基于二元逻辑回归模型的我国水处理类上市公司财务危机预警系统研究

摘要：使用二元逻辑回归模型，通过研究沪深股市76家亏损公司和经营正常公司样本，建立了财务危机预警模型，弥补了现有的ST公司不适合作为亏损类公司研究样本的不足，并对14家水处理业公司和随机选择的14家ST公司进行判别检验，准确率达到82.65%。

关键词：财务危机预警 二元逻辑回归 水处理业

中图分类号：F830.91 文献标识码：A

文章编号：1004-4914（2013）02-164-04

一、研究问题

本文选择对我国水处理类上市公司财务危机预警进行研究的目的，是利用二元逻辑回归模型构建适用于我国水处理类上市公司的财务危机预警系统模型。财务危机的定义为企业处于经营性现金流量不足以抵偿现有到期债务的境况，是企业无力支付到期债务的一种经济现象。财务危机预警系统的定义是依据财务会计信息资料，以计算、统计、分析、监控等方法为手段，用设置预警指标、观察这些指标的变化趋势的方法来构建模型，以这种模型来完成对财务危机的监控、预测和报警。

研究成果在于水处理类上市公司的管理层可以根据系统提供的信息及时发现企业财务状况的恶化，以及造成企业财务状况恶化的原因，将财务风险降低到最低限度。从而能够及时地、有针对性地调整企业的经营策略，有效配置资源，把握水处理行业发展的机遇以实现更大的发展。

1.国外研究成果。国外的资本市场相对发达，最早的财务危机预警研究开始于Fitzpartrick（1932）的单变量破产预测研究。他选取了38家破产企业和非破产企业，利用单变量分析法分析发现“净利润/股东权益”和“股东权益/负债”两个指标能够判别这两类企业。Beaver（1966）同样采用单变量判定模型，以5个财务比率作为变量分别对79家失败企业和成功企业进行一元判定预测，发现“现金流量/负债总额”和“资产负债率”指标能够很好地预测企业财务状况。

Altman（1968）首先使用了多元线性模型，利用“Z-Score判别模型”进行企业破产的预测，以提出破产申请的33家企业和33家正常经营的企业为样本，收集了资产负债表和利润表中的数据，并通过整理从22个变量中选定预测破产最有用的5个变量，经过综合分析建立了一个判别函数，赋予5个基本财务指标以不同权重，并加权产生“Z”值。Z-Score判别模型预测能力准确，运用成本低的优点推动了多变量模型成为一种主流财务风险预测方法。

Martin（1977）首先以逻辑回归法判别企业经营风险。Ohlson （1980）扩大了分析样本，选取了105家陷入危机的公司和2058家经营正常的公司进行研究，研究结果显示逻辑回归模型预测能力之正确性在90%以上。

Collins和Green（1982）通过比较区别分析、线性机率模型及逻辑分析模型，得出了逻辑分析模型的预测能力高于前两种方法。

Mensah（1984）以110家企业为研究对象，利用因素分析方法从指标中选出代表多个相关性较强指标的主成分因子，然后再利用区别分析和逻辑回归模型建构财务预警模型，以预测企业是否因财务风险而导致破产。

Odom和Sharda（1990）使用神经网络模型构建了企业财务危机预警模型。

2.我国研究现状。我国对企业财务风险预警的研究主要始于引用国外的研究方法，并在其基础上结合我国企业的实际情况加以改进。其中有代表性的研究主要有：

吴世农和黄世忠（1986）提出运用线性判定分析方法建立的企业破产预测模型能够有效地反映破产企业的综合数量特征及其它们的差异，一般具有较高的预测能力。吴世农和卢贤义（2001）以70家处于财务困境的上市公司和70家财务正常的上市公司为样本，应用Fisher线性判定分析、多元线性回归分析和逻辑回归分析三种方法，分别建立三种预测财务困境的模型，研究结果表明逻辑回归分析模型的误判率最低。

周首华和杨济华（1996）通过加入现金流量改进了Altman（1968）的Z-Score判别模型，提出了F分数模型。以Compustat PC Plus会计资料中的4160家公司的数据为检验样本进行验证的准确率达到68.18%。

陈静（1999）先采用一元判定模型进行财务预警研究，在多元判定分析中，通过ST公司样本组和非ST公司的样本组进行判定分析，判定结论的准确性为在宣布ST带帽的前1年的准确率为92.6%，前2年为85.2%，前3年为79.6%。

张玲（2000）选择了沪深120家上市公司，分为两组进行分析，从15个特征财务比率变量中最后推导出只有4个变量的判别函数，判别结果为被ST的前2年预估正确率达到87%，前3年正确率70%。

二、解决方案

国内外对于财务危机预警系统的研究还主要局限于正常经营公司与ST公司的选择上，且尚无针对水处理类上市公司的财务危机预警系统研究。本文使用二元逻辑回归模型，采用2008—2011年正常经营公司与2008—2010正常经营但在2011年出现巨额亏损的公司作为研究样本进行研究，弥补了现有的ST公司处于“被ST—摘帽—被ST”的循环中，不适合作为亏损类公司研究样本的不足。

