中小企业财务危机预警模型设计及实证研究

徐玉芳　邵胜华

【摘 要】 科学的财务危机预警模型对提升企业财务风险管理水平具有重要意义。基于国内外现有财务预警模型，选取80家非金融中小型上市公司为研究对象，经过变量筛选、Wilcoxon秩和非参数检验、KMO检验、公共因子计算、载荷系数计算等步骤，采用Logistic方法建立了两种不同的中小型企业财务危机预警回归模型，并对80家上市公司进行实证分析。研究结果表明：针对ST和非ST两类企业，综合Logistic回归模型比纯财务指标Logistic回归模型的财务危机预警准确率提高了18.182%和10.145%。

【关键词】 财务预警模型； Logistic回归模型； 因子分析法； 中小企业

【中图分类号】 F272.35 【文献标识码】 A 【文章编号】 1004-5937（2017）12-0031-04

一、引言

我国中小企业较多，普遍存在的问题是资本结构不健全、管理结构不合理、财务信息不完善、内部控制制度落后、风险意识薄弱等，因此中小企業很难抵挡外部环境引发的风险。目前，很多中小型企业尚未意识到财务风险危机，也并未采取相关措施进行防治，直接导致很多中小企业连年亏损，甚至出现破产。建立一套完善可行的中小企业危机预警方法，成为当前学者们的研究热点。

国外学者采用多元概率比回归分析法、现金流量信息预测分析法和混合模型分析法对中小企业财务风险开展了大量研究，并取得了一定成果。Zmijewski[1]采用概率回归分析法对3 800家正常企业和76家破产企业进行研究，建立了Probit财务预警模型；Aziz[2]通过对比破产和非破产企业的现金流量均值及公司纳税情况，提出了现金流量信息模型；Hongkyu et al.[3]采用破产预警混合模型，对韩国破产企业和正常企业进行了实证研究，验证了混合模型分析法的可行性。任惠光等[4]采用DEA数据包络分析法、Logistic模型和模糊神经网络模型，选取了财务、公司管理、效益等51个技术指标，对378家上市公司进行实证研究，提出一种跨期财务综合危机预警模型；杨潇[5]结合传统Logistic财务预警模型和随机欠抽样不均衡分析方法，建立了RU-Logistic财务预警模型，采用主成分分析法对我国上市电力公司开展研究。

虽然近年来国内外针对企业财务危机预警进行了大量研究，但是仍存在以下不足：（1）现有财务危机预警主要针对大型企业，对中小企业的相关研究还不多见；（2）国内现有相关研究很少考虑我国国情，国外一些基本假设未必符合我国市场体制；（3）财务预警评价体系还不完善，很少考虑非财务指标对企业危机的影响。本文针对这些不足之处，选取80家中小企业上市公司为研究对象，采用Logistic方法建立了两种不同的中小型企业财务危机预警回归模型，并对比了两种模型的企业财务危机预警准确率。研究成果可为中小企业财务危机预警提供参考。

二、企业财务危机预警模型设计

（一）模型特点与针对性

Logistic回归模型是一种概率回归广义线性模型，可用于描述和推断一组变量与多分类因变量之间的关系。Logistic回归模型参数估计主要采用非条件最大似然法，通过建立似然函数和对数似然函数，获得对数似然函数的最大特征根相关参数，得出各个参数的最大似然估计值。本文采用Logistic回归来进行中小企业财务危机预警研究，主要因为Logistic回归模型具有以下特点[6-7]：（1）Logistic回归模型的自变量与因变量存在非线性关系；（2）Logistic回归模型无需假设方差不变，对自变量分布无特殊要求，各个自变量可以是连续值或离散值，甚至可以为虚拟值，即不需要假设自变量间存在多元正态分布；（3）Logistic回归模型的因变量为分类变量，预测精度较高。基于Logistic回归模型上述特点，认为其可以进行中小企业财务危机预警研究。

将中小企业是否陷入财务危机作为因变量，其状态可以用0和1表示。当中小企业陷入财务危机时，因变量取1；当中小企业财务状况良好时，因变量取0。在进行数据预处理时发现自变量（包括财务指标和非财务指标）不服从正态分布，因此选用不需要假设自变量间存在多元正态分布的Logistic回归模型进行中小企业财务危机预警研究。

（二）研究样本

鉴于我国大多中小企业并未上市，很多财务信息存在虚假情况且财务数据搜集较为困难，本文研究的中小企业主要来自沪深两市中小企业板块。采用与国内外学者类似的研究方法，以上市公司是否处于ST状态为判断财务危机的标准，共选取80家非金融类中小型上市公司，其中69家非ST企业和11家ST企业，分为非财务危机组和财务危机组开展研究。考虑到行业等因素对研究结果的影响，非财务危机组所处行业和资产规模尽量与财务危机组相近，所搜集数据均来自2012—2016年沪深两市的公开财务报表。

（三）研究变量选取

1.财务变量选取

企业财务状况与其运营能力、管理能力、盈利能力息息相关，目前仍没有形成完善的企业财务危机预测变量选取依据。本文基于现有研究基础，认为预警模型财务变量需满足如下条件：（1）变量指标相关数据容易获得；（2）能够显示中小企业短期偿债能力；（3）可以体现中小企业的经营现状和发展状态；（4）可以体现中小企业投资水平的合理性；（5）可以体现中小企业成长能力。