本文选择了13家水处理业上市公司和13家随机选择的ST公司作为验证样本，以推导出的财务危机预警模型应用于水处理业上市公司和随机选择的ST公司，验证其判断准确率。

1.样本选择。上市公司的财务报表相对公开且规范，利用这些公开数据，可以计算出所需要的财务指标。中国证监会于1998年3月颁布了《关于上市公司状况异常期间的股票特别处理方式的通知》，通知要求当上市公司出现财务状况或其他状况异常，导致投资者的利益有可能收到损害时，对公司股票交易实行特殊处理，记载股票简称前加以“ST”字样，大部分公司被ST的直接原因是“最近两个会计年度的审计结果显示的净利润为负值”。国内的财务风险预测模型研究成果大多数是在2000年初期，列入样本的亏损公司首次被ST，研究其被ST之前的经营年的财务数据是有意义的。但是通过研究2011年的78家ST公司发现，只有ST三星（000068.SZ）和ST狮头（600539.SH）两家公司因连续两年亏损和企业停产首次在2010和2011年被戴帽，剩余的76家ST公司均处于“被ST—摘帽—被ST”的循环中，研究最后一次被ST之前的历史财务数据并作为样本已无说服力。另外除非发生大规模的资产重组，ST公司的总资产规模普遍较低，如果按总资产规模搭配运营正常的公司，很难找齐合适的样本。

（3）模型的应用和结果分析。使用已建立的二元逻辑回归模型对28家检验样本公司进行预测，其中正常经营的公司选择14家业务涉及水处理业的上市公司，因水处理业暂无亏损上市公司，检测样本里的亏损公司随机选择14家ST公司进行测试。

结果显示，14家水处理业公司有一家被误判为亏损公司，预测准确率92.86%，在14家亏损企业中，有4家被误判为正常公司，预测准确率72.43%。两者的加权平均准确率82.65%。检验结果证明该模型的预测能力较好。

（4）模型应用的不足之处。根据对水处理业上市公司和非上市公司的判别结果，可以看出该模型具有一定的科学性和准确性，可以作为水处理业企业财务危机预警工具进行预测。但其中还存在不足之处：

①样本的选择主观性较强。样本规模比较小，因大部分ST公司反复经历“被ST→摘帽→被ST”阶段，第一次摘帽前的数据要追溯到数年前，且财务危机预警模型的有效性也仅仅为1至2年，因此以往研究中选用ST公司作为研究样本已不适用于目前模型的构建。通过比较2008至2011年数据，根据2011年每股收益巨亏来判定亏损企业的主观性还是稍强，且企业亏损的原因还包括公司治理结构、行业周期景气性等非财务原因。且如果少数上市公司存在虚假财务数据，模型的准确性也会受到影响。

②预测的时效期较短。目前此财务危机预警模型的预测只能预测短期财务状况，本模型通过反复试算，利用2010年的数据可以预测2011年企业是否正常运营或者亏损。未来还需要更多的相关数据来验证模型是否能预测2至3年后企业是否存在财务危机。另外对于微赢或者微亏的企业，模型的预测能力还有待进一步提高。

③样本涉及的行业范围有限。限于行业内上市公司的业绩情况，模型的行业样本的选取范围有些偏窄，只选取了制造业、农业、交通业、电力、批发零售业、信息技术、房地产业等行业。缺乏其他行业的样本，原因主要是其他行业缺少亏损严重的公司样本。随着上市公司数量的不断增加和未来经营的两极分化，模型的构建会越来越完善。

四、结论

为了能够对水处理业企业财务危机做到提前预警，本文通过研究沪深股市76家亏损公司和经营正常公司样本，建立了财务危机预警模型，并对14家水处理业公司和随机选择ST公司进行判别检验，准确率达到82.65%。

本文选择的二元逻辑回归模型是一种有效财务预警模型，在专业统计软件的辅助下也易于操作，模型表明企业的净资产收益率、销售毛利率和资产负债率是企业未来是否面临财务风险最重要的三个指标。

本文所建立的预警模型还存在样本的选择主观性较强、预测的时效期较短、样本涉及的行业范围有限等不足，后续还需要进一步扩大样本规模，丰富模型的构建方法，进一步提高判别准确率，为水处理业公司财务危机预警提供参考。

参考文献：

1.Fitzpatrick.A.Comparison of ratios of successful industrial enterprises with those of failed firm[J]. Certified Public Accountant.1932.2：589-605.

2.Beaver W.H.Financial ratios as predictors of failure[J].Journal of Accounting Research 1966.4（3）：71-111.

3.Altman，E.I.Financial ratios， Discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance，1968.23（4），589-609.

4.Martin，D.Early warning of banking failure[J].Journal of Banking and Finance.1977.1（2/3）：249-276.

5.Ohlson，J.A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research.1980.18（1）：109-131.

6.Collins，R.A.and R.D.Green.Statistical methods for bankruptcy forecasting[J].Journal of Economics and Business.1982.43（4）：304-349.

7.Mensah Y.M.An examination of the stationary of multivariate bankruptcy prediction models：A methodological study[J].Journal of Accounting Research.1984.22（1）：380-395.

8.Odom，M.D.and R.Sharda.A neural network model for bankruptcy prediction[J].IEEE INNS IJCNN.1990.2：163-168.

9.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）：36-37.

10.吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）：46-55.

11.周首华，杨济华，王平.论财务危机的预警分析——F分数模式[J].会计研究，1996（8）：8-11.

12.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.

13.张玲.财务危机预警分析判别模型[J].数量经济技术经济研究，2000（3）：49-51.

（作者简介：孙彦鹏，硕士研究生，研究方向：技术经济，工作单位：天津创业环保集团股份有限公司 天津 300381）

（责编：若佳）