参考中国上市公司财务指标分析数据库中的相关指标选择本文分析所需的财务变量[8]。根据中小企业特点，确定偿债能力指标、盈利能力指标、营运能力指标、发展能力指标和现金流指标为财务危机预警的一级指标，具体二级指标及其计算方法见表1。

2.非财务变量选取

中小企业财务危机不仅受到财务变量影响，还会受到宏观经济、社会环境、行业因素等非财务变量影响。与财务变量不同，非财务变量收集难度大、成本高。国外研究人员大多选择宏观经济指标和行业指标作为非财务变量，但由于我国经济环境与国外经济环境有着较大差异，本文非财务变量更侧重于微观方面。选择企业组织结构、管理费用、董事会构成和审计意见作为非财务变量一级指标，四项一级指标下设若干二级指标，具体情况见表2。

三、企业财务危机预警模型实证

（一）變量筛选

如果利用上述22个指标构建中小企业财务危机预警模型，虽然可以进行较为全面的分析，但是工作量十分巨大，这些指标中的部分指标存在线性相关。为了提高计算准确率，须对上文16个财务候选指标和6个非财务候选指标进行正态性检验和显著性检验。对各变量进行K-S检验，利用随机变量B的样本数据构建分布函数，通过计算分布函数落在某个区间内与正态分布重合的概率，用于判断变量是否满足正态分布。表3为16个财务候选指标和6个非财务候选指标的K-S检验及显著性检验结果。表3中，各变量显著性水平都接近于0，远远小于0.5。

由于各变量间不服从正态分布，因此需要对其进行Wilcoxon秩和非参数检验。将企业成为ST的前1年、前2年、前3年分别记为T-1、T-2、T-3。根据各单变量Wilcoxon秩和非参数检验结果，发现存货周转率（A12）、最大股东持股比例（B1）、Z-指数（B2）、董事会规模（B4）的显著性水平均大于0.5，须剔除这些变量。因此，从前文16个财务候选指标和6个非财务候选指标中筛选出15个财务候选指标和3个非财务候选指标，作为中小企业财务危机预警模型的变量。

（二）因子分析

如果基于剩余的18个候选指标开展财务危机预警研究，计算量仍然很大，可进一步通过因子分析降低变量数。

1.KMO检验

利用KMO检验结果对候选财务变量进行判断。若KMO值越大，说明变量相关性越强。对本文15个财务候选指标进行巴特利球体检验，其卡方计算结果为1192.15，自由度计算值为102，财务指标变量的KMO值为0.821。若KMO值分布在[0.8，0.9]，则说明因子分析效果较好，因此15个财务候选指标因子分析效果较好。

2.公共因子计算

表4为15个财务候选指标公共因子特征值、贡献率计算结果。由表4可知，如果选择5个公共因子，则能反映出15个财务候选指标81.693%的信息量；如果选择4个公共因子，则能反映出15个财务候选指标78.113%的信息量。综合效率和计算量，本文选择前4个公共因子作为财务候选指标的替代变量，将其分别记为C1、C2、C3、C4。

（四）结果分析

1.纯财务指标Logistic回归模型

采用纯财务指标回归模型进行财务危机预警的检验结果见表8。由表8可知，针对ST中小企业和非ST中小企业，纯财务指标回归模型预警准确率分别为63.636%和82.609%。

2.综合Logistic回归模型

采用综合回归模型进行财务危机预警的检验结果见表9。可见，对于ST中小企业和非ST中小企业，综合回归模型预警准确率分别为81.818%和92.754%。对比综合回归模型和纯财务指标回归模型，综合回归模型预警准确率分别提升18.182%和10.145%。

四、结论

本文选取国内80家非金融类中小上市公司为研究对象，其中69家非ST企业，11家ST企业。经过变量筛选、Wilcoxon秩和非参数检验、KMO检验、公共因子计算、载荷系数计算等步骤，分别构建了纯财务指标回归模型和综合回归模型。计算结果表明：对于ST企业和非ST企业，纯财务指标回归模型的预警准确率分别为63.636%和82.609%；综合回归模型的企业预警准确率分别为81.818%和92.754%；与纯财务指标回归模型相比，综合回归模型预警准确率分别提升18.182%和10.145%。

【参考文献】

[1] ZMIJEWSKI M E. Methodological issues related to the estimation of financialdistress prediction models[J].Journal of Accounting Research，1984（22）：59-82.

[2] AZIZ D，et al. Bankruptcy prediction： An investigation of cash flow based models[J].Journal of Management Studies，1988，25（5）：419-437.

[3] HONGKYU J，INGOO H.Integration a of Case-Based Forecasting Neural Network and Discriminant Analysis for Bankruptcy Prediction[J].Expert System with Applications，1996，11（4）：415-422.

[4] 任惠光，班博.中国A股上市公司财务危机预警模型构建及实证研究[J].山东大学学报（哲学社会科学版），2007（6）：130-136.

[5] 杨潇.基于改进Logit模型的电力公司财务危机预警研究[J].会计之友，2017（2）：95-98.

[6] 牛似虎，方继华，苏明政.基于供应链金融的中小企业绩效评价与实证[J].统计与决策，2017（1）：64-66.

[7] 马大来，武文丽，董子铭.中国工业碳排放绩效及其影响因素——基于空间面板数据模型的实证研究[J].中国经济问题，2017（1）：121-135.

[8] 王谦，时文超，西凤茹.基于粗糙集——支持向量机的财务危机预警实证研究[J].统计与决策，2013（20）：156-158.